Esri Maps for IBM Cognos では、さまざまなシンボル、色、サイズを使用してマップ上のデータのスタイルを設定し、フィーチャを適切に表現することができます。たとえば、警察署や消防署の位置を異なる公衆安全に関するシンボルで表したり、主要都市の位置を人口に応じてシンボルの色やサイズを変えて表現したりできます。
IBM Cognos データをマップに追加すると、Esri Maps for IBM Cognos は [コンテンツ] ウィンドウにレイヤーを作成および表示し、デフォルトのシンボルを使用して、マップ上にデータを描画します。[シンボル] ウィンドウのオプションを使用すると、シンボルを変更できます。
レイヤーに複数のシンボルを構成して、レポート利用者がデータの表示を変更できるようにすることもできます。レポート利用者は、事前に構成されたシンボルを選択して、さまざまな方法でレイヤーを描画できます。詳細については、「レイヤーのシンボルの構成」をご参照ください。
レイヤーの描画方法
[シンボル] ウィンドウを使用すると、レイヤーを次のように描画できます。
- 単一シンボルまたは色の使用 - レイヤー内のフィーチャを同じシンボルまたは色を使用して描画します。
- 異なる色の使用 - データをグループに分割し、各グループを異なる色で表示します。
- 異なるサイズのシンボルの使用 - データをグループに分割し、各グループを異なるサイズで表示します。
ポイント フィーチャを含むレイヤーの場合、データのシンボル設定では、可能な、アイコンと形状の 2 種類のシンボルが使用できます。
- アイコン - 標準、ビジネスと設備、公衆安全、交通、人と場所、公衆衛生、アウトドア レクリエーション
- 形状 - 円、十字、ひし形、四角形、X 印
ポリゴン フィーチャを含むレイヤーの場合、異なる色を使用してデータのシンボルを設定できます。
ライン フィーチャを含む ArcGIS のデータを追加する場合、ライン タイプや色、ラインの幅を選択することによって、ライン フィーチャのシンボルを変更できます。
詳細については、「ポイントのシンボル設定」、「ラインのシンボル設定」、および「ポリゴンのシンボル設定」をご参照ください。
グループ化の方法
異なる色または異なるサイズのシンボルを使用してレイヤーのシンボルを設定する場合 (ポイントおよびライン フィーチャのみ)、データのグループ化の方法、およびグループ化に使用するフィールド (属性) を指定します。カテゴリ別にデータをグループ化する場合、グループ化で選択したフィールド (または属性) に共通する値 (例: 小売業や卸売業などの業種) に基づいて、データのグループ化とシンボル設定が行われます。
レイヤーに数値フィールドが存在する場合、数値範囲によってデータをグループ化できます。このグループ化オプションの場合、分類方法を選択する必要があります。いずれの分類方法においても、データをクラス (グループ) に分割します。分類方法のオプションには、等間隔分類、自然分類、等量分類、手動分類があります。フィーチャが別のクラスに配置されるときの値は、一般に、クラス閾値と呼ばれます。グループ化によるクラス閾値の決定方法を以下に説明します。
等間隔分類
等間隔分類では、データ値の全範囲を等間隔に分割します。等間隔分類では、間隔 (または部分範囲) の数を指定すると、Esri Maps for IBM Cognos がデータの分割方法を自動的に決定します。たとえば、値の範囲が 0 ～ 300 であるフィールドに対して 3 つのクラスを指定すると、Esri Maps for IBM Cognos は、0 ～ 100、101 ～ 200、201 ～ 300 という範囲の 3 つのクラスを作成します。
等間隔分類は、パーセンテージや温度など、一般的なデータの範囲に最適です。この手法では、特定の属性値について、他の属性値と比較したときの総数を強調することができます。たとえば、ある店舗が、合計売上の上位 1/3 を構成する店舗のグループに属していることを示すような場合です。
自然分類
自然分類のクラスは、データの特徴に基づいて値を自然にグループ化します。クラス閾値は、類似する値を最適にグループ化したうえで、クラス間の差異を最大化するように設定されます。フィーチャは、データ値の差異が比較的大きい部分に境界が設定されるようにクラスに分割されます。自然分類は、クラスター化された値を 1 つのクラス内に配置するため、値が均等に分散していないデータをマッピングする際に適した分類手法です。
等量分類
等量分類では、各クラスには同数のフィーチャが含まれます (1 クラスに 10 や、1 クラスに 20 など)。等量分類は、線形 (均等) に分散しているデータに適しています。これは、ある店舗が売上で上位 1/4 に入ることを示す場合など、他のフィーチャを基準にして、あるフィーチャの位置を強調する場合に便利です。等量分類では、各クラスに同じ数のデータ値を割り当てます。空のクラスや、値の数が多すぎたり少なすぎたりするクラスはありません。
等量分類では、各クラスのフィーチャが同じ数でグループ化されるため、作成されたマップの意図が正しく伝わらない場合がよくあります。似たようなフィーチャが異なるクラスに分類されたり、大きく異なる値を持つフィーチャが同じクラスに分類されたりすることがあります。この歪みは、クラスの数を増やすことにより最小限に抑えることができます。
手動分類
レポート作成者が独自のグループを定義する場合は、閾値を手動で追加し、データに適した範囲を設定することができます。データのマッピングに関して、何らかの基準やガイドラインが存在することがあります。たとえば、作成者が、ある閾値を超えている、または下回る特定の値を持つフィーチャを強調する場合などです。
