【ライブ接続を選ぶ場合】

✓ リアルタイムデータが必須
✓ データベースが高速（専用DWH等）
✓ データ量が巨大（数億行以上）
✓ セキュリティ要件が厳しい
✓ 常に最新データが必要

適用例:
├─ リアルタイム監視ダッシュボード
├─ トランザクション分析
├─ センサーデータ分析
└─ 金融取引モニタリング


【データ抽出を選ぶ場合】

✓ パフォーマンス最優先
✓ オフライン使用が必要
✓ 複雑な計算が多い
✓ データベースが遅い
✓ 更新頻度が低い（日次/週次）

適用例:
├─ 月次レポート
├─ 経営ダッシュボード
├─ 分析用ダッシュボード
└─ モバイルアクセス用

【フィルター処理の順序（速い順）】

1. 抽出フィルター（Extract Filter）
   └─ 最も早い、データ自体を削減
   └─ 抽出作成時に適用

2. データソースフィルター（Data Source Filter）
   └─ 全シートに適用
   └─ 接続時に適用

3. コンテキストフィルター（Context Filter）
   └─ 他のフィルターより先に処理
   └─ 一時テーブルを作成

4. ディメンションフィルター
   └─ 通常のフィルター
   └─ カテゴリ・名前等

5. メジャーフィルター
   └─ 集計後にフィルター
   └─ SUM > 1000 等


【最適化テクニック】

✓ 不要なデータは抽出時に除外
✓ 共通フィルターをコンテキストに設定
✓ フィルター数を最小限に（5個以下推奨）
✓ 日付フィルターを連続値に設定
✓ Top Nフィルターは条件付きに
✓ ワイルドカードフィルターを避ける

【フィルター処理の順序（速い順）】

1. 行レベルセキュリティ（RLS）
   └─ 最も早い
   └─ データアクセス前に適用

2. レポートレベルフィルター
   └─ 全ページに適用
   └─ 一度だけ処理

3. ページレベルフィルター
   └─ 特定ページに適用
   └─ ページ読み込み時に処理

4. ビジュアルレベルフィルター
   └─ 個別ビジュアルに適用
   └─ 各ビジュアルで処理


【最適化テクニック】

✓ スライサーを使いすぎない（3-5個まで）
✓ リレーションシップで自動フィルター活用
✓ DAXフィルターはVARで変数化
✓ KEEPFILTERS関数の活用
✓ 不要なビジュアルインタラクション無効化
✓ ALLを慎重に使用

【遅い計算の例】

❌ 悪い例: 毎回計算
IF [売上] > 100000 THEN "大口"
ELSEIF [売上] > 50000 THEN "中口"
ELSE "小口"
END

問題点:
├─ 各行で毎回IF文を評価
├─ ビューごとに再計算
└─ キャッシュが効かない


✅ 良い例: 計算列で事前計算
データソースに計算列を追加:
売上区分 = IF([売上] > 100000, "大口",
           IF([売上] > 50000, "中口", "小口"))

メリット:
├─ 一度だけ計算
├─ キャッシュ可能
└─ 高速

─────────────────────────────

【LOD表現のパフォーマンス（速い順）】

1. FIXED（最速）
   └─ フィルターの影響を受けない
   例: { FIXED [地域] : SUM([売上]) }

2. INCLUDE
   └─ 詳細度を上げる
   例: { INCLUDE [商品] : AVG([売上]) }

3. EXCLUDE（最遅）
   └─ 詳細度を下げる
   例: { EXCLUDE [月] : SUM([売上]) }

最適化のコツ:
✓ できるだけFIXEDを使う
✓ 必要最小限のフィールドのみ指定
✓ 計算結果をデータソースに保存
✓ ネストを避ける

【遅いDAXの例】

❌ 悪い例: 複雑なネスト
売上合計 = 
CALCULATE(
    SUM(売上[金額]),
    FILTER(
        ALL(商品),
        商品[カテゴリ] = "A"
    )
)

問題点:
├─ FILTERで全行スキャン
├─ 計算コンテキストが複雑
└─ キャッシュが効きにくい


✅ 良い例: シンプルなフィルター
売上合計 = 
CALCULATE(
    SUM(売上[金額]),
    商品[カテゴリ] = "A"
)

メリット:
├─ 直接フィルター適用
├─ エンジンが最適化
└─ 高速実行

─────────────────────────────

【変数（VAR）で最適化】

❌ 悪い例: 同じ計算を繰り返す
前年比 = 
DIVIDE(
    SUM(売上[金額]),
    CALCULATE(
        SUM(売上[金額]),
        SAMEPERIODLASTYEAR(日付[Date])
    )
) - 1

問題点: SUM(売上[金額])を2回計算


✅ 良い例: 変数で一度だけ計算
前年比 = 
VAR 今年売上 = SUM(売上[金額])
VAR 前年売上 = CALCULATE(
    SUM(売上[金額]),
    SAMEPERIODLASTYEAR(日付[Date])
)
RETURN
    DIVIDE(今年売上, 前年売上) - 1

メリット:
├─ 計算を1回に削減
├─ 可読性向上
└─ メンテナンス容易

【データポイント制限】

Tableau:
├─ 1ビューあたり10万ポイント以下推奨
├─ それ以上は集計やフィルター
└─ 警告が出たら対策必須

Power BI:
├─ 1ビジュアルあたり3.5万ポイント制限
├─ 自動的に集計される
└─ 高カーディナリティに注意

【データポイント削減の対策】

1. 適切な粒度で集計
   ├─ 日次 → 週次/月次
   └─ 詳細 → サマリー

2. Top N表示
   ├─ 全商品 → Top 20
   └─ 全顧客 → Top 100

3. 階層ドリルダウン
   ├─ 最初は概要のみ
   └─ クリックで詳細表示

4. 詳細は別ページへ
   ├─ サマリーページ
   └─ 詳細ページ（ドリルスルー）

【使い方】

ステップ1: 記録開始
├─ ヘルプ > 設定とパフォーマンス
├─ パフォーマンスの記録を開始
└─ ダッシュボードを操作

ステップ2: 操作を実行
├─ フィルター変更
├─ ページ切り替え
├─ ドリルダウン
└─ 様々な操作を記録

ステップ3: 記録停止
├─ パフォーマンスの記録を停止
└─ 結果ダッシュボードが開く

ステップ4: 結果分析
┌────────────────────────────────┐
│ イベント          時間(秒)    │
├────────────────────────────────┤
│ クエリ実行        3.2s   ⚠️  │
│ ジオコーディング  1.5s        │
│ レイアウト計算    0.8s        │
│ レンダリング      0.5s        │
│ 合計              6.0s   ❌   │
└────────────────────────────────┘

【チェックポイント】

✓ クエリ実行時間: 3秒以上は要改善
✓ レイアウト計算: 1秒以上は複雑すぎ
✓ ジオコーディング: 地図の最適化必要
✓ レンダリング: ビジュアル数削減を検討

【使い方】

ステップ1: パネルを開く
├─ 表示 > パフォーマンスアナライザー
└─ 右側にパネルが表示

ステップ2: 記録開始
├─ 「記録の開始」をクリック
├─ ダッシュボードを操作
│  ├─ ビジュアル更新
│  ├─ フィルター適用
│  └─ ページ切り替え
└─ 「記録の停止」

ステップ3: 結果分析
┌────────────────────────────────┐
│ ビジュアル名     時間(ms)      │
├────────────────────────────────┤
│ 売上推移グラフ   1,245ms  ⚠️  │
│  - DAXクエリ:    1,100ms       │
│  - その他:       145ms         │
│                                │
│ KPIカード        120ms    ✓   │
│  - DAXクエリ:    80ms          │
│  - その他:       40ms          │
└────────────────────────────────┘

【チェックポイント】

✓ DAXクエリ: 1秒以上は最適化必要
✓ ビジュアル表示: 500ms以上は要確認
✓ その他: ネットワークやブラウザの問題
✓ 「クエリのコピー」でDAX詳細分析