レッスン 20: 分析ダッシュボード — 販売、トレンド、ニッチリサーチ

ファッション デザインとプリント オン デマンド システム アーキテクチャ — ドメイン分析から生産まで

パート 6: データ プラットフォームと分析

xdev.asia

1. データウェアハウスのアーキテクチャ

Sources (OLTP + Events)
   -> ELT/CDC Pipeline
   -> Staging Layer
   -> Data Models (dbt)
   -> Data Warehouse (ClickHouse/BigQuery)
   -> BI Dashboards (Metabase/Superset)

2. POD のスター スキーマ

-- Fact table
fact_orders(
  order_id,
  date_key,
  shop_key,
  product_key,
  channel_key,
  supplier_key,
  gross_revenue_cents,
  shipping_cents,
  tax_cents,
  discount_cents,
  quantity,
  status
)

-- Dimensions
dim_date(date_key, day, week, month, quarter, year)
dim_shop(shop_key, shop_id, segment, country)
dim_product(product_key, product_id, category, style, tags)
dim_channel(channel_key, channel_name)
dim_supplier(supplier_key, supplier_name, region)

3. コアダッシュボード

ダッシュボード	主要なKPI
販売	GMV、AOV、コンバージョン、CAC、ROAS
デザイナー	トップクラスのデザイン、獲得ロイヤルティ、リピート率
生産	リードタイム、不良率、SLA違反
チャンネル	Shopify/Etsy/Amazon/TikTok による収益
トレンド/ニッチ	トップトレンドのタグ、成長速度、競合

4. セールスファネル分析

Impression -> Product View -> Add to Cart -> Checkout Start -> Payment Success

SELECT
  date,
  SUM(impressions) AS impressions,
  SUM(product_views) AS views,
  SUM(add_to_cart) AS atc,
  SUM(checkout_start) AS checkout,
  SUM(purchases) AS purchases,
  ROUND(SUM(purchases)::numeric / NULLIF(SUM(product_views),0), 4) AS view_to_buy
FROM mart_funnel_daily
GROUP BY date
ORDER BY date DESC;

5. 生産指標

• サプライヤーに応じた P50/P95 の生産時間
• 製品タイプ別の不良率
• 返品理由の分布
• 地域別の納期厳守率

6. トレンド＆ニッチ分析

interface TrendInsight {
  tag: string;
  weekGrowthPct: number;
  monthGrowthPct: number;
  competitionScore: number;
  opportunityScore: number;
}

function opportunity(trend: number, competition: number) {
  return 0.7 * trend - 0.3 * competition;
}

7. データ品質とガバナンス

ルール	たとえば
鮮度	actual_orders の遅延は 30 分以内です
独自性	order_id はマート テーブル内で一意です
完全性	channel_key が null ではありません
一貫性	総額 >= 税金 + 送料

8. まとめ

• スタースキーマ 運用および財務ダッシュボードに適しています

• 販売 + 生産 + トレンド POD の 3 つのコア ダッシュボード クラスターです。

• ファネル分析 変換を段階的に最適化するのに役立ちます

• データ品質チェック パイプラインで自動化する必要がある