Cada vez que selecciona una nueva marca en una visualización o dashboard y ejecuta Explique los datos, Tableau ejecuta un nuevo análisis estadístico considerando esa marca y los datos subyacentes en el libro de trabajo. Las posibles explicaciones se muestran en secciones desplegables para el panel Explique los datos. Para obtener información sobre cómo Explique los datos analiza y evalúa las explicaciones, consulte Funcionamiento de Explique los datos.

Explorar los valores subyacentes

Esta sección del panel Explique los datos enumera explicaciones para cada medida que se puede explicar (denominadas medidas objetivo). Cada explicación enumerada aquí describe una relación con los valores de la medida objetivo que se prueban en la marca analizada. Utilice su comprensión práctica del mundo real de los datos para determinar si las relaciones encontradas por Explique los datos son significativas y vale la pena explorarlas.

En este ejemplo, la distancia de viaje es la medida objetivo.

Características subyacentes

Estas explicaciones describen cómo los registros subyacentes de las marcas en la vista pueden contribuir al valor agregado de la medida que se explica. Los atributos de la marca pueden incluir valores extremos, valores NULL, número de registros o el valor medio de la marca.

Nota: Para obtener definiciones de términos comunes utilizados en las explicaciones, consulte Términos y conceptos en las explicaciones(El enlace se abre en una ventana nueva).

Valores extremos

Este tipo de explicación indica si uno o más registros tienen valores significativamente más altos o más bajos que la mayoría de los registros. Si la explicación está respaldada por un modelo, indica que el valor extremo está afectando la medida objetivo de la marca analizada.

Cuando una marca tiene valores extremos significa automáticamente que sea un valor atípico o que deba excluir esos registros de la vista. Esa elección depende de usted y de su análisis. La explicación simplemente señala un valor extremo en la marca. Por ejemplo, podría revelar un valor mal escrito en un registro, ya que un plátano cuesta 10 dólares en lugar de 10 centavos. O bien podría revelar que un vendedor en particular ha tenido un gran trimestre.

Nota: El autor debe habilitar esta explicación para que sea visible en el modo de visualización de un libro de trabajo publicado. Para obtener más información, consulte Controlar el acceso a Explique los datos.

Esta explicación muestra:

  • El número de registros subyacentes en la marca analizada.
  • El valor o los valores extremos que contribuyen al valor de la medida objetivo.
  • La distribución de valores en la marca.
  • Los detalles del registro que corresponden a cada valor de distribución.

Opciones de exploración:

  • Desplácese sobre un círculo en el gráfico para ver su valor correspondiente.
  • Haga clic en la flecha hacia la izquierda o hacia la derecha debajo de la lista de detalles para desplazarse por los detalles del registro.
  • Si está disponible, haga clic en Ver datos completos y luego haga clic en la pestaña Datos completos para ver todos los registros en una tabla.
  • Haga clic en el icono  Abrir para ver una versión más grande de la visualización.

Próximos pasos para el análisis:

  • Si el número de registros es bajo, examine estos valores en comparación con el valor extremo.
  • Si el valor extremo es significativamente más alto o más bajo que los otros valores de registro, exclúyalo y estudie cómo cambia el valor de la marca analizada.
  • Al considerar los datos con y sin el valor extremo, aproveche esto como una oportunidad para aplicar su conocimiento práctico sobre los datos.

 

En este ejemplo, un único valor extremo de 463 horas alquiladas está contribuyendo a la suma superior a la esperada del tiempo total alquilado de 613 horas.

Una posible razón de este alto valor podría ser que alguien olvidó acoplar la bicicleta cuando la devolvió. En este caso, es posible que el autor desee excluir este valor para un análisis futuro.

 

Visualizar la diferencia

Esta sección muestra:

  • Cómo cambia el valor de marca analizado cuando se excluye el valor extremo.

 

 

 

 

 

 

 

Opciones de exploración:

  • Haga clic en el icono  Abrir para ver una versión más grande de la visualización.
  • Explore la diferencia con y sin el valor (o valores) extremos.
  • Los autores pueden abrir la vista como una nueva hoja y aplicar un filtro para excluir el valor extremo.

Próximos pasos para el análisis:

  • Si el valor extremo es significativamente más alto o más bajo que los otros valores de registro, exclúyalo y vea cómo cambia el valor de la marca analizada.
  • Al considerar los datos con y sin el valor extremo, aproveche esto como una oportunidad para aplicar su conocimiento práctico sobre los datos.
 

En este ejemplo, cuando se excluye el valor extremo de 483, la marca analizada ya no es alta en comparación con otras marcas en la vista. Ahora destacan otras marcas. Es posible que el autor desee explorar las otras marcas para considerar por qué estos otros lugares tienen horas más elevadas para el alquiler de bicicletas.

Valores NULL

El tipo de explicación de valores NULL menciona situaciones en las que hay una cantidad de datos que faltan en una marca superior a la esperada. Indica la fracción de valores de medida de destino que son NULL y cómo los valores NULL podrían estar contribuyendo al valor agregado de esa medida.

Esta explicación muestra:

  • El porcentaje de valores que son NULL en la medida de destino para la marca analizada (círculo azul).

Opciones de exploración:

  • Sitúe el puntero sobre cada círculo del diagrama de dispersión para ver los detalles.
  • Desplácese para ver más del gráfico.
  • Haga clic en el icono  Abrir para ver una versión más grande de la visualización.

Próximos pasos para el análisis:

  • Opcionalmente, excluya los valores NULL en la marca para conseguir un análisis más detallado.
 

En este ejemplo, el porcentaje de valores NULL en la medida de destino se muestra como un círculo azul.

Número de registros

Este tipo de explicación describe cuándo el recuento de los registros subyacentes se correlaciona con la suma. El análisis encontró una relación entre el número de registros que se agregan en una marca y el valor real de la marca.

Si bien esto puede parecer obvio, este tipo de explicación le ayuda a explorar si el valor de la marca se ve afectado por la magnitud de los valores en los registros o simplemente por el número de registros en la marca analizada.

Esta explicación muestra:

  • El número de registros en la medida objetivo para la marca analizada (barra azul oscuro).
  • El número de registros en la medida objetivo para otras marcas en la visualización de origen (barra azul claro).

Opciones de exploración:

  • Sitúe el puntero sobre cada barra para ver los detalles.
  • Desplácese para ver más del gráfico.
  • Haga clic en el icono  Abrir para ver una versión más grande de la visualización.

Próximos pasos para el análisis:

  • Compare si los valores individuales de los registros son bajos o altos, o si el número de registros en la marca analizada es bajo o alto.
  • Autores, si les sorprende una gran cantidad de registros, es posible que deba normalizar los datos.
 

En este ejemplo, se muestra el número de registros de Distancia de viaje para cada valor de Mes de viaje, que es una dimensión en la visualización original. Agosto tiene el valor de distancia de viaje total más alto.

Puede explorar si agosto tiene el valor más alto para la distancia de viaje porque se realizaron más viajes en agosto, o si tiene la distancia de viaje más alta porque algunos viajes fueron más largos.

Valor medio de la marca

Este tipo de explicación describe cuándo el promedio de una medida está correlacionado con la suma. Compare si el valor promedio es bajo o alto, o si el número de registros es bajo o alto.

Esta explicación muestra:

  • El promedio de la medida objetivo para cada valor de una dimensión utilizada en la visualización de origen.

Opciones de exploración:

  • Sitúe el puntero sobre cada barra para ver los detalles.
  • Desplácese para ver más del gráfico.
  • Haga clic en el icono  Abrir para ver una versión más grande de la visualización.

Próximos pasos para el análisis:

  • Compare si el valor promedio es bajo o alto, o si el número de registros es bajo o alto. Por ejemplo, ¿las ganancias son altas porque vendió muchos artículos o porque vendió artículos caros?
  • Trate de averiguar por qué la marca analizada tiene un valor promedio significativamente más alto o más bajo.

 

 

En este ejemplo, la distancia de viaje promedio para agosto no es significativamente mayor o menor que la mayoría de los meses. Esto sugiere que la distancia del viaje es mayor en agosto porque hubo más viajes en agosto, en lugar de personas que tomaron viajes más largos.

 

Valor único contribuyente

Utilice esta explicación para comprender la composición de los valores de registro que componen la marca analizada.

Este tipo de explicación identifica cuándo un solo valor en una dimensión no visualizada puede estar contribuyendo al valor agregado de la marca analizada. Una dimensión no visualizada es aquella que existe en la fuente de datos pero que no se está utilizando en la vista.

Esta explicación indica cuándo todos los registros subyacentes de una dimensión tienen el mismo valor o cuándo un valor de dimensión destaca porque muchos o pocos registros tienen el mismo valor único para la marca analizada.

Nota: Para obtener definiciones de términos comunes utilizados en las explicaciones, consulte Términos y conceptos en las explicaciones(El enlace se abre en una ventana nueva).

Esta explicación muestra:
  • El porcentaje del número de registros para un valor único de una dimensión para la marca analizada (barra azul) frente a todas las marcas (barra gris) en la visualización de origen.
  • El porcentaje del número de registros para todos los otros valores de una dimensión para la marca analizada (barra azul) frente a todas las marcas (barra gris) en la visualización de origen.
  • El promedio de la medida objetivo para el valor único de una dimensión en la marca analizada (barra azul) frente a todas las marcas (barra gris).
  • El promedio de la medida objetivo para todos los demás valores de una dimensión para la marca analizada (barra azul) frente a todas las marcas (barra gris) en la visualización de origen.

Opciones de exploración:

  • Sitúe el puntero sobre cada barra para ver los detalles.
  • Haga clic en el icono  Abrir para ver una versión más grande de la visualización.

Próximos pasos para el análisis:

  • Utilice esta explicación para comprender la composición de los valores de registro que componen la marca analizada.
  • Los autores pueden querer crear una nueva visualización para explorar cualquier dimensión no visualizada que surja en esta explicación.
 

En este ejemplo, el análisis estadístico ha expuesto que muchos de los paseos provienen del vecindario de la estación de Back Bay. Tenga en cuenta que la vecindad de la estación es una dimensión no visualizada que tiene alguna relación con la distancia del viaje en los datos subyacentes para la visualización de origen.

 

Dimensiones contribuyentes

Utilice esta explicación para comprender la composición de los valores de registro que componen la marca analizada.

Este tipo de explicación muestra que la distribución de una dimensión no visualizada puede estar contribuyendo al valor agregado de la marca analizada. Este tipo de explicación se utiliza para las sumas, recuentos y promedios de las medidas objetivo. Una dimensión no visualizada es aquella que existe en la fuente de datos pero que no se está utilizando en la vista.

Nota: Para obtener definiciones de términos comunes utilizados en las explicaciones, consulte Términos y conceptos en las explicaciones(El enlace se abre en una ventana nueva).

Esta explicación muestra:
  • El porcentaje del número de registros para todos los valores de una dimensión para la marca analizada (barra azul) frente a todos los valores de una dimensión para todas las marcas (barra gris) en la visualización de origen.
  • El promedio de la medida objetivo para todos los valores de una dimensión para la marca analizada (barra azul) y todos los valores de una dimensión para todas las marcas (barra gris).

Opciones de exploración:

  • Sitúe el puntero sobre cada barra para ver los detalles.
  • Desplácese para ver más del gráfico.
  • Haga clic en el icono  Abrir para ver una versión más grande de la visualización.

Próximos pasos para el análisis:

  • Utilice esta explicación para comprender la composición de los valores de registro que componen la marca analizada.
  • Los autores pueden querer crear una nueva visualización para explorar cualquier dimensión no visualizada que surja en esta explicación.
 

En este ejemplo, el análisis estadístico ha expuesto que se tomaron más viajes desde las estaciones de South Station y MIT y se tomaron menos viajes desde Charles Circle y Kendall, en comparación con los viajes tomados para las marcas en general.

Tenga en cuenta que el nombre de la estación es una dimensión no visualizada que tiene alguna relación con la distancia del viaje en los datos subyacentes para la visualización de origen.

 

Medidas contribuyentes

Este tipo de explicación muestra que el promedio de una medida no visualizada puede estar contribuyendo al valor agregado de la marca analizada. Una medida no visualizada es aquella que existe en la fuente de datos pero que no se está utilizando en la vista.

Esta explicación puede revelar una relación lineal o cuadrática entre la medida no visualizada y la medida objetivo.

Nota: Para obtener definiciones de términos comunes utilizados en las explicaciones, consulte Términos y conceptos en las explicaciones(El enlace se abre en una ventana nueva).

Esta explicación muestra:
  • La relación entre la suma de la medida objetivo y el promedio de una medida no visualizada para la marca analizada (círculo azul) y todas las marcas (círculos grises) en la vista.
  • Si la suma de la medida objetivo es alta o baja porque el valor medio de la medida no visualizada es alto o bajo.

Opciones de exploración:

  • Sitúe el puntero sobre cada círculo para ver los detalles.
  • Haga clic en el icono  Abrir para ver una versión más grande de la visualización.

Próximos pasos para el análisis:

  • Los autores pueden querer crear una nueva visualización para explorar cualquier medida no visualizada que surja en esta explicación.
 

En este ejemplo, una posible razón por la que la distancia de viaje es alta es porque el tiempo total promedio alquilado también es alto.

Otras cuestiones que explorar

Esta sección del panel Explique los datos muestra las posibles razones por las que la marca analizada es única o inusual. Estas explicaciones:

  • No explican por qué el valor de esta marca es el que es.
  • No están relacionadas de ninguna manera con el valor de las medidas en la visualización de origen.
  • No tienen en cuenta ninguna medida objetivo.

Otras dimensiones de interés

Utilice esta explicación para comprender la composición de los valores de registro que componen la marca analizada.

La distribución de una dimensión no visualizada en la marca analizada es inusual en comparación con la distribución de valores para todas las demás marcas en la vista. Una dimensión no visualizada es aquella que existe en la fuente de datos pero que no se está utilizando en la vista.

Nota: Para obtener definiciones de términos comunes utilizados en las explicaciones, consulte Términos y conceptos en las explicaciones(El enlace se abre en una ventana nueva).

Esta explicación muestra:
  • El porcentaje del número de registros para todos los valores de una dimensión para la marca analizada (barra azul) frente a todos los valores de una dimensión para todas las marcas (barra gris) en la visualización de origen.

Opciones de exploración:

  • Sitúe el puntero sobre cada barra para ver los detalles.
  • Desplácese para ver más del gráfico.
  • Haga clic en el icono  Abrir para ver una versión más grande de la visualización.

Próximos pasos para el análisis:

  • Utilice esta explicación para comprender la composición de los valores de registro que componen la marca analizada.
  • Los autores pueden querer crear una nueva visualización para explorar cualquier dimensión no visualizada que surja en esta explicación.
 

En este ejemplo, un alto porcentaje de registros están asociados con el tiempo nublado. Debido a que los datos se refieren al alquiler de bicicletas en Boston y la marca analizada es la Distancia de viaje para agosto, podemos suponer que el clima es típicamente cálido y húmedo. Es posible que la gente haya alquilado bicicletas con más frecuencia en los días nublados para evitar el calor. También es posible que haya más días nublados en agosto.

 

¡Gracias por sus comentarios!