メイン コンテンツをスキップする 補完的コンテンツへスキップ

用語集

Analyzer ユーザー資格

Analyzer 資格 は、他のユーザーによって作成されたシートとアプリを使用するユーザーが対象です。シートまたはアプリを作成、編集、または公開するには、Professional 資格 が必要です。

参照先: ユーザー資格の割り当て

Associative Insights

Associative Insights (連想インサイト) は、選択内容と選択により除外された値を比較して、盲点と隠れた関係を見つけ出す インサイト アドバイザー 機能です。

参照先:  Associative Insights によるデータの発見

CDC (変更データ キャプチャ)

CDC ランディング モードでは、データ ソースへの変更が発生した時点でキャプチャされ、ほぼリアルタイムでターゲットに適用されます。

参照先: 以下の データ ソースからのランディング データ およびフル ロード

Confusion matrix

confusion matrix 混同行列は分類モデルにおける予測結果の正確度を要約しています。正しい予測と正しくない予測の数が各クラスごとに要約されています。これにより、分類器によって行われたエラーについて理解が得られるだけでなく、どのような種類のエラーがあったかもわかります。

参照先: 混同行列

Insight Advisor Chat

Insight Advisor Chat は、会話分析用のチャットベースのインターフェイスです。Insight Advisor Chat によりアクセスできるアプリからの質問が可能になります。質問すると Insight Advisor Chat から関連するビジュアライゼーションが返されます。

参照先: 会話分析でのアプリの探索

Insight Advisor 検索

Insight Advisor 検索 は、アプリで自然言語の質問が可能で、関連するビジュアライゼーションを受け取ることができる インサイト アドバイザー 機能です。

参照先: インサイト アドバイザー 検索

Insight Advisor 分析タイプ

Insight Advisor 分析タイプ は、表示する分析タイプと使用するデータを選択して独自のビジュアライゼーションを作成する インサイト アドバイザー 機能です。

参照先:  Insight Advisor 分析タイプ

ML  展開

Qlik AutoML で予測を生成するために展開されている単一の実験バージョン内の単一のアルゴリズムから生成されたモデル。これは、自分のユースケースに必要なパフォーマンスレベルを生み出すために複数のバージョンで実験を構成した後に通常獲得される結果です。ML 展開はカタログからアクセスできるアセットとして利用可能です。

参照先: モデルの展開

ML の実験

Qlik AutoML のアセットで、これにより、履歴データを使用して機械学習モデルをトレーニングすることができます。新しいデータで予測を行うための最終結果の 1 つを展開することが目標です。

参照先: 実験の作業

On-demand アプリ

On-demand アプリは、データセット全体をアプリにロードすることなく、大規模なデータセットから選択したデータをロードします。

参照先: On-demand アプリ

Permutation Importance

機械学習モデルのパフォーマンスがどれだけであるかは特徴量によって決まります。どの特徴量をモデルに含むかを反復する際に、どの列を残すか、どの列を捨ててもよいかを決定するために permutation importance を使用することができます。

参照先: Permutation Importance

Professional ユーザー資格

Professional 資格 は、Qlik Sense でコンテンツを作成するユーザーを対象としています。Professional 資格 を持つユーザーは、共有スペースの作成、シートまたはアプリの作成/編集/公開、アラートの作成と編集が可能です。

参照先: ユーザー資格の割り当て

QVD

QlikView データ ファイル (QVD) は、Qlik Sense または QlikView からエクスポートされたデータを含むファイルです。これは、データをすばやくロードするために最適化されたネイティブ Qlik Sense 形式です。Qlik Cloud データ統合 で QVD ファイルを生成することもできます。

参照先: QVD ファイルでの作業

Resident LOAD

Resident LOAD は、すでにロードされているテーブルからロードするためのスクリプト構成です。Resident LOAD は、多くの場合、元のデータ ソースに再アクセスするより短時間で済みます。

参照先: 事前にロードされているテーブルからのデータのロード

set 分析

set 分析は、現在の選択とは異なるビジュアライゼーションの選択の代替セットを定義します。これにより、比較分析が可能となります。

参照先:  set 分析

SHAP importance

ある実験における各特徴量が、ターゲットの予測された結果に対してどれだけ多くの影響を及ぼしているかの測定。Qlik AutoML は、二項分類および回帰実験のトレーニング中に、集計された行レベルの SHAP importance ランキングチャートを自動的に作成します。

参照先: 実験トレーニングにおける SHAP Importance

アプリ

この用語にはいくつかの定義があります:

  1. Qlik Sense または QlikView アプリ: アプリは、タスク固有の、目的に沿って構築されたアプリです。アプリにはデータ ソースからロードされたデータが含まれ、データはビジュアライゼーションを介して解釈されます。

    同様の用語: ドキュメント、ワークブック

    参照先: アプリを理解する

  2. Qlik Sense Mobile アプリ: iOS および Android デバイス用のモバイル アプリ。モバイル アプリで、クラウド データに接続して相互通信します。利用可能なアプリで作業できます。

    参照先: Qlik Sense Mobile SaaS

インサイト アドバイザー

インサイト アドバイザー は機能のスイートです。Insight Advisor は、データ モデルの構築、ビジュアライゼーションの作成、データの分析を支援します。

参照先: インサイト アドバイザー とビジネス ロジックとは何ですか?

オンボーディング

データ プロジェクトで、データ パイプラインを作成する最初のステップはデータのオンボーディングです。これには、オンプレミスのデータ ソースから継続的にデータを転送し、読み取りに最適化された形式でのデータセットの生成が含まれます。

参照先: データのオンボーディング

お気に入り

お気に入りは、ハブからアプリ、データセット、自動化、メモ、実験およびチャートを追加できるすべてのユーザーが使用できるセクションです。お気に入りはプライベートです。

参照先: お気に入り

カスタム オブジェクト

カスタム オブジェクトは、テナント管理者によってテナントに追加された、または Qlik 拡張バンドルの 1 つに含まれているカスタム ビジュアライゼーションです。

同様の用語: エクステンション

参照先: カスタム オブジェクトを使用したビジュアライゼーションの作成

カタログ

カタログは、アプリとデータソースがあるハブのエリアです。カタログツールを使うとデータのプロファイリングを行うことができます。

参照先:カタログツールの使用によるデータの理解

キー ドライバー分析

Qlik Sense アプリ内のツールで、アプリ内の一連の項目がデータの傾向や特定のターゲット項目の結果に与える影響を比較できます。キー ドライバー分析を使用して、ビジネスおよび組織のパフォーマンス指標の原動力となっているものを理解し、データ主導の意思決定に従って行動できるようになります。

参照先: キー ドライバー分析を使用して、データの背後にある影響力を持つ指標を明らかにする

クロス検証

Qlik AutoML の実験トレーニング中に完了したプロセス。トレーニングデータは 5 つのセグメント(フォールド)に分かれて、データの各セグメントが他の 4 つのセグメントのテストとして使えるようになっています。モデルがこれまで見たことのなかったデータに関してどれだけよく予測できるかを示すメトリクスのクロス検証結果。

参照先: ホールドアウト データとクロス検証

コレクション

コレクションは、ハブ内のアプリ、チャート、メモ、自動化、実験およびリンクをグループ化して、アクセスと並べ替えを簡単にするツールです。

参照先: コレクション

サービス アカウント所有者

サービスアカウント所有者 (SAO) は Qlik Cloud サブスクリプションの維持および設定を担当します。

参照先: サービス アカウント所有者

サブスクリプション

サブスクリプション レポートを使用すると、選択したシートまたはチャートの PDF を含む定期的なメールをスケジュールできます。

参照先:  サブスクリプションを使用したレポートのスケジュール

シート

シートは Qlik Sense アプリのコンポーネントです。アプリ ユーザーにビジュアライゼーションを提示して、データを探索、分析、発見できるようにします。シートは公開または非公開にすることができます。

同様の用語: ダッシュボード、ワークシート

参照先:  シート ビュー

シート オブジェクト

シート オブジェクトは、シートのインターフェイスを作成するのに使用するコンポーネントです。すべてのシート オブジェクトでは、テーブルやチャートなどのデータを可視化します。ボタン、テキスト オブジェクト、拡張など他のオブジェクトが含まれます。

同様の用語: ビジュアライゼーション、チャート

参照先: シート ビュー

スキーマ

データ プロジェクトのアーティファクトは、内部スキーマとデータ アセット スキーマで生成されます。

  • 内部スキーマには、物理データ テーブルが含まれています。

  • データ アセット スキーマには、データを使用するために使用できるビューが含まれています。

参照先: クラウド データ ウェアハウスのデータセット アーキテクチャ

スクリプト

スクリプトは、データをロード、変換、エクスポートするための Qlik Cloud アプリケーションです。スクリプトは スクリプト エディタ を使用して編集されます。

参照先: スクリプト エディタ の使用

スクリプト エディタ

スクリプト エディタ は、スクリプトからデータをロードおよびエクスポートするロード スクリプトを編集できるハブ内のツールです。スクリプト エディタ を使用すると、スクリプトの入力と出力、およびスクリプトの公開されたコピーを表示および管理することもできます。

参照先: スクリプト エディタ の使用

ストーリー

ストーリーは、アプリで行ったデータの洞察と発見を他のユーザーと共有し、レポート、プレゼンテーション、予備解析を組み合わせることを可能にするアプリ ツールです。

同様の用語: レポート

参照先:  データ ストーリーテリングと洞察の共有

ストレージ

ストレージはデータ パイプラインの一部で、ランディング ゾーンからコピーされたデータから作成されてクラウド データ ウェアハウスまたは Qlik Cloud で消費する準備ができたデータセットが含まれています。データセットは、手動で介入することなくランディング ゾーン データで最新の状態に保たれます。

参照先: データセットの保管

スナップショット

スナップショットは、特定の時点でのビジュアライゼーションをグラフィカルに表現したものです。スナップショットはストーリーを作成するために使用されます。

同様の用語: スクリーンショット

参照先:  スナップショットを使用したストーリーのインサイトの収集

スペース、データ

データ スペースは、データ プロジェクトの作成と保存に使用される Qlik Cloud テナントの管理領域です。スペース内では、コネクタを使用して新しいデータ接続を作成し、データ移動ゲートウェイへのアクセスを管理することもできます。 すべてのデータ アセットは、それらが属するデータ プロジェクトのスペースに作成されます。

参照先: Qlik Cloud データ統合 のスペースでの作業

スペース、管理されている

管理されているスペースは、限られたユーザー グループとアプリを共有するために使用される慎重に管理されたスペースです。

参照先:  管理スペースで作業する

スペース、共有

共有スペースは、アプリとデータ ソースを他のユーザーと共有して共同開発できる領域です。

参照先:  共有スペースで作業する

スペース、個人

個人スペースは、ユーザーがアプリを開発できるプライベート スペースです。

参照先:  スペースで作業する

セクション アクセス

セクション アクセスは、アプリでデータの内容を確認できるユーザーを定義するセキュリティ テーブルを含むデータ ロード スクリプトのセクションです。

参照先:  Section Access によるデータ セキュリティの管理

ターゲット

この用語にはいくつかの定義があります:

  1. 機械学習のコンテキストにおいて、ターゲットとは、機械学習の問題が予測しようとする情報のことです。Qlik AutoML では、ターゲットはデータセットの列です。

    参照先: 機械学習の概念

  2. データ移動のコンテキストでは、ターゲットとは、データが転送、保存、ロードされる宛先またはエンドポイントを指します。ソースから移動されるデータを受け取る場所またはシステムのことです。データベース、データ ウェアハウス、クラウド ストレージ、サーバー、またはデータを利用、分析、処理するためのその他の宛先などがターゲットになります。データ移動には、多くの場合、データ統合、移行、または同期プロセスの一部として、ソースからターゲットへの情報の転送が含まれます。

    参照先: データの統合

ダイナミック ビュー

動的ビューを使用すると、チャート内の別のアプリからの大規模なデータセットの関連するサブセットをクエリして表示できます。選択が行われると、動的に更新できます。ダイナミック ビューは、On-demand アプリと類似しています。

参照先: ダイナミック ビューによるデータの管理

タイプ 1 - オペレーショナル データ ストア (ODS)

タイプ 1 データセットの新しい情報は単純に元の情報に上書きされます。つまり、履歴は残りません。

参照先: クラウド データ ウェアハウスのデータセット アーキテクチャ

タイプ 2 - 履歴データ ストア (HDS)

タイプ 2 データセットの新しいレコードはテーブルに追加されて新しい情報を表します。そのため、新旧どちらのレコードも残ります。新しいレコードは独自のプライマリ キーを有します。

参照先: クラウド データ ウェアハウスのデータセット アーキテクチャ

チャート

チャートは、計算、集計、グループ化を行うことができるオブジェクトです。棒グラフや円グラフなどのグラフィカルなビジュアライゼーションが一般的な例ですが、ピボット テーブルなどの非グラフィカルなオブジェクトもチャートです。

チャートは軸と測定値で構成され、測定値は軸の値ごとに 1 回ずつ計算されます。チャートに複数の軸が含まれる場合、測定値は軸の値の組み合わせごとに 1 回ずつ計算されます。

同様の用語: ビジュアライゼーション、ハイパーキューブ、キューブ

参照先: 正しいビジュアライゼーションの選択

データ アセット

目的に合ったデータセットのコレクションです。

参照先:データ パイプラインの作成

データ カタログ

データ カタログは データ マネージャー および データ ロード エディター のコンポーネントであり、アクセスできるすべてのデータセットからデータを選択してロードできます。

参照先: データ カタログからのデータのロード

データ ゲートウェイ、データ移動

Qlik データ ゲートウェイ - データ移動 では、厳密に暗号化され相互認証された送信接続を介して、エンタープライズ データ ソースからクラウドおよびオンプレミスのターゲットにファイアウォールで保護されたデータを移動できます。インバウンド ファイアウォール ポートを開く必要をなくすことで、Qlik データ ゲートウェイ - データ移動 は企業データにアクセスするための安全で信頼できる手段を提供します。

参照先:Qlik データ ゲートウェイ - データ移動

データ ゲートウェイ、直接アクセス

Qlik Data Gateway - 直接アクセス なら厳密なアウトバウンド、暗号化、相互認証された接続を介して、Qlik SenseSaaS アプリケーションはファイアウォールで保護されたデータに安全にアクセスできます。

参照先: Qlik Data Gateway - 直接アクセス の概要

データ タスク

データ タスクとは、データ プロジェクトにおける主要な作業単位のことです。データ プロジェクトでは、次のタイプのデータ タスクを作成できます:

  • ランディング - データをデータ ソースからクラウド データ ウェアハウスまたは Qlik Cloud に移動します。
  • ストレージ - ランディング データを消費する準備ができたデータセットに保存します。
  • 登録済みデータ - データ プラットフォームに既存のデータを登録します。
  • 変換 - ターゲット要件およびビジネス ニーズに合わせてデータを変換します。
  • データ マート - 保存したデータまたは変換したデータからデータ マートを作成します。

ランディングとストレージを 1 つの「オンボーディング」タスクにまとめることもできます。

参照先: データ タスク

データ パイプライン

データ プロジェクトのデータ パイプラインはデータを統合する一連のタスクです。オンボーディングでは、オンプレミスまたはクラウドのデータ ソースからプロジェクトにデータを移動し、すぐに使用できるデータ セットにデータを保存します。変換を実行し、データ マートを作成して、生成および変換されたデータ セットを活用することもできます。データ パイプラインはシンプルで線形にすることも、複数のデータ ソースを使用して多くの出力を生成する複雑なパイプラインにすることもできます。

参照先: データ パイプラインの作成

データ プロジェクト

データ プロジェクトは、データ アセットを使用してデータ パイプラインを作成する場所です。データ プロジェクトは、すべての出力のターゲットとして使用されるデータ プラットフォームに関連付けられています。シンプルな線形パイプラインを作成することも、複数のデータ ソースを使用して多数の出力を生成する複雑なパイプラインを作成することもできます。

参照先: Qlik Cloud データ統合 について

データ プロファイリング

データ プロファイリングには、データ セットに関する統計や情報が表示されます。

参照先: 項目レベル メタデータとデータ プロファイリングの管理

データ マート

データ マートはデータ パイプラインの一部で、ストレージまたは変換のデータ アセットからのデータのサブセットが含まれます。ビジネス ニーズに応じて、任意の数のデータ マートを作成できます。理想的には、データ マートには、組織内の特定のセクションまたはユニットで分析するために収集された要約データのリポジトリが含まれている必要があります。

参照先: データ マートの作成と管理

データ マネージャー

データ マネージャーは、アプリ内のデータ ソースをロードして管理できるようにするアプリ コンポーネントです。 データをプレビューして関連付け、データ変換を実行することもできます。

参照先: データ マネージャーを使用したデータのロードと管理

データ モデル ビューア

データ モデル ビューアは、アプリに追加されたデータの構造を表示し、テーブルと項目に関するメタデータを表示できるアプリ コンポーネントです。

参照先: データ モデルの表示および変換

データ ロード エディター

データ ロード エディター は、アプリにデータをロードするスクリプトを構築してカスタマイズできるスクリプト エディタです。

同様の用語: スクリプト エディター

参照先: スクリプトを使用したデータのロードと変換

データセット

データセットと言う用語はときにテーブルと同じ意味を持ちます。元のソース テーブル、変換した後のテーブル、またはデータ マートのファクトおよび軸のテーブルを指します。

また、複数のインスタンス テーブルやビューが存在する論理テーブルを指すこともあります:

  • 現在のデータ

  • 履歴、テーブルの過去のバージョンを保持します

  • 変更

参照先: データセットの管理

データ接続

データ接続は、データ タスクがデータ ソース、およびデータ プロジェクトで使用される外部ストレージとクラウド データ ウェアハウスにアクセスできるようにするために使用されます。

参照先:データ ソースへの接続

データ漏洩

予測を生成するのに使うことになるデータでアルゴリズムのトレーニングをしているという、機械学習における望ましくない現象。データ漏洩のインジケーターの 1 つは、非現実的に高いモデルパフォーマンスで、これは(直接または間接的にトレーニングデータに間違って供給された)ターゲット値の記憶が原因である場合のみ起き、連想のパターンの実際の学習からは起きません。

参照先: データ漏洩

テーブル: ODS、HDS、および変更

データ プロジェクトには、プロジェクトの設定によって有無が異なる数種類のテーブルがあります。

  • 現在のテーブル (ODS)

    このテーブルには、最新の適用間隔中の変更で更新されたデータ ソースのレプリカが含まれています。

  • 先行テーブル (HDS)

    このテーブルには、タイプ 2 の履歴データが含まれています。データ タスク設定で履歴が有効になっている場合にのみ生成されます。

    ソース テーブル レコードが更新されると、そのたびに新しいレコードが前のテーブルに追加されます。履歴レコードは、以前の現在のレコードのコピーであり、更新された内容と有効な時期も含まれます。

  • 変更テーブル

    このテーブルには、現在のテーブルにまだ適用されていないすべての変更が含まれています。これは、ランディング モードのフル ロードおよび CDC が使用されている場合にのみ生成されます。

参照先: クラウド データ ウェアハウスのデータセット アーキテクチャ

テナント

テナントは Qlik Cloud のクラウド展開です。ユーザー、アプリ、スペースなどのアイテムのコンテナです。

同様の用語: 実装

参照先:  テナントの作成と構成

トレーニング データセット

Qlik AutoML で機械学習モデルをトレーニングするために使用されるデータセット。自分のデータからアルゴリズムにパターンと連想を学習させることによって、その結果生まれたモデルは、新しいデータの予測を行うよう装備されています(適用データセット)。

参照先: トレーニング用のデータセットの準備

ハイパーパラメーターの最適化

問題解決の際のパフォーマンス向上のために機械学習モデルの制約、重み、学習率を微調整するプロセス。Qlik AutoML では、デフォルトでは有効になっていませんが、結果改善のために実験の構成中に適用することができます。

参照先: ハイパーパラメーターの最適化

ハブ

ハブは、アプリ、スペース、コレクションへのアクセスの中心点です。

同様の用語: アクセス ポイント

参照先:   Qlik Cloud 分析 ハブ

ハブで監視

ハブでの監視は、シートまたは インサイト アドバイザー からハブにチャートを追加して、アプリを開かなくてもチャートを監視できるようにする機能です。

参照先:  ビジュアライゼーションの監視

ビジネス ロジック

ビジネス ロジックは、インサイト アドバイザー の動作をカスタマイズできる一連の機能です。ビジネス ロジックは、2 つの主要な機能があります。

  • 論理モデル: ビジュアライゼーションを生成するときに使用されるアプリのデータ モデル。

  • 語彙: 自然言語クエリの代替用語。

同様の用語: 論理モデル、語彙、ドメイン論理

参照先:  インサイト アドバイザー の論理モデルのカスタマイズ

ビジュアライゼーション

ビジュアライゼーションは、シートで探索するためにデータを視覚化するチャート、拡張機能、その他のオブジェクトです。

同様の用語: チャート

参照先: ビジュアライゼーションの操作 

ビュー

ビューはデータ プロジェクトで使用されます。ビューは物理的なデータセットの仮想表示です。ビューでは物理的なデータセットのクエリから結果を表示するため、常に元のデータセットから関連データが選択されます。ビューには物理的なデータセットに対する利点がいくつかあります: 複数のデータセット間の結合から単一のデータセットを作成できます。元のデータへのアクセスを制御します。ディスク容量を大幅に消費することはありません。

データ プロジェクトのビューにはいくつかの種類があります。どのビューが作成されるかは、ライブ ビューと履歴を有効にしているかどうか、および変更処理を使用しているかどうかによって異なります。

参照先: クラウド データ ウェアハウスのデータセット アーキテクチャ

ファクト

ファクト テーブルは軸テーブルと連動しています。ファクト テーブルでは分析されるデータを保持し、軸テーブルではファクト テーブルのデータを分析できる方法に関するデータを保存します。そのため、ファクト テーブルはプライマリ キー列とメジャー列の 2 つの列タイプで構成されています。プライマリ キー列は軸テーブルとの結合が可能で、メジャー列には分析されるデータが含まれます。例えば、Orders ファクト データセットでは、ある顧客がある製品を購入した日付と数量をリスト化するだけで、関連する軸データセットでは、その顧客、製品、取引が行われた地域に関する詳細な情報を提供します。

参照先: データ マートの作成と管理

ブックマーク

ブックマークを使用すると、特定の選択状態を保存できるため、後でアプリに再度適用して他のユーザーと共有できます。レイアウト情報はブックマークに保存できるため、ユーザーはブックマークを適用するときにアプリ内の正しい場所に移動できます。

参照先:  

フル ユーザー

フルユーザー資格 は、Qlik Cloud のすべてのユース ケースに該当します。フル ユーザーの場合、共有スペースの作成、シートやアプリの作成、編集、公開、データ統合の作業など、権限で許可された操作をすべて実行できます。

参照先: ユーザー資格の管理

フル ロード

Qlik Cloud データ統合 では、フル ロードとは、データ ソースからランディングへのデータの初期レプリケーションを指します。

参照先: 上記の データ ソースからのランディング データ および CDC

プロパティ

シートを編集する場合、[プロパティ] にはビジュアライゼーションを構成およびスタイル設定するためのオプションが含まれています。

参照先:  プロパティ パネル

ホールドアウト データ

ML の実験では、ホールドアウト データはトレーニング データセットのサブセットで、これは無視されて、アルゴリズムのトレーニング中には使用されず、モデル パフォーマンスのスコアのために後で使用されます。

参照先: ホールドアウト データとクロス検証

マスター アイテム

マスター アイテムは、他のビジュアライゼーションまたはシートで再利用できるように保存された軸、メジャー、またはビジュアライゼーションです。次に、マスター アイテムを一箇所で変更または更新して、マスター アイテムを使用するすべてのオブジェクトに影響を与えることができます。

参照先:  マスター アイテムを使用したアセットの再利用

メジャー

メジャーは 1 つ以上の集計に基づく計算です。例えば、売上の合計は 1 つの集計ですが、売上の合計を顧客の数で割ったものは、2 つの集計に基づくメジャーです。

同様の用語: 集計、計算、メトリクス

参照先: メジャー

メモ

メモを使用すると、アプリやチャートにテキストの解説をすばやく追加できます。また、データのスナップショットを含めることもできます。それらを非公開にすることも、他のユーザーと共有することもできます。

同様の用語: コメント

参照先:  メモを使用した情報の取得と共有

モデルの評価指標

Qlik AutoML の実験トレーニング中にアルゴリズムのパフォーマンスがどれだけよいかについての詳細。モデルの評価指標は、機械学習問題に正しい結果を出すために各モデルがどれだけ正確に学習しているかを表示しています。これは、予測作成に使用するためにどのモデルを展開するかを決定するのに役立ちます。

参照先: モデル スコアの表示

ライブ ビュー

Qlik Cloud データ統合 では、ライブ ビューを使用して現在のデータ (ODS) と履歴データ (HDS) の両方にアクセスできます。ライブ ビューには、まだ適用されていない変更テーブルのデータが含まれます。これにより、変更されたデータを頻繁に適用しなくても、待機時間の短いデータを表示できます。マージを遅らせる機能により、ターゲット プラットフォームでのコストと処理要件を削減できます。

関連項目: ライブ ビュー

ランディング

データをデータ ソースからクラウド データ ウェアハウスのランディング ゾーンに移動するプロセス。

参照先: クラウド データ ウェアハウスのデータセット アーキテクチャ

ランディング

Qlik Cloud データ統合 のランディングは次のいずれかを指します:

  • データベース - 一般にランディング ゾーンとして知られています - クラウド データ ウェアハウスではデータ パイプラインの処理をさらに進める前にソース データで最初にランディングします
  • データをデータ ソースからランディング ゾーンに移動する実際のタスクまたはプロセス

Qlik Cloud データ統合 のランディング タスクは、データ ソースからランディング ゾーンへのデータの継続的またはスケジュールされたランディングを制御します。

参照先: クラウド データ ウェアハウスのデータセット アーキテクチャ

レポート タスク

Qlik Sense アプリで作成されるタスクです。レポート テンプレートを生成された表形式のレポート出力に変換し、選択したレポート フィルターによって定義されたデータ削減を適用します。レポート出力は、構成された配布設定に従って配信されます。

同様の用語: 表形式レポート、配布リスト、レポート テンプレート、レポート フィルター

参照先: レポート タスクの操作

レポート テンプレート

表形式レポートでは、レポート データを整理するために使用される Excel ワークブックです。Microsoft ExcelQlik アドインを使用して作成され、Qlik Sense アプリにアップロードされ、アプリのレポート タスクに添付されます。テンプレートは、レポートに含めるソース Qlik Sense アプリのデータ (列、チャートなど) を定義し、目的の形式に配置します。

同様の用語: 表形式レポート、レポート タスク

参照先: Qlik Sense アプリでのレポート テンプレートの操作

レポート フィルター

Qlik Sense アプリから、どのデータをレポートに含めるかを制御するために使用されるフィルターです。レポート フィルターは表形式レポートでのみ使用できます。レポート フィルターは Qlik Sense アプリのブックマークと同じように機能しますが、レポート機能を目的に構成されています。レポート フィルターは高度なカスタマイズが可能で、レポート受信者レベルで個別に適用して、個別に出力できます。

同様の用語: ブックマーク、レポート タスク、レポート テンプレート、配布リスト

参照先: レポート フィルターの操作

レポート、表形式

Qlik Sense アプリからのテーブル ベースのデータを含むレポートです。ビジュアライゼーションとアプリ データを表形式で含めることや、チャートの画像を含めることができます。表形式レポートの構造は、Excel レポート テンプレートによって定義されます。Qlik Sense アプリのレポート タスクで管理および配信されます。 アプリで完了する追加の構成には、レポート フィルターと配布リストが含まれます。.xlsx または PDF 形式で出力できます。

同様の用語: レポート タスク、レポート テンプレート

参照先: Qlik Cloud 分析 を使用した表形式レポート

ロード スクリプト

ロード スクリプトは、ロードするデータとロードされた各種テーブルをどのようにリンクさせるかを定義する一連のステートメントです。データ マネージャー、または データ ロード エディター を使って生成でき、また表示も編集もできます。

同様の用語: スクリプト

参照先: スクリプトを使用したデータのロードと変換

影響分析

影響分析は、データベース、アプリ、またはフィールドの依存関係の将来的なダウンストリームビューを示します。

参照先: アプリ、スクリプト、データセットの影響分析の分析

参照先:データ統合 での影響分析の分析

管理者、データ

データ管理者は、データ スペースとそのスペースに含まれるデータ リソースの管理に限定される管理者です。

参照先: データ管理者の権限

管理者、テナント

テナント管理者は、ユーザー、システム拡張、システムカスタマイズの管理を担当する管理者です。テナント管理者は、管理コンソール への完全なアクセス権を有しています。

参照先:テナント管理者の権限

管理者、監査

監査管理者は、開発者の役割も割り当てられていても、インサイト アドバイザー および Insight Advisor Chat のアプリのフィードバックおよび使用状況メトリクスにアクセスできます。

参照先:  監査管理者の権限

管理者、分析

分析管理者は、Analytics サービスのユーザーリソースの管理権限のみを有する管理者です。

参照先:分析管理者の権限

基本ユーザー

アクセスが制限されたユーザーのタイプ基本ユーザーの場合、管理スペースでアプリのコンテンツを表示できます。

参照先: ユーザー資格の管理

曲線下面積 (AUC)

AUC (曲線下面積) の ROC 曲線は、実際の結果が陽性である場合に、機械学習モデルがポジティブ クラスを予測するのにどれだけ優れているかを示しています。真陽性率が 1.0 (曲線の下で可能な最大面積) に近づくほど、モデルはより決定論的になります。ROC 曲線は、クラス間の分離が可能かどうかを理解するのに有効であり、予測された結果を正確に区別するのにデータが十分であるかどうかを示します。

参照先: AUC と ROC 曲線

系列

系列は、データおよびデータの変換を元のソースまで遡及し、系列グラフとして表示します。

参照先: アプリ、スクリプト、データセットの系列の分析

参照先: データ統合 の系列を分析する

権限

権限は、データ、共有、および管理されているスペースでの役割であり、ユーザーがそのスペースで何ができるかを決定します。

同様の用語: 権利、ユーザーの役割、セキュリティの役割

参照先:  

語彙

語彙は、Insight Advisor 検索Insight Advisor Chat に同義語とカスタム分析を追加できるビジネス ロジック機能です。

参照先:  インサイト アドバイザー の語彙の作成

項目

項目には、データ ソースからロードされた値が含まれます。基本的なレベルでは、項目はテーブルの列に対応します。項目は、ビジュアライゼーションで軸とメジャーを作成するために使用されます。

参照先:  項目

合成キー

合成キーは、データ モデル内の 2 つのテーブル間の複合キーです。これらは、2 つ以上のテーブルに 2 つ以上の共通の項目がある場合に作成されます。データのロード中に、合成キーに関する警告が表示された場合は、データ モデル ビューアでデータ構造を確認する必要がある場合があります。合成キーは必ずしも問題ではありませんが、他の合成キーに基づく合成キーがある場合は、データ モデルにエラーがある可能性があります。

参照先:  合成キー

分析サービス 内:

軸は、チャート内のデータを分類するために使用されるエンティティです。例えば、円グラフのスライスまたは棒グラフの棒は、軸の個々の値を表します。多くの場合、軸は離散値を持つ単一の項目ですが、数式で計算することもできます。

同様の用語: カテゴリ、グループ

参照先: 軸を使用したデータのグループ化

データ統合 内:

軸はスター スキーマの一部を形成するデータ マートのデータセットです。軸データセットには、ファクト テーブルのレコードに含まれるすべての関連項目の記述情報が保持されます。軸データセットの一般的な例は Customer (顧客) と Product (製品)です。軸データセットのデータは非正規化されていることが多いため、軸データセットには多くの列があります。

参照先: データ マートの作成と管理

集計

集計は、ソーステーブルの複数レコードを使った計算です。多くの場合、sum、count、min、max、average などの関数で集計した 1 つのフィールドです。例えば、売上の合計などです。

同様の用語: 計算、測定、メトリクス

参照先: メジャー

先行する LOAD

先行するロードは、ソースを指定せずに次の LOAD または SELECT ステートメントからロードできるようにするスクリプト構造です。多くの場合、先行するロードは常駐ロードよりも高速です。

参照先: 事前にロードされているテーブルからのデータのロード

選択

選択範囲は、データのフィルタリングに使用されるアプリのビジュアライゼーションでユーザーが選択した値です。 選択が行われると、関連するすべてのビジュアライゼーションが更新され、選択が反映されます。選択をブックマークとして保存し、他のユーザーと共有することができます。

参照先: ビジュアライゼーションによるデータの探索

大規模アプリのサポート

大規模アプリのサポートにより、標準のアプリ サイズよりも大きなアプリで作業できます。管理者は、大規模アプリのサポートを特定のスペースに割り当てることができます。

標準アプリのサイズは、Qlik Sense Enterprise SaaS では最大 5 GB、Qlik Cloud 分析 Premium および Enterprise では最大 10 GB です。

参照先: 大規模アプリのサポート

通知

通知は、アプリやスペースに変更があったとき、または設定したアラートがトリガーされたときに通知します。

参照先: 通知

適用データセット

トレーニングした機械学習モデルが予測するデータセット。Qlik AutoML 予測の出力は、選択したターゲットフィールドの予測値がある新しいデータセットです。

参照先: データセットでの予測の作成

特徴量(機械学習)

機械学習問題における変数で、ターゲット列の値に寄与する可能性があります。Qlik AutoML では、特徴量はデータセットの列で、ターゲット列の結果にさまざまなレベルの影響を及ぼすことがあります。

参照先: 機械学習の概念

濃度

列にあるデータ値の一意性。機械学習モデルをトレーニングする場合、Qlik AutoML はカーディナリティが高い (一意の値が多すぎる) 特徴量列またはカーディナリティがない (1 つの定数値からなる列のデータ) 特徴量列は使用できません。

参照先: カーディナリティ

配布リスト

表形式レポートでは、Qlik Sense レポート タスクから受信者 (個人またはグループの一部) として追加できるすべての受信者のリストのことです。各 Qlik Sense アプリは 1 つの配布リストを持つことができます。レポート タスクを作成するときは、タスク出力の送信先となる受信者とグループのみを配布リストから選択します。レポート フィルターは配布リストの受信者に個別に追加できるため、単一のレポート タスクからバースト レポートを管理できます。

同様の用語: レポート タスク、レポート フィルター

参照先: レポートの配布リストの作成

変換

変換タスクはデータ パイプラインの一部で、ルールとカスタム SQL に基づいた再利用可能なデータ変換を作成できます。行レベルの変換を実行し、テーブルとして具体化されるか、その場で変換を実行するビューとして作成されるデータセットを作成できます。

参照先:データの変換

変数

Qlik Sense の変数は、数値や英数字などの静的な値または計算を格納するコンテナです。

参照先:  数式での変数の使用

予測 (機械学習)

機械学習モデルによる、ターゲット列の将来の値の見積もり。Qlik AutoML では、予測は ML 展開によって、個人のスペース、共有スペース、または管理スペース内に 1 つまたは複数のデータセットとして生成されます。

参照先: ML 予測の作業

論理モデル

論理モデルは、ビジュアライゼーションを生成するときにデータを使用する方法を インサイト アドバイザー に指示する基礎となるデータ モデルです。

同様の用語: 論理モデル、論理フレームワーク

参照先: ビジネス ロジックを使用した インサイト アドバイザー の論理モデルの構築

このページは役に立ちましたか?

このページまたはコンテンツに、タイポ、ステップの省略、技術的エラーなどの問題が見つかった場合は、お知らせください。改善に役立たせていただきます。