Vorhersagemodellierungsfunktionen in Zeitreihenvisualisierungen
In diesem Dokument werden die erforderlichen Schritte zum Erweitern einer Zeitachse in die Zukunft beschrieben, damit Sie mithilfe von Vorhersagemodellierungsfunktionen Vorhersagen für zukünftige Datumsangaben treffen können.
Folgen Sie dem Beispiel unten, um zu erfahren, wie Sie dabei vorgehen.
Schritt 1: Erstellen einer Visualisierung
Stellen Sie in Tableau Desktop eine Verbindung zur standardmäßig in Tableau enthaltenen gespeicherten Datenquelle Beispiel – Superstore her.
Navigieren Sie zum Arbeitsblatt Blatt1.
Ziehen Sie aus dem Bereich "Daten" die Dimension Bestelldatum in den Spalten-Container.
Öffnen Sie das Kontextmenü der Maßnahme, um die Listenebene in Monat und Jahr zu ändern:
- Ziehen Sie Gewinn in den Container "Zeilen".
Schritt 2: Erstellen einer Vorhersageberechnung
Klicken Sie oben, um das Menü Analyse zu öffnen, und wählen Sie dann Berechnetes Feld erstellen aus.
Gehen Sie im "Berechnungseditor" wie folgt vor:
Benennen Sie die Berechnung: Quantil für durchschnittliche Gewinnvorhersage.
Geben Sie die folgende Formel ein:
MODEL_QUANTILE(0.5, SUM([Profit]),ATTR(DATETRUNC('month', [Order Date])))
Die MODEL_QUANTILE-Funktion verwendet ein bestimmtes Quantil und sagt Werte basierend auf den von Ihnen eingegebenen Prädiktoren voraus. In diesem Fall ist das Quantil 0,5, was den Median vorhersagt. Wir möchten den Gewinn vorhersagen, also lautet der Zielausdruck SUM([Profit]). Da die Vorhersage auf der vergangenen Leistung basieren soll, müssen wir das Datum als Prädiktor einbeziehen.
Hinweis: Bei den Vorhersagemodellierungsfunktionen können Sie keine aggregierten und nicht aggregierten Argumente mischen. Da der Zielausdruck ein Aggregat sein muss, gilt dies auch für den Prädiktor. In diesem Fall haben wir ATTR(DATETRUNC('month', [Order Date])) verwendet. Weitere Informationen zur Verwendung von ATTR-Funktionen finden Sie unter Verwenden der Attribut(ATTR)-Funktion.Klicken Sie auf OK, wenn Sie fertig sind.
Die Vorhersageberechnung wird nun als berechnetes Feld im Datenbereich hinzugefügt.
Schritt 3: Hinzufügen der Vorhersageberechnung zur Ansicht
Ziehen Sie die Vorhersageberechnung in den Zeilen-Container rechts neben SUM(Profit).
Klicken Sie mit der rechten Maustaste (bzw. bei Mac-Computern bei gedrückter Control-Taste) auf die Maßnahme und wählen Sie Doppelachse aus.
Wenn Sie die beiden Achsen in einem Diagramm mit Doppelachse ausrichten möchten, um den gleichen Maßstab verwenden zu können, klicken Sie mit der rechten Maustaste (Ctrl + Mausklick auf einem Mac) auf die sekundäre Achse (in diesem Fall Quantil für durchschnittliche Gewinnvorhersage), und wählen Sie Achse synchronisieren aus. Dadurch wird der Maßstab der beiden Achsen ausgerichtet.
Schritt 4: Erweitern des Datumsbereichs und Verdichten der Daten
Der letzte Schritt besteht darin, die horizontale Achse in die Zukunft zu erweitern, sodass Sie Markierungen über den aktuellen Datumsbereich hinaus hinzufügen können.
Öffnen Sie dazu einfach das Kontextmenü des Felds MONTH(Order Date) und wählen Sie Datumsbereich erweitern aus.
Im Dialogfeld "Datumsbereich erweitern", erweitern Sie die Achse um 16 Monate:
Tableau hat die Ansicht automatisch aktualisiert, indem die horizontale Achse erweitert wurde, und integriert Vorhersagen zu diesen zukünftigen Datumsangaben:
Beachten Sie, dass sich die blaue Gewinnlinie nicht bis zum Ende des Diagramms erstreckt. Die orangefarbene Linie, die die Vorhersageberechnung darstellt, Quantil für durchschnittliche Gewinnvorhersage, erstreckt sich jedoch bis zum Ende des Diagramms. Die Berechnung der Gewinnprognose anhand von zukünftigen Daten ist ein Beispiel für die Datenverdichtung, die auftritt, wenn Tableau zusätzliche Markierungen in der Ansicht erstellt, um fehlende Werte zu kompensieren. Der zugrunde liegenden Datenquelle werden keine Daten hinzugefügt. Es werden lediglich Markierungen generiert und der Ansicht hinzugefügt.
Weitere Informationen zur Datenverdichtung finden Sie in diesem Beitrag zur Datenverdichtung(Link wird in neuem Fenster geöffnet) (Data Densification Using Domain Completion and Domain Padding) aus Data + Science(Link wird in neuem Fenster geöffnet).