Configurar los ajustes de Historias con datos: análisis

Cambios importantes en las historias con datos de Tableau

Historias con datos de Tableau se retirará en Tableau Desktop, Tableau Cloud, y Tableau Server en enero de 2025 (2025.1). Con los avances en las tecnologías del lenguaje natural, estamos desarrollando una interfaz mejorada que hará que sea más fácil hacer preguntas sobre sus datos y estar al tanto de los cambios. Para obtener más información, consulte Cómo Tableau Pulse con Tableau AI está reinventando la experiencia de los datos.(El enlace se abre en una ventana nueva)

Dentro de su historia con datos de Tableau, puede elegir sobre qué análisis escribir y cuándo escribir esos análisis. Hay diferentes tipos de análisis disponibles según su tipo de historia y cuántas dimensiones y medidas tiene su historia. Sin embargo, los análisis no se admiten actualmente para tipos de historias de diagramas de dispersión. Para obtener más información, consulte Elegir el tipo de historia adecuado para su historia con datos.

Configurar análisis para su historia

  1. Agregar una historia con datos de Tableau a un dashboard.
  2. Desde su dashboard, haga clic en el ícono de Configuración en la esquina superior izquierda de su objeto Historia con datos.
  3. En el cuadro de diálogo Historia con datos, haga clic en la pestaña Análisis.
  4. Haga clic en los interruptores para activar diferentes tipos de análisis.
  5. Para Segmentos y Línea de tendencia, expanda Configuración para establecer umbrales para realizar esos análisis.
  6. Haga clic en Guardar.

Comprender los diferentes tipos de análisis

Correlación

Utilice Correlación para identificar correlaciones estadísticas verdaderas entre dos series. Si tiene más de dos series, todas las combinaciones se analizan en busca de correlaciones. Por ejemplo, puede activar Correlación para identificar cuándo dos productos se compran juntos a menudo.

Agrupación

Utilice la agrupación en clústeres para identificar distintos grupos de puntos de datos (conglomerados) mediante un único análisis estadístico. Por ejemplo, puede activar la agrupación en clústeres para identificar cuándo un producto es muy popular en una región geográfica específica.

Distribución

Utilice Distribución para clasificar los puntos de datos entre sí utilizando observaciones no estadísticas, como la media, la mediana, el sesgo, etc. Por ejemplo, puede activar la Distribución para identificar qué producto tiene el índice de beneficio más alto.

Segmentos

Use Segmentos para resaltar cambios notables en puntos de datos dentro de una serie. Primero, establezca el porcentaje mínimo de cambio sobre el que desea que se escriba en un segmento. Los cambios que caen por debajo de su umbral definido no se mencionan. Por ejemplo, si establece el umbral de su segmento para cambios superiores al 60 %, entonces su historia no escribe sobre un punto mínimo en una serie temporal que presenta una disminución del 30 %.

Una vez que haya establecido su umbral, elija Aplicar formato y establezca el porcentaje mínimo de cambio que desea formatear.

Línea de tendencia

Utilice la línea de tendencia para calcular una línea de mejor ajuste lineal e identificar los datos que se encuentran dentro de un porcentaje definido de confianza. Los datos que tienen una alta variabilidad tienen un nivel de confianza más bajo que los datos que son más consistentes, y ese nivel de confianza afecta si se escriben las líneas de tendencia. Puede usar líneas de tendencia para historias que tienen una dimensión y una medida, o puede usar líneas de tendencia en un desglose. Para obtener más información acerca de los desgloses, consulte Configurar los ajustes de Historia con datos de Tableau: narrativa.

Establezca el porcentaje mínimo de confianza para su línea de tendencia. Si establece su umbral en 95 %, pero se puede dibujar una línea de tendencia con un 90 % de confianza, entonces su historia no escribe sobre líneas de tendencia. Una vez que haya establecido su umbral, elija si Aplicar formato. Luego establezca el porcentaje mínimo de cambio que desea formatear.

Historias con datos de Tableau sobre líneas de tendencia comunican el cambio absoluto durante un período. La historia escrita sobre su línea de tendencia varía según el nivel de detalle que establezca para su historia. Si su historia usa mucha verbosidad, entonces su historia escribe sobre el valor R-cuadrado, que es un concepto estadístico que cuantifica qué tan bien se ajustan sus datos a la línea de tendencia. Para obtener más información sobre la configuración de verbosidad, consulte Configurar los ajustes de Historia con datos de Tableau: narrativa.

Dentro de la configuración de la línea de tendencia, también puede elegir cuántos períodos en el futuro desea que su historia escriba predicciones. Cuando usa predicciones, su historia usa la pendiente y la intersección de la línea de tendencia para calcular los valores pronosticados para períodos futuros. La confianza de la predicción agrega límites superior e inferior al umbral de confianza que establece para las líneas de tendencia. Puede usar predicciones cuando su historia tiene al menos 30 puntos de datos que son lineales.

Volatilidad

Utilice la volatilidad para analizar las desviaciones estándar a lo largo del tiempo. Por ejemplo, use Volatilidad cuando desee que su historia escriba sobre valores que se encuentran fuera del rango promedio para sus datos.

Desglosar cómo se utilizan los análisis para generar historias

En este punto, es posible que se pregunte cómo funcionan los análisis para diferentes tipos de historias. Echemos un vistazo a un ejemplo para cada tipo de historia y analicemos cada oración de la historia.

Comprender el análisis para historias discretas

Debido a que las historias continuas miden las tendencias a lo largo del tiempo, Historias con datos escribe sobre rendimiento, progresión, promedios, totales, rachas, volatilidad, segmentos y predicciones.

El siguiente ejemplo de una historia continua es sobre las ventas por mes:

Una historia de ejemplo con información de texto sobre las ventas por mes. El texto de esta imagen se transcribe en la siguiente tabla.

Ejemplo de historiaDesglose de la historia
  • Las ventas promedio fueron de 47 858 $ en los 48 meses.
  • El valor mínimo fue de 4520 $ (febrero de 2014) y el máximo de 118 448 $ (noviembre de 2017).
Las primeras dos oraciones usan funciones de promedio y rango para escribir sobre los valores promedio, máximo y mínimo a lo largo del período que está analizando.
  • Las ventas aumentaron un 489 % en el transcurso de la serie, pero terminaron con una tendencia a la baja, disminuyendo en el último mes.
La tercera oración se refiere al rendimiento general de la medida durante el período. Por ejemplo, una oración puede referirse a si las ventas aumentaron, disminuyeron o tuvieron una tendencia diferente durante un período específico.
  • El mayor aumento individual en porcentaje se produjo en marzo de 2014 (+1132 %). Sin embargo, el aumento individual más grande en términos absolutos ocurrió en septiembre de 2014 (+53 868 $).
La cuarta oración utiliza el análisis de progresión. Esta oración escribe sobre el mayor aumento y disminución con base en la medida durante el período utilizando tanto una base porcentual como una base absoluta.
  • De las tres series, la relación más fuerte fue entre Corporate y Home Office, que tuvo una correlación positiva moderada, lo que sugiere que a medida que uno (Corporate) aumenta, el otro (Home Office) generalmente también lo hace, o viceversa.
Esta oración es una idea de correlación. Este tipo de información analítica escribe sobre correlaciones notables entre diferentes series en sus datos.
  • Las ventas experimentaron un carácter cíclico, repitiendo cada ciclo aproximadamente cada 12 meses. También hubo un patrón de ciclos más pequeños que se repetían cada tres meses.
  • Las ventas tuvieron un pico positivo significativo entre octubre de 2014 (31 453 $) y febrero de 2015 (11 951 $), aumentando a 78 629 $ en noviembre de 2014.
Esta oración es una percepción del segmento. Este tipo de información analítica escribe sobre aumentos y disminuciones notables a lo largo del tiempo.
  • La tendencia lineal general de la serie aumentó a 902 $ por mes para un cambio absoluto de 42 394 $ en el transcurso de la serie. Si esta tendencia continúa durante el próximo mes, se pronostica que las ventas rondarán los 69 958 $.
Esta frase es una idea de la línea de tendencia. Este tipo de información escribe sobre qué tan bien las tendencias se ajustan a sus datos con un cierto porcentaje de confianza, y las líneas de tendencia le permiten hacer predicciones basadas en tendencias históricas.

Comprender el análisis para historias discretas

Dado que las historias discretas le permiten comparar valores y comprender la distribución de los datos, la historia escribe sobre distribución, promedios, totales y agrupaciones o conglomerados en los datos.

El siguiente ejemplo de una historia discreta es sobre ventas por producto:

Una historia de ejemplo con información de texto sobre las ventas por producto. El texto de esta imagen se transcribe en la siguiente tabla.

Ejemplo de historiaDesglose de la historia
  • Las ventas totales son de 2,3 millones de dólares en los 17 productos.
La primera oración calcula el valor total de su medida.
  • Las Ventas de 2,3 millones de dólares fueron impulsadas por Teléfonos con 330 007 $, Sillas con 328 449 $, y Almacenamiento con 223 844 $.
La segunda oración escribe sobre los controladores de dimensión. En este ejemplo, los impulsores de dimensión son los productos que más contribuyeron a las ventas totales.
  • La distribución tiene un sesgo positivo, ya que el promedio de 135 129 $ es mayor que la mediana de 114 880 $.
  • Las ventas están relativamente concentradas con el 78 % del total representado por ocho de los 17 productos (47 %).
Las oraciones tercera y cuarta analizan la distribución de los datos. Esto analiza los promedios, las medianas, la concentración de datos (si existe) y cómo los datos están sesgados. Esto ayuda a identificar cuán equilibradas se comparan estas variables agrupadas entre sí.
  • Los dos productos principales se combinan para más de una cuarta parte (29 %) de las ventas totales.
Esta oración usa Agrupación para escribir sobre medidas que se pueden agrupar. Esto ayuda a identificar si hay grupos distintos que se destacan en los datos.
  • Teléfonos (330 007 $) es más de dos veces mayor que el promedio de los 17 productos.
La oración final escribe sobre valores atípicos notables.

Comprender los análisis para historias de diagramas de dispersión

Los tipos de historias de diagramas de dispersión se utilizan para comprender la relación entre dos medidas y, por ese motivo, las historias de diagramas de dispersión requieren 2 o 3 medidas. El análisis de diagrama de dispersión escribe sobre la relación (regresión) entre dos medidas, y escribe sobre grupos (clústeres) dentro de los datos, si existen.

El siguiente ejemplo de una historia de diagrama de dispersión trata sobre las ganancias y las ventas en una dimensión:

Una historia de ejemplo con información de texto sobre ganancias y ventas. El texto de esta imagen se transcribe en la siguiente tabla.

Ejemplo de historiaDesglose de la historia
  • A medida que aumentó la cantidad y aumentaron las ganancias, las ventas aumentaron según los datos proporcionados. Específicamente, cuando la cantidad aumentó en 1, las ventas aumentaron 49,55 $, y cuando las ganancias aumentaron en 1,00 $, las ventas aumentaron 1,20 $.
  • Pocos clientes se desviaron de esta relación general, lo que indica un buen ajuste.
Las dos primeras oraciones funcionan con análisis de regresión. La regresión muestra cómo una medida afecta a otra. Note que en la primera oración, la historia ha identificado una relación entre ganancias y ventas.
  • Cuando se organizan en grupos de ganancias, cantidades y valores de ventas similares, se destaca un grupo distinto. Hubo 651 clientes que tuvieron valores de utilidad entre -6626 $ y 1488 $, cantidad entre 2 y 122 y ventas entre 4,83 $ y 5690 $.
La tercera oración se deriva de la agrupación. El análisis de agrupamiento intenta identificar grupos o agrupaciones clave en todas las variables de los datos.
  • Tamara Chand, Raymond Buch y Sanjit Chand, entre otros, fueron valores atípicos con altos valores de ganancias y ventas. Sean Miller se destacó con una baja ganancia y un alto valor de ventas.
La cuarta oración está escrita sobre valores atípicos: valores que caen significativamente por encima o por debajo del promedio.
  • El valor mínimo de ganancia es -6626 $ (Cindy Stewart) y el valor máximo es de 8981 $ (Tamara Chand), una diferencia de 15 608 $. La ganancia promedio por cliente es de 361 $ y la mediana es de 228 $.
  • El valor mínimo para la cantidad es 2 (Anthony O'Donnell) y el valor máximo es 150 (Jonathan Doherty), una diferencia de 148. La cantidad media por cliente es 47,76 y la mediana es 44.
  • La distribución de las ventas oscila entre 4,83 $ (Thais Sissman) y 25 043 $ (Sean Miller), una diferencia de 25 038 $. El promedio de ventas por cliente es de 2897 $ y la mediana es de 2256 $.
Las oraciones restantes para las historias de diagramas de dispersión usan análisis de rango y promedio para escribir ideas.

Comprender el análisis del porcentaje de historias completas

Los tipos de porcentaje de historia completa son mejores para comprender qué parte de un todo representa una dimensión o medida.

El siguiente ejemplo de un porcentaje de toda la historia se trata de ventas por segmento:

Una historia de ejemplo con información de texto sobre las ventas por segmento. El texto de esta imagen se transcribe en la siguiente tabla.

Ejemplo de historiaDesglose de la historia
  • La suma total (ventas) es de 2,3 millones en las tres entidades.

La primera oración calcula el valor total de su medida.
  • El SUM(Ventas) de 2,3 millones fue impulsado por Consumer con 1,2 millones, Corporate con 706 146 y Home Office con 429 653.

La segunda oración escribe sobre los impulsores. En este ejemplo, los impulsores son los segmentos que más contribuyeron a las ventas totales.
  • El valor mínimo es de 429 653 (Home Office) y el máximo de 1,2 millones (Consumer), una diferencia de 731 748, promediando 765 734.
La oración final analiza la distribución de los datos.