クエリ結果を可視化する

BigQuery のデータから分析情報を得るためには、分析ツールとビジネスインテリジェンスツールが不可欠です。BigQuery は、Google とサードパーティのデータ可視化ツールをいくつかサポートしています。これらのツールを使用して、Places Insights データに対するクエリの結果を分析できます。サポートされているツールは次のとおりです。

BigQuery Studio の [ビジュアリゼーション] タブ
Colab ノートブック
Looker Studio
Google Earth Engine
BigQuery Geo Viz

以下の例では、次のツールで結果を可視化する方法について説明します。

BigQuery Studio の [可視化] タブ（統合された地理データビューア）。
Colab ノートブック（ホスト型の Jupyter Notebook サービス）。
Looker Studio（データを可視化し、ダッシュボードやレポートを作成して利用できるようにするプラットフォーム）。
BigQuery Geo Viz（Google Maps API を使用した BigQuery の地理空間データ可視化ツール）。

これらの例では、車椅子対応レストランのビジュアリゼーションを示していますが、 Places Insights のクエリやブランドデータのクエリの結果もビジュアリゼーションできます。

他のツールを使用してデータを可視化する方法については、BigQuery ドキュメントで詳細をご覧ください。

可視化するデータをクエリする

以下のビジュアリゼーションの例では、次のクエリを使用して、ニューヨーク市のエンパイアステートビルディングから 3,000 メートル以内の車椅子対応のレストランの数を生成します。このクエリは、地理的なポイントごとにレストランの数をまとめたテーブルを返します。各ポイントのサイズは 0.005 度です。

`GEOGRAPHY` ポイントに対して `GROUP BY` オペレーションを実行できないため、このクエリでは BigQuery ST_ASTEXT 関数を使用して、各ポイントを STRING WKT 表現に変換し、その値を `geo_txt` 列に書き込みます。次に、geo_txt を使用して GROUP BY を実行します。

SELECT
  geo_txt, -- STRING WKT geometry value.
  ST_GEOGFROMTEXT(geo_txt) AS geo, -- Convert STRING to GEOGRAPHY value.
  count
FROM (
  -- Create STRING WKT representation of each GEOGRAPHY point to
  -- GROUP BY the STRING value.
  SELECT WITH AGGREGATION_THRESHOLD
    ST_ASTEXT(ST_SNAPTOGRID(point, 0.005)) AS geo_txt,
    COUNT(*) AS count
  FROM
    `PROJECT_NAME.places_insights___us.places`
  WHERE
    'restaurant' IN UNNEST(types)
    AND wheelchair_accessible_entrance = true
    AND ST_DWITHIN(ST_GEOGPOINT(-73.9857, 40.7484), point, 3000)
  GROUP BY
    geo_txt
)

次の画像は、このクエリの出力例を示しています。count には、各ポイントのレストランの数が含まれています。

ニューヨーク市で車椅子でアクセスできるレストランのクエリ結果。

BigQuery Studio の [可視化] タブを使用してデータを可視化する

次の画像は、 [可視化] タブを使用して BigQuery に表示されたデータを示しています。円が濃いほど、その場所のレストランの密度が高いことを示します。

BigQuery Studio の密度マップ

BigQuery Studio でデータを可視化する

可視化するデータをクエリするで上記のクエリを実行します。
1. BigQuery の結果で、[可視化] タブをクリックします。
クエリされたポイントを表す円が地図上に表示されます。
[ビジュアリゼーションの構成] で、[データ列] を [count] に設定します。
円が濃いほど、レストランの数が多いポイントを表します。
必要に応じて、他の設定を更新して、可視化のルック＆フィールを変更できます。

構成オプションの詳細については、BiqQuery の可視化に関するドキュメントをご覧ください。

Colab ノートブックを使用してデータを可視化する

Colab ノートブックでのビジュアリゼーションは、BigQuery Studio よりも詳細な制御が可能で、Jupyter ノートブック環境を維持できます。

Colab で地理空間分析データを可視化するチュートリアルは、次の 3 つの形式で提供されています。

Colab のドキュメント。
YouTube 動画として。
GitHub ノートブック。クローンして、Colab for Workspaces または Colab Enterprise で使用できます。

このチュートリアルでは、pydeck、deck.gl を使用した 4 つのコアタイプのグラフに焦点を当てています。

散布図（通常はサンプリング用）。
GeoJSON（検出用）。
階級区分図（強度用）。
ヒートマップ（密度用）。

Looker Studio を使用してデータを可視化する

次の画像は、Looker Studio にヒートマップとして表示されたデータを示しています。ヒートマップは、低密度（緑）から高密度（赤）を示しています。

クエリ結果が塗り分けマップとヒートマップとして表示されます。

データを Looker Studio にインポートする

データを Looker Studio にインポートする手順は次のとおりです。

データをクエリして可視化で上記のクエリを実行します。
BigQuery の結果で、[次で開く - > Looker Studio] をクリックします。結果が Looker Studio に自動的にインポートされます。
Looker Studio はデフォルトのレポートページを作成し、結果のタイトル、表、棒グラフで初期化します。
ページ上のすべての項目を選択して削除します。
[挿入 - > ヒートマップ] をクリックして、レポートにヒートマップを追加します。
[グラフの種類 -> 設定] で、[データ] セクションから項目をドラッグして、次のようにフィールドを構成します。
ヒートマップが上記のように表示されます。必要に応じて、[グラフの種類 -> スタイル] を選択して、地図の外観をさらに構成できます。