--- title: 【Sisense Data Modeling】CIVID-19データと人口変動データによるマルチファクト構成のモデリング description: ウィジェットで複数のファクトテーブルから同時に指標を表示したい、複数のファクトテーブルでフィルターを共有したい...そんな時に誤ったマルチファクトテーブル構成を組むと不正な集計結果になるケースがあります。今回はマルチファクトテーブルのデータモデルを４つ作成して最適なモデルを模索してみます。 image: https://knowledge.insight-lab.co.jp/hubfs/Imported_Blog_Media/11_d2-1024x578-2.png --- ![INSIGHT LAB_文字のみ_WHT-1](https://knowledge.insight-lab.co.jp/hs-fs/hubfs/INSIGHT%20LAB_%E6%96%87%E5%AD%97%E3%81%AE%E3%81%BF_WHT-1.png?width=400&height=110&name=INSIGHT%20LAB_%E6%96%87%E5%AD%97%E3%81%AE%E3%81%BF_WHT-1.png) ![INSIGHT LAB_文字のみ](https://knowledge.insight-lab.co.jp/hs-fs/hubfs/INSIGHT%20LAB_%E6%96%87%E5%AD%97%E3%81%AE%E3%81%BF.png?width=400&height=110&name=INSIGHT%20LAB_%E6%96%87%E5%AD%97%E3%81%AE%E3%81%BF.png) [![お問い合わせ](https://hubspot-no-cache-na2-prod.s3.amazonaws.com/cta/default/5935783/a4a0266e-14ad-4388-b83f-681a6f35b8a7.png)](https://hubspot-cta-redirect-na2-prod.s3.amazonaws.com/cta/redirect/5935783/a4a0266e-14ad-4388-b83f-681a6f35b8a7) - [Sisenseとは](https://service.insight-lab.co.jp/sisense) - [Sisenseナレッジ](https://knowledge.insight-lab.co.jp/sisense) - [セミナー](https://event.insight-lab.co.jp/sisense-seminar) - [トレーニング](https://service.insight-lab.co.jp/data-analytics-dojo/training_course) - [お役立ち資料](https://download.insight-lab.co.jp/sisense/download) ###### 4 分で読むことができます。 # [【Sisense Data Modeling】CIVID-19データと人口変動データによるマルチファクト構成のモデリング](https://knowledge.insight-lab.co.jp/sisense/data-modeling/multifact) 執筆者 [Turtle](https://knowledge.insight-lab.co.jp/sisense/author/turtle) 更新日時 2020年10月16日 ###### Topics: [Data Modeling](https://knowledge.insight-lab.co.jp/sisense/tag/data-modeling) ![【Data Modeling】CIVID-19データと人口変動データによるマルチファクト構成のモデリング](https://knowledge.insight-lab.co.jp/hubfs/Imported_Blog_Media/11_d2-1024x578-2.png) 目次 シャローム！Sato-Gです。 新型コロナに関する都道府県間の移動が6月19日に全面的に解禁になった。 というわけで、今、札幌にいる。そして北海道限定（しかも期間限定）のClassicを飲んでいる。 こちらに来る飛行機は満席！ 8月から始まると言われる「Go To キャンペーン」の前に都道府県をまたぐ移動をする人は結構増えそう。ただ、航空各社は運休がまだまだ多くて、満席で密にするくらいならもう少し飛ばしてほしいところだ。飛行機で集団感染とか出ちゃうと、もはや移動の足が失われることになりかねないからね。 さて、今回は「年月日」と「都道府県」の結合を行うことで前回の不満点の対策を施し、操作性を改善したい。 ## １. マルチテーブル結合のデータモデリングのアプローチ方法 前回の不満点は以下のとおり **・感染者数推移と人口増減において、時間軸、都道府県の絞り込みが分離している** **・同一グラフ上で感染者と人口増減の関係を比較できない** **・フィルターの絞り込みに依存しており、都道府県間の比較を同時に行うことができない** これらは、COVID-19データと人口変動データが結合されていないから起きていた問題だ。 ただ、この２つともファクトテーブル（メジャーを含むテーブル）となるため、マルチファクトテーブル結合はその方法によって誤った集計が行われるため、慎重に行わなければいけない。 ここでは３つのアプローチで実験してみる。 **【PLAN-A】2つのキー項目同士でリレーションを2つ設定する** **【PLAN-B】2つのキー項目を1つに結合して1つのキー項目にして、1対多でリレーションを設定する** **【PLAN-C】2つのキー項目を1つに結合して1つのキー項目にした上で外部テーブル（ブリッジテーブル）化して２つのテーブルをブリッジする。** **【PLAN-D】キー項目それぞれについて、ユニークな値となるディメンションテーブルを別々に作成する** ## 2.　前処理 データモデリングを行う前に、このままでは結合に支障が出るため、前処理を行っておく。解決しなければいけない問題点は次のとおり。 **【問題点】** ・DateTime形式の項目は時刻が入っているケースがあり、結合には向かない ・都道府県コードが、左0埋めされているものとされていないものがある ### 2.1 COVID-19テーブル 以下の２つのカスタム列を追加する。 **・確定日KEY** *DateTime型からInteger型へ変換する（GetYear / GetMonth / GetDay）* GetYear(\[確定日\])\*10000 + GetMonth(\[確定日\])\*100 + GetDay(確定日) **・KEY** *ToStringでString型へ変換し、テキストを+結合する* ToString(\[受診都道府県コード\]) + '-' + ToString(GetYear(\[確定日\])\*10000 + GetMonth(\[確定日\])\*100 + GetDay(確定日)) ### 2.2 人口変動データ 以下の4つのカスタム列を追加する。 **・都道府県KEY** *都道府県コード左0埋め処理（例：北海道の場合、1→01）を0と+結合し、Rightで2桁取得* Right('0' + ToString(\[都道府県コード\]),2) **・#測定都道府県** *都道府県コード左0埋め処理（例：北海道の場合、1→01）を0と+結合し、Rightで2桁取得し、都道府面名と結合* Right('0' + ToString(\[都道府県コード\]),2) + '\_' + StrParts(\[地点\],'\_',1) **・年月日KEY** *DateTime型からInteger型へ変換する（GetYear / GetMonth / GetDay）* GetYear(\[年月日\])\*10000 + GetMonth(\[年月日\])\*100 + GetDay(\[年月日\]) **・KEY** *ToStringでString型へ変換し、テキストを+結合する* Right('0' + ToString(\[都道府県コード\]),2) + '-' + ToString(GetYear(\[年月日\])\*10000 + GetMonth(\[年月日\])\*100 + GetDay(\[年月日\])) ## 3. ３つのデータモデルで検証 ### 3.1 【PLAN-A】2つのキー項目同士でリレーションを2つ設定する 今回は以下の２つのリレーションを設定する **COVID-19.受診都道府県コード - 人口変動データ.都道府県KEY** **COVID-19.確定日KEY - 人口変動データ.年月日KEY** データモデルは以下のとおりとなる。 [![](https://knowledge.insight-lab.co.jp/hs-fs/hubfs/Imported_Blog_Media/01_A1-1024x500-2.png?width=1024&height=500&name=01_A1-1024x500-2.png)](https://knowledge.insight-lab.co.jp/hubfs/Imported_Blog_Media/01_A1-2.png) これでビルドを行った結果、ダッシュボード正しく表示されたように思われた。 しかし、フィルターで区分＝「前年同月比」を選択すると、ウィジェット上でCOVID-19の確定日をX軸に設定したのに2020年5月1日以降しか表示されない。 データとしては4月30日以前のデータがあるはずだ。 [![](https://knowledge.insight-lab.co.jp/hs-fs/hubfs/Imported_Blog_Media/02_A2-1024x606-2.png?width=1024&height=606&name=02_A2-1024x606-2.png)](https://knowledge.insight-lab.co.jp/hubfs/Imported_Blog_Media/02_A2-2.png) また、#測定都道府県で「02\_青森県」を選択すると、感染者があった日のみデータが存在しているように表示される。 実際は人口変動データは5月1日以降、毎日存在していたはずだ。 [![](https://knowledge.insight-lab.co.jp/hs-fs/hubfs/Imported_Blog_Media/03_A3-1024x815-2.png?width=1024&height=815&name=03_A3-1024x815-2.png)](https://knowledge.insight-lab.co.jp/hubfs/Imported_Blog_Media/03_A3-2.png) 総じて、２つ以上のリレーションを行った時はAND条件で結合される（Inner Join）ということがわかった。 ### 3.2 【PLAN-B】2つのキー項目を1つに結合して1つのキー項目にして、1対多でリレーションを設定する 今回は以下の１つのリレーションを設定する **COVID-19.KEY - 人口変動データ.KEY** ※KEYは都道府県コードと年月日KEYを結合して作成したカラムである データモデルは以下のとおりとなる。 [![](https://knowledge.insight-lab.co.jp/hs-fs/hubfs/Imported_Blog_Media/04_b1-1024x526-2.png?width=1024&height=526&name=04_b1-1024x526-2.png)](https://knowledge.insight-lab.co.jp/hubfs/Imported_Blog_Media/04_b1-2.png) これでビルドを行った結果は、PLAN-Aと同じ結果となった。 [![](https://knowledge.insight-lab.co.jp/hs-fs/hubfs/Imported_Blog_Media/05_b2-1024x615-2.png?width=1024&height=615&name=05_b2-1024x615-2.png)](https://knowledge.insight-lab.co.jp/hubfs/Imported_Blog_Media/05_b2-2.png) [![](https://knowledge.insight-lab.co.jp/hs-fs/hubfs/Imported_Blog_Media/06_b3-1024x617-2.png?width=1024&height=617&name=06_b3-1024x617-2.png)](https://knowledge.insight-lab.co.jp/hubfs/Imported_Blog_Media/06_b3-2.png) ### 3.3 【PLAN-C】2つのキー項目を1つに結合して1つのキー項目にした上で外部テーブル（ブリッジテーブル）化して２つのテーブルをブリッジする COVID-19テーブルと人口変動データテーブルには年月日と都道府県という２つの共通するキーがある。 このような場合、【PLAN-B】で作成した結合キーである「KEY」という項目を外部テーブル（テーブル名＝Link）として、その外部テーブルに「年月日」と「都道府県」の項目を格納する。 そうすると **Link - COVID-19 → 1対多** **Link - 人口変動データ　→　1対多** となるため、Linkテーブルを中心に考えると、データモデルとしては成立すると考えられる。 ``` SELECT Distinct KEY, CreateDate( GetYear([確定日YYYYMMDD]), GetMonth([確定日YYYYMMDD]), GetDay([確定日YYYYMMDD]) ) as 年月日, [#受診都道府県]　as "#都道府県" FROM [COVID-19] UNION SELECT Distinct KEY, 年月日, [#測定都道府県]　as "#都道府県" FROM [人口変動データ] ``` [![](https://knowledge.insight-lab.co.jp/hs-fs/hubfs/Imported_Blog_Media/07_c1-1024x609-2.png?width=1024&height=609&name=07_c1-1024x609-2.png)](https://knowledge.insight-lab.co.jp/hubfs/Imported_Blog_Media/07_c1-2.png) ここで、ダッシュボードを開いて、人口変動テーブル側の「区分」で「前年同月比」を選択してみる。 そうすると期間が人口変動データの期間である5月1日以降となる以外に、大きな問題が発生してしまった。 感染者数は正しい数値の10倍以上の数値となってしまったのだ。 （都道府県で「02\_青森」を選択した場合は【PLAN-A】【PLAN-B】と結果は変わらない） [![](https://knowledge.insight-lab.co.jp/hs-fs/hubfs/Imported_Blog_Media/08_c2-1024x606-2.png?width=1024&height=606&name=08_c2-1024x606-2.png)](https://knowledge.insight-lab.co.jp/hubfs/Imported_Blog_Media/08_c2-2.png) [![](https://knowledge.insight-lab.co.jp/hs-fs/hubfs/Imported_Blog_Media/09_c3-1024x610-2.png?width=1024&height=610&name=09_c3-1024x610-2.png)](https://knowledge.insight-lab.co.jp/hubfs/Imported_Blog_Media/09_c3-2.png) このモデルでは**Link - COVID-19**、**Link - 人口変動データ**間では1対多であるが、**COVID-19 - 人口変動データ**という結合が存在し、この結合は多対多となっているためである。 このように出たモデルの中に多対多となるリレーションが存在する場合、フィルターにより破綻をきたす場合がある。 特にこのような結果に至るのは、ファクトテーブルには存在するが、Linkテーブルに存在しないカラムでフィルターをかけた場合である。 ### 3.4 【PLAN-D】キー項目それぞれについて、ユニークな値となるディメンションテーブルを別々に作成する このプランは【PLAN-C】で失敗した複合キーを回避し、年月日のディメンションテーブル「カレンダー」と都道府県のディメンションテーブル「都道府県マスタ」テーブルを別々に作成し、結合させる方法だ。 ２つのカスタムテーブルのSQLは以下のとおり 【カレンダー】 ``` SELECT Distinct [確定日KEY] AS 年月日KEY, CreateDate( GetYear([確定日YYYYMMDD]), GetMonth([確定日YYYYMMDD]), GetDay([確定日YYYYMMDD]) ) as 年月日 FROM [COVID-19] UNION SELECT Distinct 年月日KEY, 年月日 FROM [人口変動データ] ``` 【都道府県マスタ】 ``` SELECT Distinct　都道府県KEY, [#測定都道府県]　as "#都道府県" FROM [人口変動データ] ``` ※人口変動データはすべての都道府県が含まれているため、UNIONする必要はない リレーションは以下のとおり **COVID-19.確定日KEY - カレンダー.年月日KEY** **人口変動データ.年月日KEY - カレンダー.年月日KEY** **COVID-19.受診都道府県コード - 都道府県マスタ.都道府県KEY** **人口変動データ.都道府県KEY - 都道府県マスタ.都道府県KEY** 以上で、以下のようなデータモデルとなる。 [![](https://knowledge.insight-lab.co.jp/hs-fs/hubfs/Imported_Blog_Media/10_d1-1024x582-2.png?width=1024&height=582&name=10_d1-1024x582-2.png)](https://knowledge.insight-lab.co.jp/hubfs/Imported_Blog_Media/10_d1-2.png) これでダッシュボードを表示すると、以下のように「区分」で「前年同月比」を選択しても、期間を個別に選択しない限り、全期間を表示する。 期間を選択すると（カレンダー.年月日=2020/04/01-2020/06/20）、感染者数も増減率も指定した期間ですべて表示してくれた。 全く問題ない。 [![](https://knowledge.insight-lab.co.jp/hs-fs/hubfs/Imported_Blog_Media/11_d2-1024x578-2.png?width=1024&height=578&name=11_d2-1024x578-2.png)](https://knowledge.insight-lab.co.jp/hubfs/Imported_Blog_Media/11_d2-2.png) さらに都道府県マスタの都道府県で「青森県」を選択した結果は以下のとおり [![](https://knowledge.insight-lab.co.jp/hs-fs/hubfs/Imported_Blog_Media/12_d3-1024x611-2.png?width=1024&height=611&name=12_d3-1024x611-2.png)](https://knowledge.insight-lab.co.jp/hubfs/Imported_Blog_Media/12_d3-2.png) 【PLAN-4】が最も望ましい結果が得られた。 ## 4. まとめ ４つのデータモデルで最適なデータモデルについてテストしてきた。 マルチファクトテーブルでデータモデリングを行う場合、ファクトテーブル同士をつなぐとInner JoinとなりAND条件での表示となる。これでよいということなら、このままで一向に構わない。 しかし、Outer Join表示したい場合は、外出しのディメンションテーブルで結合し、ディメンションテーブル - ファクトテーブル間は１対多となるようにする。 その際、複数のディメンションを混在したLinkテーブルのようなものでブリッジするとファクトテーブル側のフィールドのフィルタにより破綻するケースがある。 よって、今回のデータモデルでは ``` “マルチファクトテーブル構成では、各ファクトテーブルに対して、 単一のディメンションで構成するディメンションテーブルで結合し、 ディメンションテーブル - ファクトテーブル間は１対多となるようにする” ``` という方法が最適ということがわかった。 マルチファクトテーブルのデータモデリングはこれでバッチリ！（ホントかな？） ではまた！ Sisenseを体験してみませんか？ INSIGHT LABではSisense紹介セミナーを定期開催しています。Sisenseの製品紹介や他BI製品との比較だけでなく、デモンストレーションを通してSisenseのシンプルな操作性やプレゼンテーション機能を体感いただけます。 [![詳細はこちら](https://hubspot-no-cache-na2-prod.s3.amazonaws.com/cta/default/5935783/ff8d86bf-1184-4d92-8926-6a31a20de4b0.png)](https://hubspot-cta-redirect-na2-prod.s3.amazonaws.com/cta/redirect/5935783/ff8d86bf-1184-4d92-8926-6a31a20de4b0) - [Tweet](https://twitter.com/share) ![Turtle](https://knowledge.insight-lab.co.jp/hubfs/Sunflower.jpg) #### 執筆者 [Turtle](https://knowledge.insight-lab.co.jp/sisense/author/turtle) 可視化領域を中心とした業務に従事しています。 ###### [前の投稿](https://knowledge.insight-lab.co.jp/sisense/blog/spotify_music_data_2) [![SisenseでSpotify音楽データの分析・可視化](https://knowledge.insight-lab.co.jp/hubfs/IMG_3959-1118x538.jpg)](https://knowledge.insight-lab.co.jp/sisense/blog/spotify_music_data_2) ###### [【API連携】Spotify音楽データの分析②【Sisense】](https://knowledge.insight-lab.co.jp/sisense/blog/spotify_music_data_2) ###### [次の投稿](https://knowledge.insight-lab.co.jp/sisense/widget/radarchart) [![【Widget】Radar Chartを使ってポケモンの種族値を表示してみた](https://knowledge.insight-lab.co.jp/hubfs/Imported_Blog_Media/bf58f6bd386313ebfce327e8ef2f5ef9-2-2.png)](https://knowledge.insight-lab.co.jp/sisense/widget/radarchart) ###### [【Sisense Widget】Radar Chartを使ってポケモンの種族値を表示してみた](https://knowledge.insight-lab.co.jp/sisense/widget/radarchart) RECOMMEND こちらの記事も人気です。 ###### 4 分で読むことができます。 #### [【Sisense Administaration】無料のSSL証明書"Let's Encrypt"でSSL化してみる](https://knowledge.insight-lab.co.jp/sisense/administration/ssl_lets_encrypt) ###### 2020年 10月 16日 ###### 8 分で読むことができます。 #### [【API連携】Spotify音楽データの分析①【Sisense】](https://knowledge.insight-lab.co.jp/sisense/information/spotify_music_data_1) ###### 2020年 10月 16日 ###### 2 分で読むことができます。 #### [【Sisense Widget】折れ線グラフを階段状に表示する](https://knowledge.insight-lab.co.jp/sisense/widget/step_line_chart) ###### 2020年 10月 16日 ###### 3 分で読むことができます。 #### [【Sisense Widget】Radar Chartを使ってポケモンの種族値を表示してみた](https://knowledge.insight-lab.co.jp/sisense/widget/radarchart) ###### 2020年 10月 16日 ###### 3 分で読むことができます。 #### [【Sisense Formula】CASE関数を使って条件分岐する](https://knowledge.insight-lab.co.jp/sisense/formula/case) ###### 2020年 10月 16日 ###### 3 分で読むことができます。 #### [【Sisense Widget】折れ線グラフにおける欠落値の対処法](https://knowledge.insight-lab.co.jp/sisense/widget/line-graph) ###### 2020年 10月 16日 ##### 運営会社 運営会社 - [会社概要](https://www.insight-lab.co.jp/about/company.html) - [お問い合わせ](https://contact.insight-lab.co.jp/main) ##### メニュー メニュー - Sisenseとは - [Sisenseナレッジ](https://knowledge.insight-lab.co.jp/sisense) - [セミナー](https://event.insight-lab.co.jp/sisense-seminar) - [お役立ち資料](https://download.insight-lab.co.jp/sisense/download) [![INSIGHT LAB_文字のみ_WHT-1](https://knowledge.insight-lab.co.jp/hs-fs/hubfs/INSIGHT%20LAB_%E6%96%87%E5%AD%97%E3%81%AE%E3%81%BF_WHT-1.png?width=200&height=55&name=INSIGHT%20LAB_%E6%96%87%E5%AD%97%E3%81%AE%E3%81%BF_WHT-1.png "INSIGHT LAB_文字のみ_WHT-1")](https://www.insight-lab.co.jp/) - [プライバシーポリシー](https://www.insight-lab.co.jp/privacy.html) Copyright © 2020 INSIGHT LAB, Inc.