Ayuda de Tableau Desktop y de la creación web

Si lleva un tiempo usando Tableau, es posible que haya oído hablar de la “densificación de datos”. Ese término hace referencia a un proceso en el que Tableau genera marcas que se añaden a la vista, aunque esos registros no sean compatibles con los registros de la fuente de datos subyacente. Se puede hacer para extender un eje de fecha, o para mostrar predicciones si está trabajando con funciones de modelado predictivo.

Calcular predicciones sobre los valores que faltan

Por ejemplo, es posible que desee agregar predicciones para fechas futuras. De forma predeterminada, no se muestran los valores que faltan en Tableau, pero puede generar esas marcas de la siguiente manera:

1. Haga clic con el botón derecho (control + clic en un Mac) en la fecha o el encabezado de la agrupación.

2. Seleccione Mostrar valores que faltan.

   

Hay que hacer algo más para permitirle hacer predicciones sobre esas marcas generadas. Si intenta realizar un cálculo con ellas (ya sea un cálculo de predicción o no), Tableau devolvería valores nulos. Esto es normal, ya que esas marcas se basan en valores que faltan y que no existen.

Para realizar predicciones sobre esos valores que faltan, abra el menú Análisis de la parte superior y, a continuación, seleccione Deducir propiedades de valores que faltan.



Nota: De forma predeterminada, la opción Inferir propiedades de valores que faltan está desactivada, incluso cuando la opción Mostrar valores que faltan está activada. Esta configuración se le puede aplicar a cualquier campo o eje que se pueda expandir con la opción Mostrar valores que faltan.

Ejemplo de predicciones sobre marcas generadas

Ahora vamos a explorar este comportamiento más a fondo. Compararemos tres ejemplos diferentes que muestran cómo puede afectar a la visualización las opciones Mostrar valores que faltan e Inferir propiedades de valores que faltan, dependiendo de si una o ambas están activadas o desactivadas. Para seguir adelante, descargue el siguiente libro de trabajo de Tableau Public: Predicciones sobre valores que faltan.

Hemos incluido predicciones usando ATTR(DAY([Order Date])) como predictor. Este no es el mejor predictor para los datos (y produce predicciones inadecuadas), pero para los fines de este artículo, es una buen ejemplo de cómo Inferir propiedades de valores que faltan.

Cada visualización incluye las mismas cuatro medidas en el estante Filas, tal como se describe a continuación:

• Fila 1: SUM([Profit])
• Fila 2: RUNNING_SUM(SUM([Profit]))
• Fila 3: ATTR(DAY([Order Date]))
• Fila 4: MODEL_QUANTILE(0.5, SUM([Profit]),ATTR(DAY([Order Date])))

Ejemplo 1

En la imagen anterior, están desactivadas tanto la opción Mostrar valores que faltan como Inferir propiedades de valores que faltan, que son la configuración predeterminada de Tableau.

Obtendría la misma visualización si Inferir propiedades de valores que faltan estuviera activada y Mostrar valores que faltan estuviera desactivada. Esto se debe a que Inferir propiedades de valores que faltan depende de si Mostrar los valores que faltan está activada.

Ejemplo 2

En la imagen anterior, Mostrar valores que faltan está activada e Inferir propiedades de valores que faltan está desactivada. De forma predeterminada, la opción Inferir propiedades de valores que faltan está desactivada, incluso cuando la opción Mostrar valores que faltan está activada.

Tenga en cuenta que en esta situación no calculamos un valor de los valores que faltan para ATTR en DAY([Order Date]) (Fila 3). Generamos una predicción para las fechas densificadas, pero son idénticas para todas las fechas que faltan, ya que no podemos inferir el ATTR(DAY([Order Date])) real como se muestra en la Fila 3. Por lo tanto, esas marcas se calculan como si DAY([Order Date]) fuera nulo.

Ejemplo 3

En esta imagen, tanto Mostrar valores que faltan como Inferir propiedades de valores que faltan están activadas, y, por tanto, la opción Inferir propiedades de valores que faltan está activa.

Como puede ver, ya que podemos inferir el ATTR(DAY([Order Date])) (Fila 3), podemos usarlo en predicciones en la Fila 4, y nos devuelve una curva suave de predicciones.