Configurer les paramètres des Récits analytiques dans Tableau : Analyses

Changements importants pour les Récits analytiques Tableau

La fonction Récits analytiques de Tableau sera supprimée de Tableau Desktop, Tableau Cloud, et Tableau Server en janvier 2025 (version 2025.1). Grâce aux progrès des technologies du langage naturel, nous développons une interface améliorée qui permettra de poser plus facilement des questions sur vos données et de rester au courant des changements. Pour plus d’informations, consultez Comment Tableau Pulse optimisé par Tableau AI réinvente l’expérience des données.(Le lien s’ouvre dans une nouvelle fenêtre)

Dans votre histoire basée sur des données Tableau, vous pouvez choisir les analyses de données sur laquelle écrire et à quel moment ces analyses sont écrites. Différents types d’analyses sont disponibles en fonction du type de votre histoire et du nombre de dimensions et de mesures qu’elle comporte. Par contre les analyses des données ne sont actuellement pas prises en charge pour les histoires de type nuage de points. Pour plus d’informations, consultez Choisir le type d’histoire adapté à votre histoire basée sur des données Tableau.

Configurer les analyses de données pour votre histoire

  1. Ajouter une histoire basée sur des données Tableau à un tableau de bord.
  2. Depuis votre tableau de bord, cliquez sur l’icône Paramètres dans le coin supérieur gauche de votre objet Histoire basée sur des données.
  3. Dans la boîte de dialogue Histoire basée sur des données, cliquez sur l’onglet Analyses.
  4. Cliquez sur les commutateurs pour activer différents types d’analyses.
  5. Pour Segments et Courbe de tendance, développez Paramètres pour définir des seuils à appliquer à ces analyses.
  6. Cliquez sur Enregistrer.

Comprendre les différents types d’analyses

Corrélation

Utilisez Corrélation pour identifier les véritables corrélations statistiques entre deux séries. Si vous avez plus de deux séries, toutes les combinaisons sont analysées afin de rechercher les corrélations. Par exemple, vous pouvez activer la corrélation afin d’identifier les cas où deux produits sont souvent achetés ensemble.

Clustering

Utilisez Clustering pour identifier des groupes distincts de points de données (clusters) à l’aide d’une seul analyse statistique. Par exemple, vous pouvez activer le clustering pour identifier lorsqu’un produit est très populaire dans une région géographique spécifique.

Répartition

Utilisez la répartition pour classer les points de données les uns par rapport aux autres à l’aide d’observations non statistiques, telles que la moyenne, la médiane, l’asymétrie, etc. Par exemple, vous pouvez activer la répartition pour identifier le produit qui présente le taux de profit le plus élevé.

Segments

Utilisez Segments pour mettre en évidence les changements notables apportés aux points de données d’une série. Tout d’abord, définissez le pourcentage minimum de changement sur lequel vous souhaitez écrire dans un segment. Les changements qui sont à un niveau inférieur de votre seuil défini ne sont pas écrits. Par exemple, si vous définissez votre seuil de segment pour des changements supérieurs à 60 %, votre histoire n’écrit pas sur un creux dans une série chronologique qui présente une diminution de 30 %.

Une fois que vous avez défini votre seuil, choisissez si vous souhaitez ou non Appliquer la mise en forme et définissez le pourcentage minimum de modification que vous souhaitez mettre en forme.

Courbe de tendances

Utilisez la Courbe de tendance pour calculer une courbe d’ajustement linéaire et identifier les données comprises dans un pourcentage de confiance défini. Les données qui présentent une forte variabilité ont un niveau de confiance inférieur à celui des données plus cohérentes, et ce niveau de confiance affecte l’écriture des courbes de tendance. Vous pouvez utiliser des courbes de tendance pour les histoires qui ont une dimension et une mesure, ou vous pouvez utiliser des courbes de tendance dans une exploration. Pour plus d’informations sur les explorations, consultez Configurer les paramètres des Récits analytiques Tableau : Narration.

Définissez le pourcentage de confiance minimum pour votre courbe de tendance. Si vous définissez votre seuil à 95 %, mais qu’une courbe de tendance peut être tracée à 90 % de confiance, votre histoire n’écrit pas sur les courbes de tendance. Après avoir défini votre seuil, choisissez si vous souhaitez ou non Appliquer la mise en forme. Définissez ensuite le pourcentage minimum de modification que vous souhaitez mettre en forme.

Les récits analytiques Tableau sur les courbes de tendance démontrent le changement absolu sur une période. L’histoire écrite sur votre courbe de tendance varie en fonction du niveau de verbosité que vous avez défini pour votre histoire. Si votre histoire utilise une verbosité élevée, alors votre histoire écrit sur la valeur R au carré, qui est un concept statistique quantifiant dans quelle mesure vos données correspondent à la courbe de tendance. Pour plus d’informations sur les paramètres de verbosité, consultez Configurer les paramètres des Récits analytiques Tableau : Narration.

Dans les paramètres de la Courbe de tendance, vous pouvez également choisir le nombre de périodes dans le futur pour lesquelles vous souhaitez que votre histoire écrive des prédictions. Lorsque vous utilisez des prédictions, votre histoire utilise la pente et l’ordonnée à l’origine de la courbe de tendance pour calculer les valeurs prédites pour les périodes futures. La confiance de la prédiction ajoute des limites supérieure et inférieure au seuil de confiance que vous avez défini pour les courbes de tendance. Vous pouvez utiliser des prédictions lorsque votre histoire comporte au moins 30 points de données linéaires.

Volatilité

Utilisez la Volatilité pour analyser les écarts types au fil du temps. Par exemple, utilisez Volatilité lorsque vous souhaitez que votre histoire écrive sur des valeurs qui se situent en dehors de la plage moyenne de vos données.

Décomposer la manière dont les analyses sont utilisées pour générer des histoires

À ce stade, vous vous demandez peut-être comment fonctionnent les analyses pour différents types d’histoires. Examinons un exemple pour chaque type d’histoire et décomposons chaque phrase de l’histoire.

Comprendre l’analytique pour les histoires discrètes

Étant donné que les histoires continues mesurent les tendances au fil du temps, Récits analytiques écrit sur les performances, la progression, les moyennes, les totaux, les séries, la volatilité, les segments et les prédictions.

L’exemple suivant d’histoire continue concerne les ventes par mois :

Un exemple d’histoire avec des informations textuelles sur les ventes par mois. Le texte de cette image est retranscrit dans le tableau suivant.

Exemple d’histoireRépartition de l’histoire
  • Les ventes moyennes se sont élevées à 47 858 $ sur les 48 mois.
  • La valeur minimale était de 4 520 $ (février 2014) et la valeur maximale était de 118 448 $ (novembre 2017).
Les deux premières phrases utilisent des fonctions de moyenne et de plage pour écrire sur les valeurs moyennes, maximales et minimales pour la période que vous analysez.
  • Les ventes ont augmenté de 489 % au cours de la série, mais se sont terminées par une tendance à la baisse, diminuant le dernier mois.
La troisième phrase concerne la performance globale de la mesure sur la période. Par exemple, une phrase peut indiquer si les ventes ont augmenté, diminué ou évolué différemment au cours d’une période spécifique.
  • La plus forte augmentation unique en pourcentage s’est produite en mars 2014 ( +1 132 % ). Cependant, la plus forte augmentation unique sur une base absolue s’est produite en septembre 2014 ( + 53 868 $ ).
La quatrième phrase utilise une analyse de progression. Cette phrase écrit sur la plus grande augmentation et diminution basée sur la mesure au cours de la période en utilisant à la fois une base de pourcentage et une base absolue.
  • Parmi les trois séries, la relation la plus forte était entre Corporate et Home Office, qui présentait une corrélation positive modérée, ce qui suggère qu’à mesure que l’un (Corporate) augmente, l’autre (Home Office) augmente généralement aussi, ou vice versa.
Cette phrase est un information de corrélation. Ce type d’informations analytiques écrit sur les corrélations notables entre différentes séries de vos données.
  • Les ventes présentent un caractère cylique, répétant chaque cycle environ tous les 12 mois. Il y avait aussi un schéma de cycles plus petits qui se répétaient environ tous les trois mois.
  • Les ventes ont connu un pic positif significatif entre octobre 2014 (31 453 $) et février 2015 (11 951 $), atteignant 78 629 $ en novembre 2014.
Cette phrase est une information de segment. Ce type d’information analytique écrit sur les augmentations et les diminutions importantes au fil du temps.
  • La tendance linéaire globale de la série a augmenté à 902 $ par mois pour une variation absolue de 42 394 $ au cours de la série. Si cette tendance se poursuivait au cours du prochain mois, les ventes devraient atteindre environ 69 958 $.
Cette phrase est une information de courbe de tendance. Ce type d’informations écrit sur la façon dont les tendances correspondent à vos données avec un certain pourcentage de confiance, et les courbes de tendance vous permettent de faire des prédictions basées sur les tendances historiques.

Comprendre l’analytique pour les histoires discrètes

Étant donné que les histoires discrètes vous permettent de comparer des valeurs et de comprendre la répartition des données, l’histoire écrit sur la répartition, les moyennes, les totaux et les regroupements ou clusters à travers les données.

L’exemple suivant d’histoire discrète concerne les ventes par produit :

Un exemple d’histoire avec des informations textuelles sur les ventes par produit. Le texte de cette image est retranscrit dans le tableau suivant.

Exemple d’histoireRépartition de l’histoire
  • Le total des ventes s’élève à 2,3 millions de dollars pour les 17 produits.
La première phrase calcule la valeur totale de votre mesure.
  • Les ventes de 2,3 millions de dollars ont été tirées par les articles suivants : Téléphones avec 330 007 $, Chaises avec 328 449 $ et Rangement avec 223 844 $.
La deuxième phrase traite des contributeurs de dimensions. Dans cet exemple, les contributeurs de dimensions sont les produits qui ont le plus contribué aux ventes totales.
  • La distribution est positivement asymétrique, car la moyenne de 135 129 $ est supérieure à la médiane de 114 880 $.
  • Les ventes sont relativement concentrées avec 78 % du total représenté par huit des 17 produits (47 %).
Les troisième et quatrième phrases analysent la répartition des données. Elles analysent les moyennes, les médianes, la concentration des données (le cas échéant) et l’asymétrie des données. Elles permettent d’identifier l’équilibre de ces variables groupées les unes par rapport aux autres.
  • Les deux principaux produits se combinent pour plus d’un quart (29 %) des ventes globales.
Cette phrase utilise le clustering pour écrire sur les mesures qui peuvent être regroupées. Cela permet d’identifier s’il existe des groupes distincts qui se démarquent dans les données.
  • Téléphones (330 007 $) est plus de deux fois supérieur à la moyenne des 17 produits.
La dernière phrase parle de valeurs aberrantes notables.

Comprendre les analyses pour les histoires de nuages de points

Les types d’histoires de nuages de points sont particulièrement utiles pour comprendre la relation entre deux mesures, et pour cette raison, elles nécessitent 2 à 3 mesures. L’analyse du nuage de points écrit sur la relation (régression) entre deux mesures, et elle écrit sur les groupes (clusters) au sein des données, le cas échéant.

L’exemple suivant d’histoire de nuage de points concerne le profit et les ventes dans une dimension :

Un exemple d’histoire avec des informations textuelles sur le profit et les ventes. Le texte de cette image est retranscrit dans le tableau suivant.

Exemple d’histoireRépartition de l’histoire
  • À mesure que la quantité et le profit augmentaient, les ventes augmentaient selon les données fournies. Plus précisément, lorsque la quantité augmentait de 1, les ventes augmentaient de 49,55 $ et le profit de 1,00 $, les ventes augmentaient de 1,20 $.
  • Peu de clients se sont écartés de cette relation générale, ce qui indique un bon ajustement.
Les deux premières phrases sont alimentées par l’analyse de régression. La régression montre comment une mesure affecte une autre. Notez que dans la première phrase, l’histoire a identifié une relation entre le profit et les ventes.
  • Lorsqu’elles sont organisées en groupes de valeurs de profit, quantité et vente similaires, un groupe distinct se distingue. Il y avait 651 clients avec des valeurs de profit entre -6 626 $ et 1 488 $, une quantité entre 2 et 122 et des ventes entre 4,83 $ et 5 690 $.
La troisième phrase est dérivée du clustering. L’analyse de clustering tente d’identifier des groupes ou clusters clés parmi toutes les variables des données.
  • Tamara Chand, Raymond Buchet Sanjit Chand, entre autres, étaient des valeurs atypiques avec des valeurs de profit et de vente élevées. Sean Miller s’est démarqué avec un faible profit et une valeur de vente élevée.
La quatrième phrase concerne les valeurs atypiques, c’est-à-dire les valeurs nettement supérieures ou inférieures à la moyenne.
  • La valeur minimale de profit est de -6 626 $ (Cindy Stewart) et la valeur maximale est de 8 981 $ (Tamara Chand), soit une différence de 15 608 $. Le profit moyen par client est de 361 $ et la médiane est de 228 $.
  • La valeur minimale pour la quantité est 2 (Anthony O’Donnell) et la valeur maximale est 150 (Jonathan Doherty), soit une différence de 148. La quantité moyenne par client est de 47,76 et la médiane est de 44.
  • La répartition des ventes varie de 4,83 $ (Thaïs Sissman) à 25 043 $ (Sean Miller), soit une différence de 25 038 $. Les ventes moyennes par client sont de 2 897 $ et la médiane est de 2 256 $.
Les phrases restantes pour les histoires de nuage de points utilisent une analyse de plage et moyenne pour écrire des informations.

Comprendre les analyses pour le pourcentage d’histoires entières

Les types de pourcentage d’histoires entières permettent de comprendre tout particulièrement quelle partie d’un ensemble est représentée par une dimension ou une mesure.

L’exemple suivant d’un pourcentage d’une l’histoire entière concerne les ventes par segment :

Un exemple d’histoire avec des informations textuelles sur les ventes par segment. Le texte de cette image est retranscrit dans le tableau suivant.

Exemple d’histoireRépartition de l’histoire
  • Le total SUM(Sales) s’élève à 2,3 millions dans les trois entités.

La première phrase calcule la valeur totale de votre mesure.
  • Le total SUM(Sales) de 2,3 millions a été tiré par le segment Consumer avec 1,2 million, le segment Corporate avec 706 146 et le segment Home Office avec 429 653.

La deuxième phrase parle des éléments moteurs. Dans cet exemple, les éléments moteurs sont les segments qui ont le plus contribué aux ventes totales.
  • La valeur minimale est de 429 653 (Home Office) et la valeur maximale est de 1,2 million (Consumer), une différence de 731 748, avec une moyenne de 765 734.
La dernière phrase analyse la répartition des données.