Konfigurera inställningar för Tableau-databerättelser: Analys

Viktiga ändringar för Tableau Databerättelser

Tableau Databerättelser kommer att avvecklas Tableau Desktop, Tableau Cloud och Tableau Server i januari 2025 (2025.1). Tack vare framsteg inom tekniken för naturligt språk kan vi utveckla ett förbättrat gränssnitt, där det är enklare att ställa frågor om data och hålla koll på förändringar. Mer information finns i blogginlägget How Tableau Pulse powered by Tableau AI is Reimagining the Data Experience(Länken öppnas i ett nytt fönster) (på engelska).

I Tableau-databerättelsen kan du välja vilken analys du vill skriva om och när dessa analyser skrivs om. Olika typer av analyser är tillgängliga beroende på berättelsetypen och på hur många dimensioner och mätvärden berättelsen har. Analyser för berättelser av punktdiagramstyp stöds dock inte för tillfället. Mer information finns i Välja rätt berättelsetyp för din Tableau-databerättelse.

Konfigurera analyser för din berättelse

  1. Lägg till en Tableau-databerättelse till en instrumentpanel.
  2. Från instrumentpanelen klickar du på ikonen Inställningar i det övre vänstra hörnet av Databerättelse-objektet.
  3. Klicka på fliken Analys i dialogrutan Databerättelse.
  4. Klicka på reglagen för att aktivera olika typer av analyser.
  5. För Segment och Trendlinje expanderar du Inställningar för att ange tröskelvärden för att utföra dessa analyser.
  6. Klicka på Spara.

Förstå olika typer av analyser

Korrelation

Använd Korrelation för att identifiera sanna statistiska korrelationer mellan två serier. Om du har fler än två serier analyseras alla kombinationer för korrelationer. Du kan till exempel aktivera Korrelation för att identifiera när två produkter ofta köps tillsammans.

Klustring

Använd Klustring för att identifiera distinkta grupper av datapunkter (kluster) med en enda statistisk analys. Du kan till exempel aktivera Klustring för att identifiera när en produkt är mycket populär i en specifik geografisk region.

Fördelning

Använd Distribution för att rangordna datapunkter i förhållande till varandra med hjälp av icke-statistiska observationer, som medelvärde, median, skevhet osv. Du kan till exempel aktivera Distribution för att identifiera vilken produkt som har högst vinstkvot.

Segment

Använd Segment för att framhäva anmärkningsvärda ändringar av datapunkter inom en serie. Ställ först in den minsta procentuella förändringen som du vill att det ska skrivas om i ett segment. Det skrivs inte om ändringar som faller under det angivna tröskelvärdet. Om du till exempel ställer in segmentströskeln för ändringar som är större än 60 %, så skriver inte berättelsen om dalar i en tidsserie som har en minskning med 30 %.

När du har ställt in tröskelvärdet väljer du om du vill Tillämpa formatering och ställer in den minsta procentandelen av ändringar som du vill formatera.

Trendlinje

Använd Trendlinje för att beräkna en linjär linje som passar och identifiera data som faller inom en definierad procentandel av konfidens. Data som har hög variabilitet har en lägre konfidensnivå än data som är mer konsekvent, och den konfidensnivån påverkar om det skrivs om trendlinjer. Du kan använda trendlinjer för berättelser som har en dimension och ett mätvärde, eller så kan du använda trendlinjer när du går nedåt i detaljnivån. Mer information om hur du går nedåt i detaljnivån finns i Konfigurera inställningar för Tableau-databerättelse: Berättelse.

Ange minsta procentandel av konfidens för din trendlinje. Om du ställer in tröskelvärdet på 95 %, men en trendlinje kan dras med 90 % konfidens, så skriver berättelsen inte om trendlinjer. När du har ställt in tröskelvärdet väljer du om du vill tillämpa formatering. Ställ sedan in den minsta procentandel av förändringar som du vill ska formateras.

Tableau-databerättelser om trendlinjer kommunicerar den absoluta förändringen under en period. Berättelsen som skrivs om trendlinjen varierar beroende på nivån av utförlighet du anger för berättelsen. Om berättelsen använder hög utförlighet, så skriver berättelsen om R-kvadratvärdet, vilket är ett statistiskt koncept som kvantifierar hur väl data passar trendlinjen. Mer information om utförlighetsinställningar finns i Konfigurera inställningar för Tableau-databerättelse: Berättelse.

I inställningarna för trendlinje kan du också välja hur många perioder in i framtiden som du vill att berättelsen ska skriva förutsägelser för. När du använder förutsägelser använder berättelsen lutningen och skärningen av trendlinjen för att beräkna förutsedda värden för framtida perioder. Förutsägelsens konfidens lägger till övre och nedre gränser för konfidensintervallet du anger för trendlinjer. Du kan använda förutsägelser när berättelsen har minst 30 datapunkter som är linjära.

Volatilitet

Använd Volatilitet för att analysera standardavvikelser över tid. Använd till exempel Volatilitet när du vill att berättelsen ska skriva om värden som faller utanför det genomsnittliga dataintervallet.

Visa hur analyser används för att generera berättelser

Vid det här laget kanske du undrar hur analysen för olika berättelsetyper fungerar. Låt oss ta en titt på ett exempel för varje berättelsetyp och analysera varje mening i berättelsen.

Förstå analyser för diskreta berättelser

Eftersom kontinuerliga berättelser mäter trender över tid skriver Databerättelser om prestanda, framsteg, medelvärden, totaler, sviter, volatilitet, segment och förutsägelser.

Följande exempel på en kontinuerlig berättelse handlar om försäljning per månad:

En exempelberättelse med textinsikter om försäljning per månad. Texten i den här bilden är transkriberad i följande tabell.

ExempelberättelseBerättelseuppdelning
  • Den genomsnittliga försäljningen var 47 858 USD under alla 48 månader.
  • Det lägsta värdet var 4 520 USD (februari 2014) och det högsta värdet var 118 448 USD (november 2017).
De två första meningarna använder medelvärdes- och intervallfunktioner för att skriva om medel-, max- och minimivärden under perioden du analyserar.
  • Försäljningen ökade med 489 % under loppet av serien, men slutade med en nedåtgående trend som minskade under den sista månaden.
Den tredje meningen handlar om det övergripande resultatet av åtgärden under perioden. En mening kan till exempel handla om huruvida försäljningen ökade, minskade eller trendade annorlunda under en viss period.
  • Den största enskilda ökningen på procentuell basis inträffade i mars 2014 (+1 132 %). Den största enskilda ökningen på absolut basis inträffade dock i september 2014 (+53 868 USD).
Den fjärde meningen använder framstegsanalys. Denna mening skriver om den största ökningen och minskningen baserat på måttet under perioden med både procentuell och absolut basis.
  • Av de tre serierna var det starkaste sambandet mellan Företag och Hemmakontor, som hade en måttlig positiv korrelation, vilket tyder på att när den ena (Företag) ökar, gör den andra (Hemmakontor) i allmänhet det också, eller vice versa.
Denna mening är en korrelationsinsikt. Denna typ av analytisk insikt skriver om anmärkningsvärda korrelationer mellan olika serier i data.
  • Försäljningen upplevde cyklikalitet och upprepade varje cykel ungefär var tolfte månad. Det fanns också ett mönster av mindre cykler som upprepades ungefär var tredje månad.
  • Försäljningen hade en betydande positiv topp mellan oktober 2014 (31 453 USD) och februari 2015 (11 951 USD), och steg till 78 629 USD i november 2014.
Den här meningen är en segmentinsikt. Denna typ av analytisk insikt skriver om anmärkningsvärda ökningar och minskningar över tid.
  • Den övergripande linjära trenden för serien steg till 902 USD per månad för en absolut förändring på 42 394 USD under seriens gång. Om denna trend fortsatte under den kommande månaden förutspås försäljningen bli cirka 69 958 USD.
Den här meningen är en trendlinjeinsikt. Denna typ av insikt skriver om hur väl trender passar data med en viss procentandel av konfidens, och med trendlinjer kan du göra förutsägelser baserade på historiska trender.

Förstå analyser för diskreta berättelser

Eftersom diskreta berättelser låter dig jämföra värden och förstå fördelningen av data skriver berättelsen om fördelning, medelvärden, totaler och grupperingar eller kluster över data.

Följande exempel på en diskret berättelse handlar om försäljning per produkt:

En exempelberättelse med textinsikter om försäljning per produkt. Texten i den här bilden är transkriberad i följande tabell.

ExempelberättelseBerättelseuppdelning
  • Den totala försäljningen är 2,3 miljoner USD för alla 17 produkter.
Den första meningen beräknar det totala värdet av måttet.
  • Försäljningen på 2,3 miljoner USD drevs av Telefoner med 330 007 USD, stolar med 328 449 USD och Lagring med 223 844 USD.
Den andra meningen skriver om dimensionsdrivkrafterna. I det här exemplet är dimensionsdrivkrafterna de produkter som bidrog mest till den totala försäljningen.
  • Fördelningen är positivt skev eftersom genomsnittet på 135 129 USD är större än medianen på 114 880 USD.
  • Försäljningen är relativt koncentrerad med 78 % av totalen representerad av 8 av de 17 produkterna (47 %).
Den tredje och fjärde meningen analyserar fördelningen av data. Detta analyserar medelvärden, medianer, koncentration av data (om någon sådan finns) och hur data är skeva. Detta hjälper till att identifiera hur balanserade dessa grupperade variabler är jämfört med varandra.
  • De två bästa produkterna står sammanlagt för över en fjärdedel (29 %) av den totala försäljningen.
Den här meningen använder klustring för att skriva om åtgärder som kan grupperas. Detta hjälper till att identifiera om det finns distinkta grupper som sticker ut i data.
  • Telefoner (330 007 USD) är mer än två gånger större än genomsnittet för de 17 produkterna.
Den sista meningen skriver om anmärkningsvärda utstickare.

Förstå analyser för punktdiagramsberättelser

Punktdiagramsberättelser används bäst för att förstå sambandet mellan två mätvärden, och av den anledningen kräver punktdiagramsberättelser 2–3 mätvärden. Punktdiagramsanalysen skriver om sambandet (regression) mellan två mätvärden, och den skriver om grupper (kluster) inom data, om sådana finns.

Följande exempel på en punktdiagramsberättelse handlar om vinst och försäljning över en dimension:

En exempelberättelse med textinsikter om vinst och försäljning. Texten i den här bilden är transkriberad i följande tabell.

ExempelberättelseBerättelseuppdelning
  • I takt med att kvantiteten ökade och vinsten ökade, ökade försäljningen baserat på de uppgifter som lämnats. Närmare bestämt, när kvantiteten ökade med 1 ökade försäljningen med 49,55 USD, och när vinsten ökade med 1,00 USD ökade försäljningen med 1,20 USD.
  • Få kunder avvek från detta allmänna förhållande, vilket tyder på bra överensstämmande.
De två första meningarna drivs av regressionsanalys. Regression visar hur ett mätvärde påverkar ett annat. Lägg märke till att i den första meningen har berättelsen identifierat ett samband mellan vinst och försäljning.
  • Vid sortering i grupper med liknande vinst, kvantitet och försäljningsvärde sticker en distinkt grupp ut. Det fanns 651 kunder som hade vinstvärden mellan -6 626 och 1 488 USD, en kvantitet mellan 2 och 122 och försäljning mellan 4,83 och 5 690 USD.
Den tredje meningen härrör från klustring. Klusteranalys försöker identifiera viktiga grupper eller kluster över alla variabler i data.
  • Tamara Chand, Raymond Buchoch Sanjit Chandvar, bland andra, utstickare med höga vinst- och försäljningsvärden. Sean Miller stack ut med låg vinst och högt försäljningsvärde.
Den fjärde meningen är skriven om utstickare – värden som ligger betydligt över eller under genomsnittet.
  • Minsta vinstvärde är -6 626 USD (Cindy Stewart) och det högsta värdet är 8 981 USD (Tamara Chand), en skillnad på 15 608 USD. Den genomsnittliga vinsten per kund är 361 USD och medianen är 228 USD.
  • Minsta kvantitetsvärde är 2 (Anthony O'Donnell) och maxvärdet är 150 (Jonathan Doherty), en skillnad på 148. Den genomsnittliga kvantiteten per kund är 47,76 och medianen är 44.
  • Fördelningen av försäljningen sträcker sig från 4,83 USD (Thais Sissman) till 25 043 USD (Sean Miller), en skillnad på 25 038 USD. Den genomsnittliga försäljningen per kund är 2 897 USD och medianen är 2 256 USD.
De återstående meningarna för punktdiagramsberättelser använder intervalls- och genomsnittsanalys för att skriva insikter.

Förstå analyser för procent av hela berättelser

Procent av hela berättelsetyper är bäst för att förstå vilken del av en helhet en dimension eller ett mätvärde representerar.

Följande exempel på en procentandel av hela berättelsen handlar om försäljning per segment:

En exempelberättelse med textinsikter om försäljning per segment. Texten i den här bilden är transkriberad i följande tabell.

ExempelberättelseBerättelseuppdelning
  • Total SUM(Försäljning) är 2,3 miljoner för alla tre enheter.

Den första meningen beräknar det totala värdet av måttet.
  • SUM(Försäljning) på 2,3 miljoner drevs av Kund med 1,2 miljoner, Företag med 706 146 och Hemmakontor med 429 653.

Den andra meningen skriver om drivkrafter. I det här exemplet är drivkrafterna segment som bidrog mest till den totala försäljningen.
  • Minsta värdet är 429 653 (Hemmakontor) och maxvärdet är 1,2 miljoner (Kund), en skillnad på 731 748, i genomsnitt 765 734.
Den sista meningen analyserar fördelningen av data.