BIツールLightdashでさまざまなメトリクスを作る #セマンティックレイヤー – Qiita

By インモビ運営局

2025年4月30日

0

Pixio PX248 Wave White ゲーミングモニター白ホワイト 23.8インチ 200Hz FHD スピーカー内蔵 2年保証 30日間返品保証

(772)

￥26,980 (2025年4月30日 13:13 GMT +09:00 時点 - )

エレコム電源タップ VESA規格 2.5m 8個口テレビモニター雷ガード極性対応 (N極) スイング式プラグ耐熱素材採用ブラック ECT-3325BK

(17)

(2025年4月30日 13:13 GMT +09:00 時点 - )

【2025正規MFi認証品】i-Phone 充電ケーブルライトニングケーブル純正品質【1M/2M 各２本】充電器ケーブル 2.4A急速充電 USB 充電コード高速データ転送断線防止高耐久 i-Phone 14/14 Pro/13/13 Pro/12/11/X/8/8plus/7/6/iPad 各種対応

(2143)

￥898 (2025年4月30日 13:11 GMT +09:00 時点 - )

BIツールLightdashでさまざまなメトリクスを作る #セマンティックレイヤー - Qiita

最近、X で Lightdash をお勧めしているポストを複数見かけました。そこで、いろんなメトリクスを作ってみることで雰囲気をつかんでみようと思いました。この記事はその結果を記しておきます。

このようなデータモデルに対して、

○ 売上金額/数量合計のような単純な加算型メトリクスは容易に定義可能
○ 売上単価のような単純な非可算型メトリクスも容易に定義可能
○ 平均在庫数/月初在庫数のような準加算型メトリクスは工夫すれば定義可能
× ドリル・アクロスが必要なメトリクスは定義不可

Lightdash は dbt で作成したディメンジョンテーブルやファクトテーブルを可視化することに特化した BI ツールです。

<br />

もう少し詳しく述べると、

メトリクス（メジャー、KPI）の計算ロジック
複数テーブルの結合ロジック
テーブル名やカラムの表示名
テーブルやカラムの説明

などを dbt のモデルプロパティーファイル（例：schema.yml）で定義しておくと、ブラウザ上で可視化する際に利用・参照できることがメリットになっています。モデルプロパティーファイルでこれらを定義できるということは、これらの情報をコード管理することができる（バージョン管理できる、IaC で自動化しやすいなど）というメリットがあります。

本題からはずれますが、このメリットはセマンティックレイヤーに似たものがあります。これが私が Lightdash に興味を持った理由の一つです。ただし、Looker や dbt Semantic Layerと異なり他の BI ツールには今のところ対応していないようですが。

セマンティックレイヤーに関して興味があれば、以前に書いたブログもご確認ください。

<br />

今回は以下の組み合わせで試してみました。

PostgreSQL 17.4
dbt Core 1.9.3
Lightdash v0.1573.1 (Self-hosting)

まず、PostgreSQL 上に以下の 4 つの可視化対象のテーブルを作成しておきます。

ディメンジョンテーブル
- 商品ディメンジョン
- 日付ディメンジョン
ファクトテーブル
- 販売ファクト
- 在庫ファクト

create table items (
  item_id integer not null
  , item_name varchar(100) not null
  , item_category_name varchar(100) not null
);

create table dates (
  date_key date not null
);

create table sales (
  sales_id integer not null
  , sales_datetime timestamp not null
  , item_id integer not null
  , sales_quantity integer not null
  , sales_amount integer not null
);

create table stock (
  stock_date date not null
  , item_id integer not null
  , stock_quantity integer not null
);

/* 主キー・外部キーの定義は省略 */

ER 図に起こすと以下のようになります。

（販売テーブルは日時 yyyy-mm-dd hh:mi:ss の一方、日付テーブルは日付 yyyy-mm-dd なので、厳密にはリレーションシップではないです。ただし、ここでは分かりやすさのために線を張っています）

次に、これらのテーブルデータを Lightdash で可視化するために dbt のモデルを作成します。今回は dbt でデータ加工・集計を行わないのですが、Lightdash 上で可視化するには dbt モデルである必要があるため、単純に名前を変えたモデルを作成・実行しておきます。

（別途 dbt_project.yml ファイルでデフォルトのマテリアライズド方法をビューに指定しています）

準備の最後として、ディメンジョンテーブル（商品と日付）のモデルプロパティーファイルを作成します。

v_items.yml

version: 2

models:
  - name: v_items
    description: '商品マスタ'
    meta:
      label: '商品ディメンジョン'
    columns:
      - name: item_id
        description: '売上対象の商品のID'
        meta:
          dimension:
            label: '商品ID'
      - name: item_name
        description: '商品の名称'
        meta:
          dimension:
            label: '商品名'
      - name: item_category_name
        description: '商品のカテゴリ名'
        meta:
          dimension:
            label: '商品カテゴリ'

v_dates.yml

version: 2

models:
  - name: v_dates
    description: '日付マスタ'
    meta:
      label: '日付ディメンジョン'
    columns:
      - name: date_key
        description: "日付"
        meta:
          dimension:
            label: '日付キー'
            time_intervals: ['DAY', 'MONTH']

いくつか補足説明します。

Lightdash 上で表示できるテーブルやカラム名の説明は dbt の description タグの内容を流用します。
Lightdash に固有の情報は meta タグの配下に記載します。
- Lightdash 上で表示するテーブル名やカラム名に関しては、Lightdash 固有の label タグに記載します。
- 日付カラム（日付キー）に関して、Lightdash 上では自動で日、週、月、四半期、年の階層が作成されますが、今回は日、月のみ必要なため、time_intervals タグで指定します。

ちなみに、全てのモデルに対するモデルプロパティーファイルを schema.yml ファイル 1 つにまとめることもできますが、今回は以下の推奨に従って 1 モデル = 1 モデルプロパティーファイルとしています。