Mapboxを活用した Tableau における空間分析機能の拡張

長年にわたり、TableauはMapbox を活用し、ユーザー向けに地図や地理空間の可視化機能を提供してまいりました。現在、Tableauはその基盤をさらに発展させ、より高度な空間分析機能を分析体験に直接組み込むよう取り組んでいます。

「Mapbox 2026」のBUILDイベントにおいて、Salesforce傘下のTableau社でソフトウェアエンジニアリング担当主任技術スタッフを務めるジム・ウォルセス氏が、TableauがMapbox のAPI活用をどのように拡大し、ユーザーが移動時間、顧客の集客圏、サービス提供範囲、人口統計、その他の位置情報に基づく関連性を、Tableauの高速でインタラクティブなワークフロー内で分析できるよう支援しているかを実演しました。セッションの全編録画は、Zoomロビーでご覧いただけます。

現在、TableauではMapbox を活用した大規模な地図表示サービスを提供しています。つい先日の1週間だけでも、Tableauは約400万件の地図を提供しましたが、そのすべてがMapbox のベクタータイルによって支えられています。

長年にわたるMapbox を活用した地図作成のノウハウを基に

Mapbox Tableauではかねてよりベースマップ機能を提供してまいりましたが、Mapbox Boundariesでは 、地理空間分析のための世界各国の地政学的データ、行政区画データ、郵便番号データ、その他のポリゴンデータを提供しています 。これらの機能を組み合わせることで、Tableauユーザーは、地図の可視化を作成する場合でも、販売エリアを分析する場合でも、サービスエリアを把握する場合でも、あるいは場所と地理的地域を関連付ける場合でも、ビジネスデータを地理情報と結びつけることができます。

BUILDでは、ジム氏が、TableauがMapbox の追加APIを分析ワークフローに直接統合することで、その連携をさらに深化させている様子を紹介しました。

ドライブタイム分析をTableauのワークフローに組み込む

Tableauの最新の連携機能の一つでは、Mapbox のIsochrone APIを活用し、地図上に直接移動時間の選択機能を組み込んでいます。

Tableauでは、以前からユーザーが特定の場所を中心に円形の選択範囲を設定できるようになっています。しかし、半径によって物理的に近隣にあるものを示すことはできても、人々が実際に道路網を通じてどのように移動しているかを表すものではありません。

走行時間の分析により、その実情が明らかになります。

Tableauの新しい等時間圏選択ツールを使用すると、ユーザーは出発点を選択し、外側へドラッグすることで移動時間を定義することができます。Tableauは、Mapbox の経路探索機能と等時間圏機能を活用し、道路網を通じて実際に到達可能なエリアを特定します。

ジムの例では、車で8分の範囲内に約10,400件の住所が含まれていました。この分析により、単純な距離だけでは見落とされがちな関係性も明らかになります。地理的にはアクセスしにくく見える場所でも、近くに高速道路や道路網があるために、実際には強いつながりを持っている場合があります。

ジムが説明したように、この実装は意図的に「軽量で、業務の流れに自然に溶け込む機能」となっており、ドライブタイム分析は、Tableau内でデータを選択・探索するためのもう一つの自然な手段となっています。

移動時間を活用して、より詳細な立地分析を行う

続いてジム氏は、同じMapbox の機能を用いて、より大規模な空間分析をどのようにサポートできるかを実演しました。

オレゴン州ポートランドにある18の小売店舗を活用し、ドライブ圏を算出し、世帯所得データが記載された国勢調査区と照合しました。

ユーザーは、車での移動時間を切り替えて、各店舗の周辺地域における潜在的な世帯収入を分析することができました。この可視化の背景には、はるかに複雑な空間分析ワークフローがありました。18か所の店舗、10段階の車での移動時間、820の国勢調査区を扱うこの分析では、約14万8,000件の交点計算が必要でした。

ジム氏は、Tableau Prep Builder を使用してこれらの計算を行い、その結果得られたデータセットをビジュアライゼーションに取り込みました。TabPy を通じて Python を使用し、Mapbox の API を呼び出して位置情報や等時線を生成した後、分析用に空間データを準備しました。その結果、ジム氏が「高度な分析」と呼ぶものと、Tableau ユーザーが期待するレスポンシブでインタラクティブな操作体験が融合したものが実現しました。

Mapbox の移動時間を用いたサービスカバー範囲の分析

ジムは、Tableauのお客様からの質問に着想を得た、もう1つの素晴らしい事例を紹介して締めくくりました。それは、「サービスプロバイダーと拠点のセットが与えられた場合、どのプロバイダーが、所定の時間内にどの拠点に到達できるか」というものです。

実証実験では、彼は電気工事会社に関するデータを1つのデータセットとして、電気自動車の充電ステーションに関するデータをもう1つのデータセットとして使用しました。

今回の分析において、ジム氏はMapbox を使用して、サービス提供者と各拠点間の移動時間を表したマトリックスを算出しました。その結果として生成された可視化データは、まるで配車管理ツールのように機能します。ユーザーは最大移動時間を、例えば30分から1時間へと変更することで、どのサービス提供者が各拠点に到達できるか、またどこにサービス提供の空白地帯が残っているかを即座に確認することができます。

このようなインタラクティブなワークフローでは、APIのパフォーマンスが重要です。Tableauは、ユーザーがビジュアライゼーションを操作する際に、Directions APIやIsochrone APIへの呼び出しを繰り返し行うことがあります。

ジムがこう述べたように：

「非常に高速で、非常に信頼性が高く、それこそがこの機能を実現できた真の要因です。」

Tableauのサンプルをご覧ください

ジムの作成した地図作成や空間分析の事例の多くは、Tableau Public（Tableauが提供する、ビジュアライゼーションの探索や共有のための無料オンラインプラットフォーム）を通じてご覧いただけます。

ユーザーは、Tableau Publicのワークブックをダウンロードして自分で開き、空間データやMapbox APIを統合するために使用された手法を含め、ビジュアライゼーションがどのように構築されたかを正確に確認することができます。Tableau Publicで、ジム・ウォルセス氏のサンプルをご覧ください。

Tableauにおける空間インテリジェンスの拡充

TableauとMapbox との取り組みは、ユーザーが高速で詳細な地図上でデータを可視化できるよう支援するという、強固な基盤から始まりました。現在、その関係は、マッピングや可視化から、より深い地理空間分析へと広がりつつあります。

Mapbox のAPIをTableauのワークフローに組み込むことで、アナリストは、すでに使用しているインタラクティブな分析環境のまま、移動時間、アクセス性、顧客の集客圏、人口統計、サービス提供範囲などについて、より高度な位置情報に関する分析を行うことができます。

Mapbox のIsochrone APIとMapbox の境界について詳しく見て、Mapbox が分析アプリケーションに、いかに高度な空間インテリジェンスをもたらすことができるかをご確認ください。