Configurare le impostazioni di Storie basate sui dati di Tableau: analisi

Modifiche importanti della funzionalità Storie basate sui dati di Tableau

La funzionalità Storie basate sui dati di Tableau verrà ritirata in Tableau Desktop, Tableau Cloud e Tableau Server nel gennaio 2025 (2025.1). Con i progressi nelle tecnologie di elaborazione del linguaggio naturale, stiamo sviluppando un’interfaccia migliorata che renderà più semplice porre domande sui dati e rimanere aggiornato sulle modifiche. Per maggiori informazioni, consulta Come Tableau Pulse basato su Tableau AI sta ridefinendo l’esperienza dei dati(Il collegamento viene aperto in una nuova finestra).

All’interno della tua storia basata sui dati di Tableau, puoi scegliere le analisi sulle quali scrivere e quando scrivere tali analisi. Sono disponibili diversi tipi di analisi a seconda del tipo di storia e del numero di dimensioni e misure della tua storia. Tuttavia, le analisi non sono attualmente supportate per i tipi di storie con grafici a dispersione. Per ulteriori informazioni, consulta Scegliere il tipo di storie più adatto per la Storia basata sui dati di Tableau.

Configurare le analisi per la storia

  1. Aggiungere una storia basata sui dati a una dashboard.
  2. Dalla dashboard, fai clic sull’icona Impostazioni nell’angolo in alto a sinistra dell’oggetto Storia basata sui dati.
  3. Nella finestra di dialogo Storia basata sui dati fai clic sulla scheda Analisi.
  4. Fai clic sugli interruttori per attivare i diversi tipi di analisi.
  5. Per Segmenti e Linea di tendenza espandi Impostazioni per impostare le soglie per l’esecuzione di queste analisi.
  6. Fai clic su Salva.

Comprendere i diversi tipi di analisi

Correlazione

Utilizza Correlazione per identificare le reali correlazioni statistiche tra due serie. Se sono presenti più di due serie, vengono analizzate tutte le combinazioni per determinare le correlazioni. Ad esempio, puoi attivare Correlazione per identificare quando due prodotti vengono spesso acquistati insieme.

Clustering

Utilizza Clustering per identificare gruppi distinti di punti dati (cluster) utilizzando un’unica analisi statistica. Ad esempio, puoi attivare Clustering per identificare quando un prodotto è molto popolare in una specifica area geografica.

Distribuzione

Utilizza Distribuzione per classificare i punti dati l’uno rispetto all’altro utilizzando osservazioni non statistiche, come media, mediana, asimmetria e così via. Ad esempio, puoi attivare Distribuzione per identificare quale prodotto ha il rapporto di profitto più alto.

Segmenti

Utilizza Segmenti per evidenziare le modifiche significative ai punti dati all’interno di una serie. Innanzitutto, imposta la percentuale minima di modifica per cui eseguire la scrittura in un segmento. Le modifiche al di sotto della soglia definita non vengono scritte. Ad esempio, se imposti la soglia del segmento per le modifiche superiori al 60%, la storia non eseguirà la scrittura di un calo in una serie temporale che presenta una diminuzione del 30%.

Dopo aver impostato la soglia, scegli se applicare la formattazione e imposta la percentuale minima di modifica per cui desideri applicarla.

Linea di tendenza

Utilizza Linea di tendenza per calcolare una linea di tendenza lineare e identificare i dati che rientrano in una determinata percentuale di confidenza. I dati con un’elevata variabilità hanno un livello di confidenza inferiore rispetto ai dati più coerenti e tale livello di confidenza influisce sulla scrittura delle linee di tendenza. Puoi utilizzare le linee di tendenza per le storie che hanno una dimensione e una misura oppure in un drill-down. Per maggiori informazioni sui drill-down, consulta Configurare le impostazioni della Storia basata sui dati di Tableau. Narrazione.

Imposta la percentuale minima di confidenza per la linea di tendenza. Se imposti la soglia al 95%, ma una linea di tendenza potrebbe essere tracciata con una confidenza del 90%, la storia non eseguirà la scrittura della linea di tendenza. Dopo aver impostato la soglia, scegli se applicare la formattazione. Imposta quindi la percentuale minima di modifica per cui desideri applicarla.

Le Storie basate sui dati di Tableau relative alle linee di tendenza comunicano il cambiamento assoluto in un periodo. La storia scritta sulla linea di tendenza varia a seconda del livello di dettaglio che hai impostato per la storia. Se la storia utilizza un livello di dettaglio elevato, verrà eseguita la scrittura del valore R al quadrato, che è un concetto statistico che quantifica quanto bene si adattano i dati alla linea di tendenza. Per maggiori informazioni sulle impostazioni del livello di dettaglio, consulta Configurare le impostazioni della Storia basata sui dati di Tableau. Narrazione.

Nelle impostazioni Linea di tendenza puoi anche scegliere per quanti periodi futuri desideri che nella storia vengano scritte le previsioni. Quando utilizzi le previsioni, la storia utilizza la pendenza e l’intercetta della linea di tendenza per calcolare i valori previsti per i periodi futuri. La confidenza della previsione aggiunge i limiti superiore e inferiore alla soglia di confidenza impostata per le linee di tendenza. Puoi utilizzare le previsioni quando la storia contiene almeno 30 punti dati lineari.

Volatilità

Utilizza Volatilità per analizzare le deviazioni standard nel tempo. Ad esempio, utilizza Volatilità quando vuoi che nella storia venga eseguita la scrittura dei valori che non rientrano nell’intervallo medio per i dati.

Analizzare il modo in cui vengono utilizzate le analisi per generare le storie

A questo punto, ti starai chiedendo come funzionano le analisi per i diversi tipi di storie. Diamo un’occhiata a un esempio per ogni tipo di storia e analizziamo ogni frase della storia.

Comprendere le analisi per le storie discrete

Poiché le storie continue misurano le tendenze nel tempo, Storie basate sui dati esegue la scrittura di prestazioni, progressione, medie, totali, serie, volatilità, segmenti e previsioni.

Il seguente esempio di una storia continua riguarda le vendite mensili:

Una storia di esempio con approfondimenti testuali sulle vendite mensili. Il testo di questa immagine è trascritto nella tabella seguente.

Storia di esempioScomposizione della storia
  • Le vendite medie sono state di 47.858 $ in tutti i 48 mesi.
  • Il valore minimo è stato di 4.520 $ (febbraio 2014) e il massimo è stato di 118.448 $ (novembre 2017).
Le prime due frasi utilizzano le funzioni di media e intervallo per scrivere i valori medio, massimo e minimo nel periodo preso in esame.
  • Le vendite sono aumentate del 489% nel corso della serie, ma si sono concluse con una tendenza al ribasso, diminuendo nell’ultimo mese.
La terza frase riguarda le prestazioni complessive della misura nel periodo. Ad esempio, una frase può indicare se le vendite sono aumentate, diminuite o hanno avuto un andamento diverso durante un periodo specifico.
  • Il maggiore incremento singolo su base percentuale si è verificato a marzo 2014 (+1.132%). Tuttavia, il maggiore incremento singolo su base assoluta si è verificato a settembre 2014 (+53.868 $).
La quarta frase utilizza l’analisi della progressione. Questa frase esegue la scrittura del maggiore aumento e della maggiore diminuzione in base alla misura durante il periodo, utilizzando sia una base percentuale che una base assoluta.
  • Delle tre serie, la relazione più significativa è stata tra Corporate e Home Office, con una correlazione moderatamente positiva, che suggerisce che all’aumentare di una (Corporate), generalmente aumenta anche l’altra (Home Office) o viceversa.
Questa frase offre informazioni sulla correlazione. Questo tipo di informazioni analitiche esegue la scrittura di correlazioni significative tra diverse serie nei dati.
  • Le vendite hanno sperimentato una ciclicità, con un ciclo che si ripete ogni 12 mesi circa. Si è verificato anche uno schema di cicli più piccoli che si sono ripetuti ogni tre mesi circa.
  • Le vendite hanno avuto un picco positivo significativo tra ottobre 2014 (31.453 $) e febbraio 2015 (11.951 $), aumentando a 78.629 $ a novembre 2014.
Questa frase offre informazioni relative al segmento. Questo tipo di informazioni analitiche esegue la scrittura di aumenti e diminuzioni significativi nel tempo.
  • La tendenza lineare complessiva della serie è aumentata a 902 $ al mese per un cambiamento assoluto di 42.394 $ nel corso della serie. Se questa tendenza continua per il prossimo mese, le vendite previste saranno di circa 69.958 $.
Questa frase offre informazioni relative alla linea di tendenza. Questo tipo di informazioni analitiche esegue la scrittura di come le tendenze si adattano ai dati con una certa percentuale di confidenza e le linee di tendenza consentono di formulare previsioni basate sulle tendenze storiche.

Comprendere le analisi per le storie discrete

Poiché le storie discrete consentono di confrontare i valori e comprendere la distribuzione dei dati, la storia esegue la scrittura di distribuzione, medie, totali e raggruppamenti o cluster nei dati.

Il seguente esempio di una storia discreta riguarda le vendite per prodotto:

Una storia di esempio con approfondimenti testuali sulle vendite per prodotto. Il testo di questa immagine è trascritto nella tabella seguente.

Storia di esempioScomposizione della storia
  • Le vendite totali sono di 2,3 milioni di dollari per tutti i 17 prodotti.
La prima frase calcola il valore totale della misura.
  • Le vendite di 2,3 milioni di dollari sono state determinate da Telefoni Con 330.007 $, Sedie con 328.449 $ e Archiviazione con 223.844 $.
La seconda frase esegue la scrittura dei driver della dimensione. In questo esempio, i driver della dimensione sono i prodotti che hanno contribuito maggiormente alle vendite totali.
  • La distribuzione risulta asimmetrica positivamente poiché la media di 135.129 $ è maggiore della mediana di 114.880 $.
  • Le vendite sono relativamente concentrate con il 78% del totale rappresentato da otto dei 17 prodotti (47%).
La terza e la quarta frase analizzano la distribuzione dei dati. Vengono esaminate le medie, le mediane, la concentrazione dei dati (se presente) e l’asimmetria dei dati. Questo aiuta a identificare quanto sono equilibrate queste variabili raggruppate quando vengono confrontate tra loro.
  • I primi due prodotti si combinano per oltre un quarto (29%) delle vendite complessive.
Questa frase usa il clustering per eseguire la scrittura delle misure che possono essere raggruppate. Questo aiuta a identificare se sono presenti gruppi distinti che si distinguono nei dati.
  • Telefoni (330.007 $) è più del doppio della media dei 17 prodotti.
La frase finale esegue la scrittura degli outlier significativi.

Comprendere le analisi per le storie con grafici a dispersione

I tipi di storie con grafici a dispersione sono particolarmente adatti per comprendere la relazione tra due misure. Per tale motivo, le storie con grafici a dispersione richiedono 2-3 misure. L’analisi del grafico a dispersione esegue la scrittura della relazione (regressione) tra due misure e dei gruppi (cluster) all’interno dei dati, se presenti.

L’esempio seguente di una storia con grafico a dispersione riguarda il profitto e le vendite in una dimensione:

Una storia di esempio con approfondimenti testuali su profitti e vendite. Il testo di questa immagine è trascritto nella tabella seguente.

Storia di esempioScomposizione della storia
  • Con l’incremento della quantità e dei profitti, le vendite sono aumentate sulla base dei dati forniti. In particolare, quando la quantità è aumentata di 1, le vendite sono aumentate di 49,55 $ e quando il profitto è aumentato di 1,00 $, le vendite sono aumentate di 1,20 $.
  • Pochi clienti si sono discostati da questa relazione generale, indicando un buon adattamento.
Le prime due frasi sono basate sull’analisi della regressione. La regressione mostra come una misura influisce su un’altra. Nella prima frase la storia ha identificato una relazione tra profitto e vendite.
  • Organizzando i dati in base a gruppi di profitti, quantità e valori di vendita simili, spicca un gruppo distinto. 651 clienti hanno presentato valori di profitto compresi tra - 6.626 $ e 1.488 $, quantità tra 2 e 122 e vendite tra 4,83 $ e 5.690 $.
La terza frase deriva dal clustering. L’analisi del clustering tenta di identificare i gruppi o i cluster chiave in tutte le variabili nei dati.
  • Tamara Chand, Raymond Buch e Sanjit Chand, tra gli altri, hanno rappresentato outlier con profitti e valori di vendita elevati. Sean Miller si è distinto con un basso profitto e un alto valore delle vendite.
La quarta frase esegue la scrittura degli outlier, ovvero i valori significativamente al di sopra o al di sotto della media.
  • Il valore minimo del profitto è -6.626 $ (Cindy Stewart) e il valore massimo è 8.981 $ (Tamara Chand), una differenza di 15.608 $. Il profitto medio per cliente è di 361 $ e la mediana è di 228 $.
  • Il valore minimo per la quantità è 2 (Anthony O’Donnell) e il valore massimo è 150 (Jonathan Doherty), una differenza di 148. La quantità media per cliente è 47,76 e la mediana è 44.
  • La distribuzione delle vendite varia da 4,83 $ (Thai Sissman) a 25.043 $ (Sean Miller), una differenza di 25.038 $. Le vendite medie per cliente sono 2.897 $ e la mediana è 2.256 $.
Le frasi rimanenti per le storie con grafici a dispersione utilizzano l’analisi dell’intervallo e della media per fornire informazioni.

Comprendere le analisi per la percentuale di intere storie

I tipi con percentuale di intere storie rappresentano la soluzione migliore per capire quale parte di un tutto rappresenta una dimensione o una misura.

Il seguente esempio di una percentuale dell’intera storia riguarda le vendite per segmento:

Una storia di esempio con approfondimenti testuali sulle vendite per segmento. Il testo di questa immagine è trascritto nella tabella seguente.

Storia di esempioScomposizione della storia
  • Il valore totale di SUM(Vendite) è di 2,3 milioni per tutte e tre le entità.

La prima frase calcola il valore totale della misura.
  • Il valore di SUM(Vendite) di 2,3 milioni è stato determinato da Consumer con 1,2 milioni, Corporate con 706.146 e Home Office con 429.653.

La seconda frase esegue la scrittura dei driver. In questo esempio, i driver sono i segmenti che hanno contribuito maggiormente alle vendite totali.
  • Il valore minimo è 429.653 (Home Office) e il massimo è 1,2 milioni (Consumer), una differenza di 731.748, con una media di 765.734.
L’ultima frase analizza la distribuzione dei dati.