Microsoft Fabricは、データの移動や処理、変換、リアルタイム分析、レポート作成などの機能を統合した企業向けのSaaS型プラットフォームです。
今回は、試用版のMicrosoft Fabricを使用して、Microsoft Fabricに取り込んだ2つのデータ（日本のGDP成長率と失業率）を結合し、相関関係を可視化する方法をご紹介します。
データソースの準備
今回は、World Bank Groupのオープンソースデータを使用します。
上記から、GDP成長率と失業率のデータをダウンロードします。
- GDP growth（annual%）
- Unemployment, total（% of total labor force）（modeled ILO estimate）
ダウンロードしたCSVファイルを、識別しやすい任意の名前に変更します。
データソースの取り込み
Microsoft Fabric トップページを開いて左下の「Microsoft Fabric」を選択し、メニューバーからData Engineeringを押下し、Synapse Data Engineeringホーム画面を開きます。
任意のワークスペースを選択し、「新規」＞「レイクハウス」の順に押下します。
任意の名前を入力して、レイクハウスを作成します。
作成したレイクハウス（Test_LH）にデータソースを取り込んでいきます。「データの取得」＞「ファイルのアップロード」の順に押下します。
取り込む2つのデータをそれぞれ指定し、アップロードを押下します。
※ 画像はGDP_growth.csvですが、Unemployment.csvも同様に行います。
エクスプローラーの「Files」で、アップロードしたデータの確認ができます。
これで、Microsoft Fabricへのデータの取り込みが完了しました。
データの加工
生データを取り込んだだけでは、下図のように余計な行や空白があることから、データの加工が必要になります。
データフローへのインポート
データの加工は、データフローを用います。
左メニューバーから「作成」＞「データフロー」の順に押下します。
「データを取得」＞「詳細」を押下します。
データソースの選択でレイクハウス（Test_LH）を選択します。
先ほど取り込んだ2つのデータにチェックを入れて、画面右下の「作成」を押下します。
これでデータフローへ2つのデータのインポートが完了しました。
データ構造とデータ型の変換
「変換」＞「入れ替え」の順に押下し、テーブルの行と列を入れ替えます。
「ホーム」＞「列の管理」＞「列の選択」の順に押下します。
本記事では、日本のみのデータを使用するため、年列である「Column5」と日本列である「Column125」のみにチェックを付け、「OK」を押下します。
「Column5」と「Column125」の列名では識別しにくいため、任意の名前に変更します。列名を右クリックして「名前の変更」を押下し、任意の名前を記入します。
今回は、下記のように列名を変更しました。
| 変更前 | 変更後 |
| Column5 | Year |
| Column125 | JPN_GDPG |
「Year」列はテキストとして扱う必要があるため、列名の左側「ABC123」をクリックし、「テキスト」を選択します。
また、「JPN_GDPG」列は数値として扱う必要があるため、列名の左側「ABC123」をクリックし、「10進数」を選択します。
エラー値と空白行の削除
「JPN_GDPG」列を選択している状態で、「行の削除」＞「エラーの削除」を押下します。
「JPN_GDPG」列の展開ボタンをクリックし、「空の削除」を押下します。
これで「GDP_growth.csv」のデータ加工が完了しました。
※「Unemployment.csv」も同様にデータ加工を行います。
テーブルの結合
本記事では、2つのデータの相関関係を可視化するため、テーブルデータの結合処理を行います。
「結合」＞「クエリのマーク」の順に押下します。
左テーブルと右テーブルそれぞれ「Year」列を結合列を選択します。結合の種類は「左外部」を選択し、「OK」を押下します。
結合した「Unemployment.csv」の展開ボタンを押下し、「Year」のチェックを外し、「OK」を押下します。
これでデータの加工が完了しました。下図が加工後のテーブルデータになります。
公開先の指定
加工したデータの同期先を指定します。画面右下、「データ同期先」＞「レイクハウス」の順に押下します。
「次へ」を押下します。
任意のテーブル名を入力し、レイクハウスの「Test_LH」を同期先として指定し、「次へ」を押下します。
「設定の保存」を押下します。
データ同期先に「レイクハウス」が選択されていることを確認し、「公開」を押下します。
My Workspaceからレイクハウス（Test_LH）を押下し、加工後のテーブルデータ（JPN_GDP_UR_TB）が作成されていることを確認します。
これで、加工したテーブルデータのレイクハウスへの反映が完了しました。
データの可視化
データフローで加工したテーブルデータをもとにレポートを作成し、GDP成長率と失業率の相関関係を可視化します。
レイクハウス（Test_LH）の画面右上の「Lakehouse」＞「SQL分析エンドポイント」の順に押下し、SQL分析エンドポイントに切り替えます。
テーブル（JPN_GDP_UR_TB）を選択し、「既定のセマンティック モデルに追加」を押下します。
「新しいレポート」を押下します。
「ビジュアルのビルド」から「折れ線グラフおよび集合縦棒グラフ」を選択します。
X軸に「Year」、列のY軸に「JPN_GDPG」、線のY軸に「JPN_UR」とします。
※ 設定するとY軸は自動的に「～の合計」となります
続いて、グラフタイトルを変更します。「ビジュアルの書式設定」＞「全般」＞「タイトル」＞「テキスト」の順に押下し、任意のテキストを入力します。
また、データが年代順になっていないため、軸の並べ替えを行います。グラフの「その他のオプション」＞「軸の並べ替え」＞「Year」＞「昇順で並べ替え」の順に押下します。
下図のようにレポートが作成され、２つのデータ（GDP成長率と失業率）の相関関係を可視化することができました。
まとめ
Microsoft Fabricを使用した２つのデータを結合し、相関関係を可視化させる手順について紹介しました。
本記事では、簡単なデータ分析の一例として相関関係の可視化を行いましたが、他にもリアルタイム分析や機械学習モデルの構築などもMicrosoft Fabricで行うことが可能です。
目的や用途に合わせて柔軟なデータ活用を行うことができそうです。
