Vissza

Tableau analitikai képességei

  Mihály Kávási

  2017.06.13. 9:00

 

Analytics PaneEbben a blog posztban a Tableau beépített analitikai képességeit szeretném megmutatni.

Amikor elkezdjük felfedezni a rendelkezésre álló adatainkat vagy prezentálni szeretnénk a döntéshozók számára fontos felfedezéseinket akkor nagyon hasznosak lehetnek a Tableau-nak ezek a funkciói.

A képen láthatóak a jelenlegi verzióban (10.2) elérhető képességek.

Ezekből néhányan meg is mutatok részletesen, nevezetesen:

  • Átlag és totál érték számítás
  • Trend számítás
  • Csoportosítás (Klaszterezés)
  • Box Plot (magyar elnevezése nincsen

A használatuk nagyon egyszerű, amikor szeretnénk ezeket az értékeket használni, akkor csak „drag-and-drop” módon rá kell húznunk a kiválasztott analitikát a vizualizációnkra.

A Tableau segít abban, hogy elszürkíti azokat a lehetőségeket, amiket az adott vizualizációnál nem tudunk használni.

 

 

Átlag és Totál érték számítás

Ez akkor kifejezetten hasznos, ha több szintű csoportosítást használunk az elemzésünk során.

A jelenlegi képen régiók és azon belül országonkénti internet használati arányokat jelenítünk meg. Ahhoz hogy lássuk, hogy az egyes régiók hogyan viszonyulnak egymáshoz átlagos internet használati arányokban az Average Line-t tudjuk használni.

Kiválasztás után meg kell mondanunk, hogy az átlagot mi mentén számolja. Ebben az esetben a Pane-t kell választanunk, mert a Régiónkénti átlagra vagyunk kíváncsiak.

 

A következő lépésben pedig szeretnénk megkapni az összes ország átlagát. Ehhez például a Constant Line-t.tudjuk használni választanunk majd behúzás után a vonalra kattintva a felugró listából az Edit opciót válasszuk.

Itt módosíthatjuk azt az Y koordinátát, ahol a vonal megjelenik. Az lenti képen látható beállítással, meg kapjuk a kívánt értéket.

A szemfülesek biztos észrevették, hogy Average Line-nal is meg tudjuk oldani, ha a Table-t választjuk, az előző példa alapján. A Tableau-ban is mint sok más eszközben egy feladatot számtalan módon meg lehet oldani.

Trend számítás

A trend megmutatása sokszor nagyon hasznos, hiszen az adatok változékonysága miatt sokszor nem látszik egyértelműen, hogy merre is haladnak a folyamatok.

Vajon összességében növekszik az értékesítésünk, ügyfeleink száma, hibajegyek száma , stb. vagy csökken? A szezonalitás nagyon megzavarhatja a képet.

Ennek kiszámításához a Trend Line-t kell választanunk az elérhető analitikai tárházból.

Alapértelmezetten Lineáris trendet számol ki a Tableau, de ezt van lehetőségünk átállítani.

Leggyakrabban a Lineáris vagy Polinomiális model választása javasolt, de érdemes kísérletezni, hogy lássuk, hogy mit ad ki az egyes számítási módok esetén a mi adatainkra.

Jelen esetben a választásunk azért esett a polinomiális modelre, mert a lineáris nem tudja megmutatni azt, hogyha a trendben időközben történt változás. Mint például Közel-kelet eseténben a csökkenő trend átváltott enyhén növekvőbe.

Egy trend vonalra kattintással kiválaszhatjuk a Describe trend line… menüpontot, amiben részletes leírást kapunk a trend kiszámításával kapcsolatban.

Az Equation tartalmazza a képletet, ami alapján a trend vonal előáll.

Csoportosítás (Klaszterezés)

A klaszterezésnek az a haszna, hogy könnyebben beazonosíthatóvá teszi az össze tartozó értékeket (jelen esetben országokat) és megmutatja a kirívó eseteket is.

A csoportosítást az általunk megadott változók mentén végzi el a Tableau és annyi csoportot hoz létre amennyit megadunk. A változókat módosíthatjuk, nem csak a vizualizációban szereplő változók alapján lehet a csoportosítást elvégezni.

Itt lehet olvasni arról, hogyan számolja ki a Tableau modellje a csoportokat: http://onlinehelp.tableau.com/v10.2/pro/desktop/en-us/help.html#clustering_description.html

A K-közép (K-means) klaszter modellről még itt lehet információt találni.

Itt is megtalálható a Describe Clusters menü pont, ahol részletes információkat kapunk a létrehozott csoportokkal kapcsolatban és megérthetjük, hogy milyen különbségek alapján sorolta be a modell az egyes értékeket egy csoportba.

 

Box Plot

Ez az elemzési módszer kiválóan alkalmas egyes kategóriákban található értékek szórása közötti különbséget megjeleníteni.

Jelen esetben azt láthatjuk, hogy az üzleti környezet szempontjából Ázsia országai között lényegesen nagyobb eltérés van mind Európa országai között. Valamint, hogy Afrikában van néhány olyan ország, amelyik üzleti környezet szempontjából kiemelkedően teljesít a régió többi országához képest.

Ha az egeret a Box Plot felé helyezem, akkor megjeleni a leíró számsor:

 

·        Upper Whisker: Legnagyobb érték (kirívó értékek figyelembe vétele nélkül)

·        Upper Hinge: 3. kvartilis (értékek 75%-a kisebb ennél az értéknél)

·        Median: medián (értéken 50%-a nagyobb, 50%-a kisebb ennél az értéknél)

·        Lower Hinge: 1. kvartilis (értékek 25%-a kisebb ennél az értéknél)

·        Lower Whisker: Legkisebb érték (kirívó értékek figyelembe vétele nélkül)

 

 

Remélem hasznosnak találtátok ezt az összefoglalót.

Ha kipróbálnád magad élesben, minden Tableau termék esetében „free trial” áll rendelkezésre. Letöltheted, és a segítségével elkezdheted mélyebben megismerni saját adataidat.

Amennyiben pedig továbblépnél és szeretnéd ezekből a lehetőségekből a mindennapi munkában minél többet hasznosítani, keress fel minket az elérhetőségeink valamelyikén, és mi segítünk megtalálni azokat a területeket, ahol a legnagyobb üzleti hasznot realizálhatod egy ilyen eszköz használatával, természetesen szakmai támogatást nyújtunk a bevezetéshez.


   

Megjegyzések
Még nincsenek hozzászólások. Légy első!

Blog kategória

Címkefelhő

Bloggerek

Mihály Kávási
Bejegyzések: 9
Csillagok: 6
Dátum: 2017.11.20.
Kata Rozmis
Bejegyzések: 12
Csillagok: 12
Dátum: 2017.11.15.
György Retek
Bejegyzések: 6
Csillagok: 8
Dátum: 2017.10.30.
Zsolt Hajnalka
Bejegyzések: 2
Csillagok: 0
Dátum: 2017.06.01.
Bence Baranyás
Bejegyzések: 1
Csillagok: 1
Dátum: 2017.05.24.

Kapcsolat