【2018年3月時点】Oracle Data Visualizaion ご紹介

Copyright © 2017 Oracle and/or its affiliates. All rights reserved. |
セルフサービスBIを可能にする
Oracle Data Visualization のご紹介
日本オラクル株式会社
クラウドプラットフォームソリューション統括
Cloud Platform ソリューション本部
Big Data & Analytics ソリューション部

Copyright © 2014 Oracle and/or its affiliates. All rights reserved. |Copyright © 2018, Oracle and/or its affiliates. All rights reserved. |
Safe Harbor Statement
The following is intended to outline our general product direction. It is
intended for information purposes only, and may not be incorporated into
any contract. It is not a commitment to deliver any material, code, or
functionality, and should not be relied upon in making purchasing
decisions. The development, release, and timing of any features or
functionality described for Oracle’s products remains at the sole discretion
of Oracle.
Note: The speaker notes for this slide include
instructions for when to use Safe Harbor
Statement slides.
Tip! Remember to remove this text box.
Confidential – Oracle Internal/Restricted/Highly Restricted22

Copyright © 2014 Oracle and/or its affiliates. All rights reserved. |Copyright © 2018, Oracle and/or its affiliates. All rights reserved. |
※本スライドは2018年3月23日時点の情報になります。
最新の情報については、下記ドキュメントをご確認ください。
• Oracle Data Visualization Desktop
https://docs.oracle.com/cd/E92951_01/biee/index.html
• Oracle Analytics Cloud
https://docs.oracle.com/en/cloud/paas/analytics-
cloud/acubi/getting-started-oracle-analytics-cloud.html
3

Copyright © 2018, Oracle and/or its affiliates. All rights reserved. |
アジェンダ
1. Oracle Data Visualizationの特徴
– 使い勝手良く豊富な機能と統制のきいたセルフサービスBI
– 分かりやすいデータ加工ができるデータフロー機能
– 簡単に実行できる機械学習
2. まとめ
4

Copyright © 2017 Oracle and/or its affiliates. All rights reserved. |
1. Oracle Data Visualizationの特徴
5

2.データ事前準備
データフロー機能で
分かりやすい
データ加工
1.セルフサービスBI
使い勝手がよく
豊富な機能と
統制のきいたデータの
ビジュアライゼーション
3.機械学習
機械学習も簡単に実行
RやPythonとも
連携できる
Oracle Data Visualziation3つの特徴
6

分かりやすい
データ加工
豊富な機能と
3.機械学習
RやPythonとも
連携できる
7

• ドラッグ＆ドロップで直感的な操作
• クリックで様々な操作が可能
• 基本操作はユーザー教育不要
• ファイルの簡単アップロードや、既存シス
テムからのデータへの接続が容易
誰でも簡単に使える
8

• マルチデータ・ソース対応
• 既存のデータベースへも簡単アクセス
• 既存のBIのサブジェクトエリアへのアクセスで、
ガバナンスのきいた分析モデルを展開できる
• 豊富なチャート種類
• ストーリーテリングや共有機能でグループメン
バーへの共有もらくらく
• オンプレでもクラウドでも基本操作は同じ
チャート種類
種類豊富なビジュアライ
ゼーションタイプ
マルチデータ・ソース対応
様々なデータ・ソースに対応済
Data Visualization デスクトップ版でのサポー
トデータ・ソース
（2018年3月6日現在）
https://docs.oracle.com/en/middleware/bi/
data-visualization-desktop/bidvd/supported-
data-sources.html
Oracle Analytics Cloud版でのサポートデー
タ・ソース
（2018年3月6日現在）
https://docs.oracle.com/en/cloud/paas/a
nalytics-cloud/acubi/supported-data-
sources.html
豊富な機能がある
ストーリーテリング機能
グループメンバーへの共有もシンプルに
共有機能
メールやファイル、クラ
ウド上のアップロード等
9

エンタープライズ情報モデル※
エンタープライズBI
Business
Intelligence
セルフサービスBI
Data Visualization
データ層
分析モデル
BIサーバーレポーティング
プレゼンテーションサーバー
Desktop
EXCEL
ブラウザ
既存システム
デバイス
・データ管理、パフォー
マンス、セキュリティ等
の管理ポイントを１箇所
に集約
・時間とコストを掛けな
いで、簡単にビジュアル
化
・新たに作成したコンテ
ンツの共有
データガバナンスを担保したアーキテクチャ
フラットファイル
SaaS
メリット１
メリット２
メリット１
メリット２
10

Copyright © 2018, Oracle and/or its affiliates. All rights reserved. | 11
新規作成から
クイックアクセス
好みのレイアウトに
カスタマイズ
ハンバーガーバーで
メニュ－の表示ON/OFF
ホームページ + UIのカスタマイズ

ビジュアライズ作成画面と
同じ画面上から
処理形式を変更可能（メジャー/属性）
集計方法を変更可能
メジャーの数値書式は、
数値/パーセント選択
キャンバスをクリックすると
プロパティが自動連携
プロパティペイン

ビジュアライゼーションのコピーと
貼り付けをキャンバスをまたがって、実装可能
コピー/貼付け/複製

フィルタはビジュアライゼーション単位、キャンバ
ス単位、プロジェクト単位で設定可能
フィルタ機能

データ項目（属性情報）を右クリックで
フィルタの作成エクスプローラーペイン
よりフィルタ条件を追加可能に
フィルタ機能

外部URLや、他のキャンバス、
他のプロジェクトのキャンバスに
遷移するよう設定可能
その際にフィルタ条件をつけることも可能
データアクション

表示形式を数値/パーセント選択可能
列/行に対しての
集計かを選択できる
1. 表タイプはピボットを選択
2. 列を右クリックして、
合計の表示をクリックすると合計（行／列）が表示される
集計値表示

時間カラムは、自動的に粒度を
調整したカラムを作成してくれる
プロジェクト上のエクスプローラーペイ
ンから表示の分類で
時系列の粒度を選択することが可能
タイムインテリジェンス

V３では数値データを
Double型と
Integer型２つで表示
V4 ではNumber（数値）データとし
て１つに表示
数字のデータ型の取り扱い
19

関連のないデータは罫線で区切られる
同一キャンバス内で
関連無いデータ項目を使った
分析の表示可能
関連性のないデータ・ソースへの対応

1. データのデータセットタブの「検査」もしくは、
プロジェクト内のデータ要素の該当データセット
を右クリック
２．権限タブのロールタブから、権限付与を編集
データセットの権限管理 (Oracle Analytics Cloud版のみ）

コメントの追加
全てのキャンバスを表示
キャンバスはスクロールで簡単表示
解説に使用したいキャンバスの選択
も簡単に
キャンバス内のビジュアライズやコメント、
キャンバス名、フィルタ条件の
表示／非表示切り替えが可能
※解説のみに適用
ストーリーテリング（解説）機能

キャンバス右上のShare Projectアイコンを
クリックすると表示される
ファイル Email 印刷クラウド
共有機能（DVデスクトップ版）

Email
ファイル印刷 OSN
キャンバス右上のShare Projectアイコンを
クリックすると表示される
※SlacksやTwitterはコンソールで設定する
※次ページで詳細設定参照
共有機能（Oracle Analytics Cloud版）

1. コンソールの「Social」画面で、
共有したいサービスの選択
（Public Web Store/Oracle Content and Experience/Slack/Twitter)等選択
2. サービスURLやユーザーID／パスワード等を入力
Oracle Content and Experience
Slack
Twitter
共有機能（Oracle Analytics Cloud版）

分かりやすい
データ加工
豊富な機能と
3.機械学習
RやPythonとも
連携できる
26

• ローカルファイルの簡単アップロード
• データの事前準備、加工が簡単でわかりやすい
データフロー機能で分かりやすいデータ加工
データの追加、データの結合、フィルタ
等フローベースに実行
27

データフローステップ各ステップの詳細
データの追加分析対象データ・セット（テーブル）の追加をする
結合 2つ以上のデータ・セットの結合をする
行のマージ 2つのデータ・セット（同じデータ項目のもの）の行をマージする
フィルタデータフローで作ったアウトプットのデータ項目に制限をかける例：商品Aを購入した人の絞込み等
集計データの集計方法の指定をする（合計、平均、最小、最大、件数、重複を除いた件数）
データセットの保存作成したデータフローを保存する（Dataset Storage もしくはデータ・ソース接続で保存）
Essbaseキューブの作成データをEssbaseキューブにロード
列の追加分析対象のデータ・ソースにないデータ項目（列）の追加
列の選択抽出したいデータ項目（列）のみに絞り込む
列の名前変更データ項目（列）の名前を変更する
列のマージデータ項目（列）を一つのデータ項目にする（例：名字と名前をマージする等）
ビンデータセットのメジャー項目（売上金額等）に対してグループ分けを作成する
グループデータセットの属性項目（製品アイテム等）に対してグループ分け（分割）をする
データフローの機能一覧（1／2）
28

データフローステップ各ステップの詳細
累積値累積集計機能：Moving/Running 集計を実現（行毎の移動平均値、行毎に変化する平均値）
時系列予測時系列予測の計算を適用して予測値をだす
センチメント分析※ テキストの語彙をセンチメント分析ポジティブ、ニュートラル、ネガティブ
カスタムスクリプトの適用 RやPythonを使いカスタムスクリプトを使用してデータを変換
数値予測の学習※ 線形回帰モデルの学習（決定木、エラスティックネット線形回帰、線形回帰、ランダムフォレスト）
多項分類の学習※ 多項分類モデルの学習（決定木、ナイーブベイズ、ニューラルネットワーク、ランダムフォレスト、サ
ポートベクタマシン（SVM)）
クラスタリングの学習※ 階層型クラスタリング、K-meansクラスタリングのアルゴリズムの適用
二項分類の学習※ 二項分類モデルの適用（決定木、ナイーブベイズ、ニューラルネットワーク、ランダムフォレスト、サ
作成した分析モデルの適用自分で作成した分析モデルを適用する
※2017/12/26時点日本語データ未対応
データフローの機能一覧（2／2）
29

それぞれのデータセット・データタイプのカラム名が
同じである事が条件でマージを可能に
① ①
②
②
③
③
④
④
⑤
⑤
２つのデータセットの行のマージ

例えば、購入金額総額（メジャー項目）
をクラス分けすることが可能に
グループ分けの数、分ける値は、
手動で切替可能
メジャー項目に対してグループ分け（ビン）

グループを追加しながら、
新たにできるグループを確認
1. グループに入れる属性項目を選択
2. 新たなグループの名前を設定
属性項目をグループ分け（グループ）

累積合計値の設定画面
累積合計を示したい項目と新規列名を表示
※累積値は下記から選択
移動平均、移動合計、累積合計、
累積カウント、累積最大値、累積最小値
累積値

1. 時系列予測をデータフローに配置し、
パラメータを設定
2. 予測したいメジャー項目と、タイム項目（タイム）を設定
3. 新たなカラムにアウトプット
時系列予測

データフローペインから実行したいデータ
フローをドラッグアンドドロップ
シーケンス
複数データフローをシングルトランザクションとして同時実行

データフローの一覧からスケジューリン
グしたいデータフロー右側にカーソルを
当てると出現するAction Menuをクリッ
クしスケジュールを選択
1. ジョブの追加をクリック
2. ジョブ名、開始日、時間、繰り返し
（一度、日次、週次、月次、年次、カス
タム）※カスタムは終了日や上記よりも
細かな設定が可能
3. Addをクリック
ジョブの一覧はコンソールから確認
スケジュール実行設定（Oracle Analytics Cloudのみ）

購入日製品カテゴリ購入数量購入金額顧客ID 購入日1 製品カテゴリ1 購入数量1 購入金額1
20180101 パソコン用品 2 7200 10982 空白空白空白空白
20180101 パソコン用品 1 3600 16876 空白空白空白空白
20180101 パソコン用品 1 3600 29786 空白空白空白空白
20180101 パソコン用品 2 7200 29786 20180101 事務機器 3 360
20180101 パソコン用品 3 10800 27563 20180101 事務機器 2 480
28798 20180101 事務機器 3 360
13242 20180101 事務機器 1 240
00083 20180101 事務機器 2 480
赤枠内はパソコン用品を購入している方
青内は事務機器を購入している方
黄色の部分は両方購入している方
パソコン用品は買ったが、まだ事務機器を買っていない人の顧客IDがほしい → 緑枠を抽出したい
緑枠のターゲットを抽出したい
全
て
の
行
一
致
す
る
行
①結合
1つ目の表は全てての行
2つ目の表は一致する行で結合
②フィルタ
NULL値に絞込み
多段階でのターゲット抽出
37

分かりやすい
データ加工
豊富な機能と
3.機械学習
RやPythonとも
連携できる
38

プロジェクトから機械学習
“R”の計算結果を表示
フォーキャスト、クラスタ
リング、外れ値、傾向線、
参照線
マイ計算からXMLファイルを呼び込みRの
パッケージで計算。計算した結果を表示
※次ページに詳細記載
データフローでも機械学習
“R”や“Python”の計算結果を表示
1. データフローで分析モデルを作成
2. 分析モデルを使って導き出した予
測データをプロジェクトで分析する
39

パターンを学習させる学習した分析モデルを適用する
ID 年代入社日人事評価リーダー
11 40 20151017 A YES
12 20 20171222 A No
13 50 20161018 B No
過去の実績データを学習させる
例：過去3年で管理者へ昇進した方の属性がわかるリスト
ID 年代入社日人事評価リーダー
21 40 20151013 B ？
12 20 20171222 A ？
13 40 20161018 A ？
現在のデータで将来を予測する
例：現在の従業員リスト
学習させたモデルで予測
教師あり学習への適用（例：次世代リーダーを育成したい）
40

※2018年1月29日現在日本語未対応
時系列予測時系列予測の計算を適用して予測値をだす
センチメント分析※ テキストの語彙をセンチメント分析ポジティブ、ニュートラル、ネガティブ
カスタムスクリプトの適用 RやPythonを使いカスタムスクリプトを使用してデータを変換
数値予測の学習※ 線形回帰モデルの学習（決定木、エラスティックネット線形回帰、線形回帰、ランダムフォレスト）
多項分類の学習※ 多項分類モデルの学習（決定木、ナイーブベイズ、ニューラルネットワーク、ランダムフォレスト、サ
クラスタリングの学習※ 階層型クラスタリング、K-meansクラスタリングのアルゴリズムの適用
二項分類の学習※ 二項分類モデルの適用（決定木、ナイーブベイズ、ニューラルネットワーク、ランダムフォレスト、サ
作成した分析モデルの適用自分で作成した分析モデルを適用する
データフローで機械学習
※プロジェクト画面にて、別途、フォーキャスト、クラスタリング、外れ値、傾向線、参照線等、利用可能

1. データの特性を把握する
2. 過去データで分析モデル
を学習させる
3. 学習したモデルを
適用する
4. 導き出された予測結果を
ビジュアル化する
5. アクションの
評価をする
モデルの評価
機械学習サイクルの一例
42

分析例は、
Oracle Analytics LibraryでDVAフィルを公開
https://www.oracle.com/solutions/business-
analytics/data-visualization/library.html
43

を学習させる
適用する
評価をする
モデルの評価
44

1. データ特性を把握する
インポートするだけで自動解析

を学習させる
適用する
評価をする
モデルの評価
46

結果が含まれるデータ例：過
去3年で管理者へ昇進した方の
属性がわかるリスト
Train Binary Classifierのステップを追加して、
ターゲット項目「管理職」を２つの結果で予測
モデルを選択（決定木、ナイーブベイズ、ニュー
ラルネットワーク、ランダムフォレスト、サポー
トベクタマシン（SVM)）
データの保存
注意事項：現行では保存名は英語名
2. 過去データで学習する

1. 学習させたモデルを使って、過去の学習
データを再度計算、出た予測結果と、実
際のデータを照合し、その精度を計測
分析モデルの評価をする

結果を含まないデータ
Apply Modelで学習させたモデルを適用する
Output:予測で算出したいデータ
Parameter：Inputを設定（デフォルト値でも可）
データの保存
注意事項：現行では保存名は英語名
3. 学習させたモデルを適用する
データフローで適用

１．プロジェクトに分析（予測）したいデータセット
をアップロードし、データ要素から右クリック
２．モデルを選択して、データ要素をマップ
３．OKをクリック
４．データセット下に予測データが表示
3’. 学習させたモデルを適用する
プロジェクトのシナリオで適用
50

を学習させる
適用する
評価をする
モデルの評価
51

予測値を含むデータセット
のビジュアル化
4. 導き出された予測結果をビジュアル化する

を学習させる
適用する
評価をする
プロジェクト
（データ要素の説明）
データフロー
プロジェクト or
データフロー
プロジェクト
モデルの評価
53

PythonやRのカスタムスクリプトを
新規作成メニューのScriptから挿入
例えば、公開されているPythonのUnpivot
スクリプトで、縦軸が州、横軸が年になっ
ているような分析するのに複雑なフォー
マットであっても、
分析用にデータ分析の前処理をしてくれるOracle Analytics Libraryからも無料でダウンロード可能
https://www.oracle.com/solutions/business-analytics/data-
visualization/library.html
カスタムスクリプトの適用（Data Visualization Desktopのみ）

1. データフローの作成箇所にて
Apply Scriptをスクリプトを配置
2. スクリプトの選択ウィザードがポップアップする
ので適用したいカスタムスクリプトを設定
3. データの保存でデータセットストレージに保存
4. 保存したデータセットを使ってビジュアル分析
カスタムスクリプトの適用（Data Visualization Desktopのみ）

まとめ
1. OracleのセルフサービスBIで簡単にセキュアに始めよう
3つの特徴
1. 使い勝手良く豊富な機能と統制のきいたセルフサービスBIができる
2. データフロー機能で分かりやすいデータ加工ができる
3. 機械学習も簡単に実行できる
56

参考資料
Oracle Help Center（ドキュメント）
Home / Cloud / Platform as a Service (PaaS) / Analytics Cloud の What’s New
https://docs.oracle.com/en/cloud/paas/analytics-cloud/acswn/index.html#ACSWN-GUID-CFF90F44-BCEB-
49EE-B40B-8D040F02D476
Youtube
Oracle Analyticsチャンネル
https://www.youtube.com/watch?v=5ndlZNNMtEo
Oracle Analytics Library
https://www.oracle.com/solutions/business-analytics/data-visualization/library.html
57

Oracle Data
Visualization
Desktop
Oracle Analytics
Cloud
Oracle Business
Intelligence
ライセンス
補足事項
最新バージョン
リリース時期
v12.2.4.1.1
2月リリース
v18.1.3
2月リリース
V12.2.1.3
2017年8月リリース
データ
◯ ◯ ◯
（OAC独自機能）
データセットの権限管理機能
共有機能のTwittter, Slack連携
背景マップやレイアーのカスタマイズ
DVコンテンツの組込み
データフロー ◯ ◯ ×
（OAC独自機能）
スケジュール機能
Email 配信機能
ServiceCloud連携レプリケーション機能
（ライセンス）
Essbaseの作成なし
機械学習 ◯ ◯ ×
（DVD独自機能）
カスタムスクリプト
(補足) 機能比較マトリックス
2018年3月1日時点
58

【2018年3月時点】Oracle Data Visualizaion ご紹介

【2018年3月時点】Oracle Data Visualizaion ご紹介

Recommended

Recommended

More Related Content

What's hot

What's hot (19)

Similar to 【2018年3月時点】Oracle Data Visualizaion ご紹介

Similar to 【2018年3月時点】Oracle Data Visualizaion ご紹介 (20)

More from オラクルエンジニア通信

More from オラクルエンジニア通信 (20)

Recently uploaded

Recently uploaded (11)

【2018年3月時点】Oracle Data Visualizaion ご紹介