データの縦持ちと横持ち
多次元分析のための適切なデータ構造
多次元分析を行うためには、分析対象のデータを、そのために適切な構造に整えておく必要がある データの「縦持ち・横持ち」
下のデータは、同種類の量的変数（メジャー）である「科目A」「科目B」「科目C」が横に展開されている
このようなデータの表し方を（俗に）横持ちという（wide型（wide format）ともいう）
https://gyazo.com/c06ff886c2a915400754eb7b379868fa
この、同種類の量的変数（メジャー）である「科目A」「科目B」「科目C」の値を同じ列に縦方向に並べる、つまり、「科目」という質的変数（ディメンション）と「点数」という量的変数（メジャー）の2変数に変換すると、以下のようなデータの持ち方になる
このようなデータの表し方を（俗に）縦持ちという（long型（long format）ともいう）
https://gyazo.com/ebbae0492c569034a10c2666117303b5
縦持ち・横持ちと多次元分析
上の例のように、横持ちデータを縦持ちデータに変換することで、切り口となる質的変数（＝ディメンション）と集計対象となる量的変数（＝メジャー）をそれぞれ一列ごとにまとめるのが、多次元分析（クロス集計ベースの分析）においては非常に重要である 必要に応じて、データの前処理として、この変換操作を行う 縦持ち・横持ちを変換する方法
どうやって変換するか？
関数を駆使して変換（楽しいがたいへん）
VBAで変換（昔はよくやったらしい）
Excel向けのTableauアドインを使う（まあまあ便利）
横持ちデータが必要な場面
散布図を描く場合には、データが横持ちである必要があることが多いので注意
散布図は「2変数の値の組（ペア）」が必要
例えば下のデータで、学生ごと、つまり「学生ID」ごとに、「科目Aの点数」と「科目Bの点数」という2つの数値の相関をみるための散布図を描きたければ、「学生IDごとに科目Aと科目Bの点数のペアが整理されているものが1件のレコード」であることが必要で、そのような形式は横持ちになる（つまり、「科目A」というメジャーと「科目B」というメジャーを横に並べ、「学生IDごとの値」がレコード1件ごとにまとまっている必要がある）。
https://gyazo.com/c06ff886c2a915400754eb7b379868fa
その他、機械学習などの統計的モデリングをする際には、「説明変数（独立変数）」や「目的変数（従属変数）」が1列ごとにまとまっている必要があり、上の「科目A（の点数）」「科目B（の点数）」のように、「同種類の変数」であっても縦に変換せず横に持っておくケースが多い