Tableau vs Python ─ データ可視化どちらを選ぶか

データ分析の終着点は 可視化と意思決定。本記事では Tableau と Python の使い分けを AI エンジニア視点で整理します。

Tableau の強み

• ノーコード: ドラッグ&ドロップで作成
• 対話的ダッシュボード: ビジネス層が自分で操作
• 美しいデフォルト: 配色 ・ アニメーションが洗練
• 多様なデータソース連携: SQL ・ Excel ・ Salesforce など
• Tableau Public: 無料で公開可能

Tableau の弱み

• 有料: Creator $75/月、Viewer$15/月
• コード化困難: バージョン管理 / レビューが厳しい
• 自動化に弱い: 定期レポート以上のことは難しい
• ML 連携限定的: Tableau 内でモデル学習はできない

Python 可視化の強み

• 無料 ・ OSS
• コードでバージョン管理: Git でレビュー可能
• ML パイプラインに統合: モデル評価グラフを CI で自動生成
• カスタマイズ性無限: 論文品質まで作り込める
• ライブラリ豊富: matplotlib / seaborn / Plotly / Bokeh / Altair

Python の主要ライブラリ

matplotlib(基本)

import matplotlib.pyplot as plt
import seaborn as sns

sns.set_style('whitegrid')
fig, ax = plt.subplots(figsize=(8, 5))
sns.boxplot(data=df, x='category', y='price', ax=ax)
ax.set_title('カテゴリ別価格分布')
plt.savefig('boxplot.png', dpi=150)

Plotly(対話型)

import plotly.express as px

fig = px.scatter(df, x='age', y='income', color='gender',
                 hover_data=['name'], trendline='ols')
fig.write_html('chart.html')  # 対話型 HTML 出力

Streamlit(Web アプリ)

詳しくは [Streamlit でデモアプリ](/blog/streamlit-demo-app) を参照。

現実的な使い分け

• 社内ビジネスダッシュボード: Tableau / Looker(または Streamlit で代替も可)
• 論文 ・ 分析レポート: Python(matplotlib / seaborn)
• ML モデル評価: Python(scikit-learn の plot_*)
• A/B テスト分析: Python + 統計検定
• 経営層へのプレゼン: Tableau or Plotly
• ポートフォリオ: Streamlit + Plotly

学習順の推奨

1. matplotlib + seaborn(必須): どこでも使える共通言語
2. Plotly(中級): 対話型を作りたくなったら
3. Streamlit(実装): デモアプリ ・ ポートフォリオ
4. Tableau(任意): 社内で必要になったら
5. Looker / PowerBI: 業界によって

学習リソース

• [Streamlit でデモアプリ](/blog/streamlit-demo-app)
• [Pandas Tips](/blog/pandas-tips-for-ml)
• [scikit-learn 入門](/blog/sklearn-introduction)
• [キャリアの記事](/blog/data-scientist-career)