Tipos de explicación en Explique los datos
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 Guía de 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 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.
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:
Opciones de exploración:
Próximos pasos para el análisis:
| 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 diferenciaEsta sección muestra:
Opciones de exploración:
Próximos pasos para el análisis:
| 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:
Opciones de exploración:
Próximos pasos para el análisis:
| 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:
Opciones de exploración:
Próximos pasos para el análisis:
| 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:
Opciones de exploración:
Próximos pasos para el análisis:
| 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:
Opciones de exploración:
Próximos pasos para el análisis:
| 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. |
Colaboradores con mayor volumen
Utilice esta explicación para ver los valores que componen la fracción más grande de la marca analizada.
Para una agregación de COUNT, los colaboradores con mayor volumen muestran valores de dimensión con la mayor cantidad de registros. Para SUM, esta explicación muestra valores de dimensión con la suma parcial más grande.
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:
Opciones de exploración:
Próximos pasos para el análisis:
| 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:
Opciones de exploración:
Próximos pasos para el análisis:
| 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 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:
Opciones de exploración:
Próximos pasos para el análisis:
| 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. |