共通
はじめに
「フローデザイナー」とは、ウェブブラウザを使って、さまざまなデータを扱うシステムを手軽に作れるサービスです。このサービスでは、「ブロック」と呼ばれるパーツを組み合わせて「フロー」というデータ処理の流れを作成します。顧客データの整理、販売予測の作成、地図上での情報表示など、多彩な用途に応えることができます。このドキュメントは、フローデザイナーで使用するさまざまな「ブロック」の詳細なリファレンスを提供します。
各ブロックのリファレンスには、そのブロックの概要、利用できるプロパティ(ブロックの設定項目)の一覧が含まれます。さらに、いくつかのブロックには具体的な使用例も掲載しており、これによってより深い理解が可能です。これらの情報を活用することで、フローデザイナーを効率的に使用するための知識を得ることができます。
アルファ版や限定公開のカテゴリーやブロックについては、利用申請を行わないとフローデザイナーのカテゴリーリストやブロックリストには表示されません。この点ご注意願います。
基本
フローの基本的なブロック
- フローの開始
フローの開始を表します。 - 並列分岐
並列に実行するための分岐点を表します。 - Slack通知
Slackへメッセージを通知します。 - 変数指定によるSlack通知
複数のメッセージをSlackの複数チャンネルへ並列に通知します。 - ログへ出力
変数が参照するデータをログへ出力します。 - オブジェクト生成
構造化されたデータを組み立て、変数に格納します。 - 配列内のオブジェクト形式変換
配列内の各要素のデータを変換します。 - ジョブ起動
指定したフローを実行します。 - エラー終了
特定のBoolean型の変数をチェックし、もしtrueだったらフローをエラー終了させます。 - 待機
指定された秒数待機します。 - ワークスペースへメッセージを送信
ワークスペースのメッセージパネルに指定したメッセージを送信します。 - フローの終了
フローの終了を表します。
API
HTTPリクエストに関するブロック
- HTTP GET
HTTP GETリクエストを発行します。 - HTTP POST
HTTP POSTリクエストを発行します。 - HTTP PUT
HTTP PUTリクエストを発行します。 - HTTP DELETE
HTTP DELETEリクエストを発行します。 - HTTP POST(JSON)
JSONデータを指定のURLにHTTP POSTメソッドのリクエストで送信します。 - HTTP PUT(JSON)
JSONデータを指定のURLにHTTP PUTメソッドのリクエストで送信します。 - Cloud Functionsの呼び出し
Google Cloud Functionsの関数をHTTPメソッドを使用したHTTPリクエストによって呼び出します。
BigQuery
BigQueryに関するブロック
- GCSから単一テーブルへロード
GCS上のファイル内容をBigQueryのテーブルに格納します。 - GCSから複数テーブルへロード
GCS上の複数ファイルの内容をBigQueryの複数テーブルに格納します。 - 単一テーブルからGCSへエクスポート
BigQueryのテーブルをGCS上のファイルにエクスポートします。 - 変数からテーブルへロード
変数内のデータをBigQueryのテーブルに格納します。 - 複数テーブルからGCSへエクスポート
BigQueryの複数のテーブルをGCS上の複数ファイルにエクスポートします。 - クエリーの実行
BigQueryのクエリーを実行します。 - DMLクエリーの実行
BigQueryのDMLクエリーを実行します。 - BigQueryスクリプトの実行
BigQueryスクリプトを実行します。 - BigQueryストアドプロシージャの呼び出し
BigQueryのストアドプロシージャを呼び出します。 - クエリーの並列実行
変数の内容によって複数のBigQueryのクエリーを実行します。 - カラム値毎のテーブル分割
BigQueryのテーブルを指定したカラムの内容ごとに分割したテーブルを作成します。 - テーブル内容のSlack通知
BigQueryのテーブル内容をSlackに通知します。 - テーブルの作成
BigQueryのテーブルを作成します。分割テーブルの作成もできます。 - ビューの作成
BigQueryのビューを作成します。 - ストリームインサート
BigQueryのStream Insertを使って、BigQueryテーブルへレコードを追加します。 - テーブル削除
BigQueryのテーブルを削除します。 - クエリと履歴テーブルへの保存
BigQueryのクエリーを実行しその結果を「結果格納先のテーブル」に格納すると共に、その結果を「履歴用の追記先のテーブル」に蓄積します。 - 分割テーブルへ変換
日付別テーブルから、1つの分割テーブルへデータをコピーします。 - テーブルの内容取得
テーブルの内容を変数に取得します。 - DataEditorへ登録
BigQueryのテーブルをDataEditorへ更新・追加するブロックです。 - DataEditorの変更手順を適用【アルファ版】
DataEditorで保存した変更手順を使って、BigQuery上のデータ加工ができます。 - GCS上のExcelからテーブルへロード
指定されたGCSのExcelファイルのワークシートをBigQueryのテーブルへロードします。
機械学習
機械学習に関するブロック
- 推論/予測
DataEditorおよびモデルジェネレーターで作成したモデルを使って推論/予測します。 - モデルジェネレーター予測(オンライン)
モデルジェネレーターでトレーニングした結果と予測因子データ使って、予測を行います。 - モデルジェネレーター予測(バッチ)
モデルジェネレーターでトレーニングした結果と予測因子データを使って、バッチで予測を行います。 - 画像解析
Cloud Vision APIを使って、GCS上の画像を解析します。 - 音声認識
Cloud Speech-to-Text APIを使用して、音声をテキストに変換します。 - 音声認識(音声認識モデル選択)
Cloud Speech-to-Textの構築済み音声認識モデルを利用して、通話や動画の音声をテキストに変換します。 - テキスト分析(エンティティ分析)
Cloud Natural Language APIの「エンティティ認識」機能を使用して、テキストデータからエンティティ(人、組織、場所、イベント、商品、メディアなど)を特定します。 - テキスト分析(感情分析)
Cloud Natural Language APIの「感情分析」機能を使用して、テキストデータから感情を分析します。 - テキスト分析(構文分析)
Cloud Natural Language APIの「構文分析」機能を使用して、テキストデータからトークンと文の抽出、品詞の特定や各文の係り受け解析木を作成します。 - テキスト分析(コンテンツ分類)
Cloud Natural Language APIの「コンテンツ分類」機能を使用して、事前定義された700以上のカテゴリでドキュメント(英語のみ)を分類します。 - テキスト翻訳
Cloud Translation APIを使用して、テキストデータを翻訳します。 - 動画分析
Cloud Video Intelligenceサービスを使って、GCS上の動画を分析します。 - モデルジェネレータートレーニング開始(数値)【ベータ版】
モデルジェネレーター(数値分類・数値回帰)のトレーニングを開始します。 - モデルジェネレータートレーニング開始(画像分類)【ベータ版】
モデルジェネレーター(画像分類)のトレーニングを開始します。 - AutoML(回帰)モデルの作成
Googleの AutoMLテーブルを使い、教師付きトレーニングデータで回帰モデルを作成します。 - AutoML(分類)モデルの作成
Googleの AutoMLテーブルを使い、教師付きトレーニングデータで分類モデルを作成します。 - XGBoost(回帰)モデルの作成
BigQuery MLを使い、BigQuery上のトレーニングデータでブーストツリーの回帰モデル(XGBoostベースの回帰モデル)を作成します。 - XGBoost(分類)モデルの作成
BigQuery MLを使い、BigQuery上のトレーニングデータでブーストツリーの分類モデル(XGBoostベースの分類モデル)を作成します。 - DNN(回帰)モデルの作成
BigQuery MLを使い、BigQuery上のトレーニングデータでディープ ニューラル ネットワーク(DNN)の回帰モデル(TensorFlowベースのディープ ニューラル ネットワークの回帰モデル)を作成します。 - DNN(分類)モデルの作成
BigQuery MLを使い、BigQuery上のトレーニングデータでディープ ニューラル ネットワーク(DNN)の分類モデル(TensorFlowベースのディープ ニューラル ネットワークの分類モデル)を作成します。 - クラスタリングモデルの作成
BigQuery MLを使い、BigQuery上のトレーニングデータでK平均法クラスタリングのモデルを作成します。 - 線形回帰(数値回帰)モデルの作成
BigQuery MLを使い、BigQuery上のトレーニングデータで 線形回帰のモデルを作成します。 - ロジスティック回帰(数値分類)モデルの作成
BigQuery MLを使い、BigQuery上のトレーニングデータで ロジスティック回帰(分類)のモデルを作成します。 - ARIMA+(時系列)モデルの作成【アルファ版】
BigQuery MLを使い、BigQuery上のトレーニングデータでARIMA+(時系列)のモデルを作成します。 - 物体検出結果簡易確認
画像(JPEG形式)の物体検出の結果を、簡易的に画像で確認できます。 - 物体検出(バッチ)
物体検出サービスのトレーニングで生成されたモデルを使って、指定画像(複数可)内のオブジェクトの検出ができます。 - 物体検出(オンライン)
物体検出サービスでトレーニングしたモデルを使って、指定された画像(1枚のみ)内にある複数のオブジェクトを検出します。 - 推論/予測に使用するタグの設定
モデルにタグを設定します。
Salesforce
Salesforceに関するブロック
- SOQLクエリーの実行
SalesforceのSOQLクエリーを実行して、結果を変数に格納します。 - SOQLクエリーの結果からGCSにファイル作成
SalesforceのSOQLクエリーを実行して、その結果をGCS上のファイルに出力します。 - レコードの追加
変数に格納されたレコードをSalesforceオブジェクトへ追加します。 - レコードの更新、無ければ追加
変数に格納されたレコードをSalesforceオブジェクトへ更新・追加します。 - 変数からAnalyticsへアップロード
変数に格納されたデータをEinstein Analyticsデータセットへアップロードします。 - Einstein画像認識【ベータ版】
SalesforceのEinstein Visionを使って画像認識を行います。
Google Cloud
Google Cloudに関するブロック
- GCEのVMインスタンスを起動
GCEのVMインスタンスを起動します。 - GCEのVMインスタンスを停止
GCEのVMインスタンスを停止します - Pub/Subパブリッシュ
Cloud Pub/Subのトピックにメッセージをパブリッシュします。 - GCSから変数へロード
GCS上のファイル内容を変数にロードします。 - 変数からGCSへアップロード
変数の内容をGCS上のファイルへアップロードします。 - GCSからファイルリスト取得
GCS上の特定バケット内のファイル一覧を取得して変数に格納します。 - GCSファイルコピー
GCS上の単一ファイルをコピーします。 - GCSマルチファイルコピー
GCS上のファイル群をコピーします。 - GCSファイル移動
GCS上のファイルを移動します。 - GCSファイル削除
GCS上のファイルやフォルダーを削除します。 - GCSからDriveへファイルコピー
GCS上のファイルを Googleドライブへコピーします。 - S3からGCSへファイルコピー
Amazon S3上の単一ファイルをGCSへコピーします。 - S3からGCSへ複数ファイルコピー
Amazon S3上の複数ファイルをGCSへコピーします。 - GCSからS3へ複数ファイルコピー
GCS上の複数ファイルをAmazon S3へコピーします。 - GCSファイル存在チェック
GCS上の複数ファイルの存在確認を行い、全て存在する場合は次のブロックへ進みます。存在しないものが1つでもあるとエラーとなり、カスタムエラーメッセージを表示します。 - シフトJISからUTF-8へ変換
文字コードがシフトJISのファイルを、文字コードがUTF-8のファイルへと変換します。 - 複数のGCSファイルをシフトJISからUTF-8へ変換
フォルダー内の文字コードがCP932(Windows版シフトJIS)の複数ファイルを、文字コードがUTF-8のファイルに変換して別のフォルダーへ格納します。 - GCSファイル結合
GCS上のファイルを結合します。 - GCSファイルにBOMを追加
GCS上のファイルにBOMを追加します。
Google Drive
Google Driveに関するブロック
- Googleドライブのアイテムを検索
Googleドライブ上のアイテム(ファイルやフォルダー)の一覧をログへ出力します。 - Googleドライブから変数へロード
Googleドライブ上のファイルを変数にロードします。 - Googleドライブのアイテムをコピー
Googleドライブ上のアイテム(GoogleスプレッドシートやPDFなどのファイル)を指定された場所にコピーします。 - Googleドライブのアイテムを削除
Googleドライブ上のアイテム(ファイルやフォルダー)を完全に削除します。 - Googleドライブのアイテムを共有
Googleドライブ上のアイテム(ファイルやフォルダー)を他のユーザーと共有します。 - スプレッドシートを作成
Googleドライブにスプレッドシートを作成します。 - クエリーの結果からスプレッドシートを作成
クエリーの結果から Googleドライブにスプレッドシートを作成します。 - スプレッドシートを更新
Googleドライブのスプレッドシートを更新します。 - クエリーの結果からスプレッドシートを更新
クエリーの結果から Googleドライブのスプレッドシートを更新します。 - スプレッドシートのデータ取得
Googleドライブのスプレッドシートの内容を変数に設定します。 - スプレッドシートのワークシートコピー
Googleスプレッドシート内の指定されたワークシートをコピーします。 - スプレッドシートからテーブルへロード
スプレッドシートのデータを BigQueryのテーブルにロードします。 - Googleドライブからテーブルへロード
Googleドライブ上のCSV形式ファイル内のデータをBigQueryのテーブルにロードします。 - DriveからGCSへファイルをコピー
Googleドライブ上のファイルをGCSへコピーします。 - スプレッドシート存在チェック【ベータ版】
Googleスプレッドシートのファイルおよび複数シートの存在を確認し、すべて存在する場合は次のブロックへ進みます。存在しないものが1つでもあるとエラーとなり、カスタムエラーメッセージを表示しフローが終了します。
Google Maps
Google Mapsに関するブロック
- 移動時間と距離を計算
出発地から目的地までの移動距離と所要時間を計算します。 - 住所を経緯度へ変換【アルファ版】
住所から経緯度を取得します。 - テーブルから住所を経緯度へ変換【アルファ版】
BigQueryテーブルに格納された住所から経緯度を取得します。 - 経緯度を住所へ変換【アルファ版】
経緯度から住所を取得します。 - 経緯度のタイムゾーンを取得【アルファ版】
特定の経緯度のタイムゾーンを取得します。 - 標高を取得【アルファ版】
1か所または複数場所の標高を取得します。 - 地点間の道順を計算
指定された地点間の最適な道順を計算します。 - 地点間の道順を計算しテーブルへロード【ベータ版】
指定された地点間(始点と終点)の最適な道順を計算します。道順の計算結果は、BigQueryテーブルに格納します。 - 移動経路のスナップを取得【アルファ版】
GPSの位置情報リスト(最大100地点)から、実際に通った可能性の高い近辺の道路にスナップした移動経路を取得します。 - 経緯度から近い区間を取得【アルファ版】
位置情報のリスト(最大100地点)から、各位置に近い道路を使用した移動経路を取得します。
Box
Boxに関するブロック
- Boxから変数へロード
Box上のファイルを読み取り、その内容を変数へロードします。 - 変数からBoxへアップロード
変数に格納されたデータをBoxへアップロードします。 - BoxからGCSへファイルをコピー
Box上のファイルをGCSへコピーします。
Watson
Watsonに関するブロック
- 自然言語分類器のリスト取得【ベータ版】
IBM Watson Natural Language Classifier APIのList classifiersをBLOCKSから利用できるようにしたものです。 - 自然言語分類器の作成とトレーニング【ベータ版】
IBM Watson Natural Language Classifier APIのCreate classifierをBLOCKSから利用できるようにしたものです。 - 自然言語分類器の状態取得【ベータ版】
IBM Watson Natural Language Classifier APIのGet information about a classifierをBLOCKSから利用できるようにしたものです。 - テキストの分類【ベータ版】
IBM Watson Natural Language Classifier APIの ClassifyをBLOCKSから利用できるようにしたものです。 - 自然言語分類器の削除【ベータ版】
IBM Watson Natural Language Classifier APIのDelete classifierをBLOCKSから利用できるようにしたものです。
SNS
SNSに関するブロック
- ツイート検索
検索キーワードを元にTwitterのツイートを検索します。
文書(限定公開)
文書をベクトル化し解析するブロック
- 言語を判定文書の言語を判定します。
- 単語に分割
文書を解析し、指定された品詞の種類に応じて単語列に分割します。 - 文書のベクトル化(TF-IDF)
TF-IDF方式で文書をベクトル化します。 - 文書のベクトル化(doc2vec)
doc2vec方式で文書をベクトル化します。 - 文書間のコサイン類似度を計算
文書間のコサイン類似度を計算します。 - 文書のクラスタリング(DBSCAN)
DBSCAN方式で文書をクラスタリングします。 - 文書のクラスタリング(k平均法)
k平均法 方式で文書をクラスタリングします。 - 単語数を計算
全文書中の単語数を計算します。 - 単語のベクトル化(word2vec)
文書内の単語をword2vec方式でベクトル化します。 - Janomeで日本語を単語に分割
Janomeという形態素解析器を使って、日本語の文書を解析し、単語列に分割します。
文書検索
Office
Officeに関するブロック
- Office 365からGCSへファイルをコピー【ベータ版】
Office 365上のファイルをGCSへコピーします。
提供データ
提供データを活用するブロック
- 気象データと結合【ベータ版】
既存のBigQueryテーブルと気象データを結合した新しい BigQueryテーブルを作成します。