目標は、すべての集計をスクリプト内で実行して、各営業担当者の集計された売上を表示することです。オプション C は、Group by 句を使用して集計を正しく実行し、各従業員の売上の合計がスクリプト内で計算されるようにするため、正しい選択です。
* データのロード:
* データ テーブルは、最初に Sales テーブルからロードされます。これには、OrderID、OrderDate、CustomerID、EmployeeID、および Sales が含まれます。
* 次に、EmployeeID と EmployeeName を含む Emp テーブルがロードされます。
* データの結合:
* EmployeeID に基づいて、データ テーブルと Emp テーブルの間で左結合が実行され、データが EmployeeName で強化されます。
* 集計:
* Summary テーブルは、EmployeeName を読み込み、sum([Sales]) 関数を使用して合計売上を計算することによって作成されます。
* Resident キーワードは、データがメモリ内の既存のテーブル、具体的には Data テーブルから取得されることを示します。
* Group by 句により、各 EmployeeName に対して集計が正しく実行され、各従業員の合計売上が集計されます。
主な Qlik Sense データ アーキテクト リファレンス:
* 常駐ロード: アプリのメモリにすでにロードされているデータを再利用する方法です。常駐ロードを使用すると、新しいテーブルを作成したり、既存のデータに対して集計などの計算を実行したりできます。
* Group by 句: Group by 句は、スクリプトで集計を実行するときに不可欠です。指定されたフィールドごとにデータをグループ化し、必要な集計関数 (合計、カウントなど) を実行します。
* 左結合: 2 つのテーブルのデータを結合するために使用されます。この場合、左結合は従業員名で売上データを拡充し、売上データがそれぞれの従業員に正しく関連付けられるようにするために使用されます。
結論: オプション C は、スクリプト内で必要な結合と集計を正しく実行するため、このタスクに最も適したスクリプトです。これにより、ダッシュボードには従業員ごとの集計された売上が正しく表示され、データ アーキテクトの要件を満たすようになります。

このシナリオでは、プロジェクトの焦点は在庫分析の強化、特に在庫レベルの予測にあります。主な目標は、在庫管理に影響を与える要因を理解し、将来の在庫ニーズを予測するのに役立つモデルを構築することです。
オプション A: 製品購入者が最初に相談する適切な利害関係者です。
理由は次のとおりです。
* 在庫管理への直接関与:
* 製品バイヤーは通常、購入と在庫レベルの維持に関する意思決定を担当します。リードタイム、サプライヤーの信頼性、需要予測、購入サイクルなど、在庫ニーズに影響を与える要因を深く理解しています。
* 在庫要件に関する知識:
* プロジェクトの主な焦点は在庫レベルの予測であるため、製品バイヤーは在庫に影響を与える変数と正確な予測に必要なデータに関する重要な洞察を提供します。製品バイヤーは、どの履歴データが不可欠か、予測モデルでどのような外部要因を考慮する必要があるかを指導できます。
* ビジネス目標との整合:
* 製品バイヤーと相談することで、プロジェクトでは在庫予測モデルが会社の在庫管理目標と一致していることを保証し、過剰在庫や不足在庫を回避してコストを最適化できます。
参考文献:
* Qlik プロジェクト管理のベスト プラクティス: 分析プロジェクト、特に在庫管理などの特定の運用領域に重点を置いたプロジェクトでは、運用データと意思決定プロセスに最も近い関係者に相談することで、ソリューションが適切かつ効果的であることが保証されます。

このシナリオでは、3 つの大規模なデータベースからすべてのレコード (新規と履歴の両方) を取得する必要があるため、ロード時間が長くなっているアプリについて説明します。この状況は、Qlik 環境とソース データベースの両方に負担をかけます。分析にはすべてのデータが必要であるため、毎回完全にリロードするのは非効率的で、リソースを大量に消費する可能性があります。
このような場合には、増分ロードの実装が広く推奨されるアプローチです。増分ロードでは、毎回すべてのデータをリロードするのではなく、最後のリロード以降の新規データまたは変更されたデータのみをロードできます。これにより、リロードのたびにデータのサブセットのみを処理すればよいため、リロードに必要な時間とリソースが大幅に削減されます。QVD (QlikView データ) ファイルは通常、履歴データを保存するのに使用され、ソース データベースからは新規または更新されたレコードのみが取得されます。
このアプローチは次のような場合に役立ちます。
* ソース データベースの負荷を軽減します。
* データの再読み込みウィンドウを短縮します。
* すべての新しいデータが確実にキャプチャされるようにしながら、履歴データを効率的に維持します。

ここで説明したシナリオの目標は、同じディレクトリにあるログ ファイルを無視しながら、ディレクトリからすべての CSV ファイルを Qlik Sense にロードすることです。正しいアプローチでは、特にログ ファイルは定期的に変更されるため、各ファイル名を手動で指定する必要なく、動的なファイルのロードが可能になります。
オプション B が正しい選択である理由は次のとおりです。
* オプション A: この方法では、ファイルのリスト (Day1、Day2、Day3) を手動で指定し、それらを繰り返して各ファイルを読み込みます。 この方法は機能しますが、正確なファイル名を事前に知っておく必要があり、新しいファイルが定期的に追加されることを考えると現実的ではありません。 また、動的なファイル名の変更やフォルダーに自動的に追加された新しいファイルは処理されません。
* オプション B: このアプローチでは、ファイル パスにワイルドカード (*) を使用します。これにより、Qlik Sense はパターンに一致するすべてのファイル (この場合は、ディレクトリ内のすべての CSV ファイル) をロードします。csv ファイル拡張子が明示的に指定されているため、CSV ファイルのみがロードされ、ログ ファイルは無視されます。この方法は効率的で、スクリプトを手動で更新することなく、ファイル名の動的な性質を処理します。
* オプション C: このオプションはオプション B と似ていますが、CSV ファイルではなくテキスト ファイル (txt) を対象としています。要件は CSV ファイルをロードすることであるため、このオプションではニーズを満たせません。
* オプション D: このオプションでは、filelist() とループを使用したより複雑なアプローチを使用します。これは機能する可能性はありますが、必要以上に複雑です。オプション B では、同じ結果がよりシンプルかつ直接的に得られます。
したがって、オプション B は、必要に応じてログ ファイルを無視しながら、指定されたディレクトリからすべての CSV ファイルを動的に読み込む、最も効率的で簡単なソリューションです。

新興企業が IPO を準備しているシナリオでは、Qlik Sense アプリケーションで使用される変数値の記録など、綿密な記録保持の必要性が高まっています。TRACE ステートメントは、スクリプト実行中に変数値をログに記録するのに最適なオプションです。
* TRACE: このステートメントは、変数値を含むカスタム メッセージをスクリプト実行ログに書き込みます。
TRACE を使用すると、すべてのリロード ログにすべての関連変数の名前と現在の値が含まれるようになり、必要な透明性と追跡可能性が確保されます。
たとえば、スクリプトには次の内容を含めることができます。
TRACE $(変数名);
このコマンドは、変数の値をスクリプト ログに出力し、監査目的で記録されるようにします。