1. はじめに：なぜTableauが必要なのか（BIツールの役割）
- Week 2の復習: BigQueryで2,300万行のデータを高度なSQLで集計し、年別の質問数を抽出した。
- 課題と解決: 集計された数字は正確だが、意思決定者が瞬時にトレンドを把握し、洞察を得るためには、BIツールによる可視化が不可欠。
- アピール: 私は、データエンジニアリング（SQL）の結果を、ビジネスに直結する意思決定支援（BI）に繋げることができる。
2. ビジネス指標の設計と実装
- テーマ: 単なる質問数ではなく、「成長の勢い」と「シェア」を指標とする。
- 実装内容（最重要アピール）:
- 計算フィールドの作成: Tableau上で「
総質問数」と、「Python Share」というビジネス指標を導出。 - 理由: Python Shareを追跡することで、コミュニティの関心がPythonにどれだけ集中しているかを定量的に判断できる。
- 計算フィールドの作成: Tableau上で「
3. 複合グラフによる洞察の可視化（メイン成果物）
- 使用したテクニック: 二重軸複合グラフ。
- グラフの構造:
- 棒グラフ（グレー）: 総質問数（全体のボリューム）を示す。背景情報として落ち着いた色（グレー）を選択。
- 折れ線グラフ（オレンジ）: Python Share（トレンドの勢い）を示す。最も重要な指標として目立つ色（オレンジ）を割り当てた。
- 得られた洞察（例）：2014年から2020年にかけてPythonのシェア率は約77%から83%へと急速に拡大。しかし、2021年以降は83%台で安定（飽和状態）しており、R言語も一定のニッチな需要を維持していることが示唆される。
4. 結論：データドリブンな提言
- 提言の例:Pythonは依然として技術コミュニティのメインストリームであるが、新規採用/学習の投資対効果はピークを過ぎた可能性がある。一方、R言語の安定した需要（年間約5万件の質問）は、統計分析や学術分野といった特定のコアな市場の存在を裏付けており、ニッチ市場を攻める戦略も有効である。
