กำหนดการตั้งค่าเรื่องราวข้อมูลใน Tableau: การวิเคราะห์

การเปลี่ยนแปลงที่สำคัญสำหรับเรื่องราวของข้อมูล Tableau

เรื่องราวของข้อมูล Tableau จะถูกเลิกใช้ใน Tableau Desktop, Tableau Cloud, และ Tableau Server ภายในเดือนมกราคม 2025 (2025.1) ด้วยความก้าวหน้าของเทคโนโลยีภาษาธรรมชาติ เรากำลังพัฒนาอินเทอร์เฟซที่ได้รับการปรับปรุง ซึ่งจะช่วยให้ถามคำถามเกี่ยวกับข้อมูลของคุณได้ง่ายขึ้น และติดตามการเปลี่ยนแปลงอยู่เสมอ หากต้องการข้อมูลเพิ่มเติม โปรดดู Tableau Pulse ซึ่งขับเคลื่อนโดย Tableau AI จะพลิกโฉมประสบการณ์ด้านข้อมูลอย่างไร(ลิงก์จะเปิดในหน้าต่างใหม่)

ภายในเรื่องราวข้อมูลใน Tableau คุณสามารถเลือกการวิเคราะห์ที่จะเขียนและเวลาที่มีการเขียนการวิเคราะห์เหล่านั้น ความพร้อมใช้งานของการวิเคราะห์ประเภทต่างๆ จะขึ้นอยู่กับประเภทของเรื่องราวและจำนวนของมิติข้อมูลและการวัดผลของเรื่องราว อย่างไรก็ตาม ยังไม่รองรับการวิเคราะห์เรื่องราวประเภทแผนภาพการกระจายในขณะนี้ หากต้องการข้อมูลเพิ่มเติม โปรดดู เลือกประเภทเรื่องราวที่เหมาะสมสำหรับเรื่องราวข้อมูลใน Tableau ของคุณ

กำหนดค่าการวิเคราะห์สำหรับเรื่องราวของคุณ

  1. เพิ่มเรื่องราวข้อมูลใน Tableau ลงในแดชบอร์ด
  2. จากแดชบอร์ด ให้คลิกไอคอนการตั้งค่าที่มุมซ้ายบนของออบเจ็กต์เรื่องราวข้อมูล
  3. ในกล่องโต้ตอบ “เรื่องราวข้อมูล” ให้คลิกแท็บการวิเคราะห์
  4. คลิกที่สวิตช์เพื่อเปิดการวิเคราะห์ประเภทต่างๆ
  5. สำหรับเซกเมนต์และเส้นแนวโน้ม ให้ขยายการตั้งค่าเพื่อกำหนดเกณฑ์สำหรับการทำการวิเคราะห์เหล่านั้น
  6. คลิกบันทึก

ทำความเข้าใจการวิเคราะห์ประเภทต่างๆ

สหสัมพันธ์

ใช้สหสัมพันธ์เพื่อค้นหาสหสัมพันธ์ทางสถิติที่แท้จริงระหว่างสองอนุกรม หากคุณมีมากกว่าสองอนุกรม จะมีการวิเคราะห์อนุกรมทั้งหมดสำหรับสหสัมพันธ์ ตัวอย่างเช่น คุณอาจเปิดสหสัมพันธ์เพื่อค้นหาว่าเมื่อใดที่มีการซื้อผลิตภัณฑ์ทั้งสองอย่างพร้อมกัน

การจัดคลัสเตอร์

ใช้การจัดคลัสเตอร์เพื่อค้นหากลุ่มที่แตกต่างกันของจุดข้อมูล (คลัสเตอร์) โดยใช้การวิเคราะห์ทางสถิติเดียว ตัวอย่างเช่น คุณอาจเปิดการจัดคลัสเตอร์เพื่อค้นหาว่าเมื่อใดที่ผลิตภัณฑ์ได้รับความนิยมอย่างมากในภูมิภาคทางภูมิศาสตร์ที่เฉพาะเจาะจง

การกระจาย

ใช้การกระจายเพื่อจัดอันดับจุดข้อมูลที่มีความเกี่ยวข้องซึ่งกันและกันโดยใช้การสังเกตที่ไม่ใช่ทางสถิติ เช่น ค่าเฉลี่ย ค่ามัธยฐาน ความเบ้ ฯลฯ ตัวอย่างเช่น คุณอาจเปิดการกระจายเพื่อค้นหาว่าผลิตภัณฑ์ใดมีอัตราส่วนกำไรสูงที่สุด

เซกเมนต์

ใช้เซกเมนต์เพื่อไฮไลต์การเปลี่ยนแปลงที่สำคัญของจุดข้อมูลในอนุกรม อันดับแรก ให้กำหนดเปอร์เซ็นต์ขั้นต่ำของการเปลี่ยนแปลงที่คุณต้องการให้มีการเขียนในเซกเมนต์ จะไม่มีการเขียนถึงการเปลี่ยนแปลงที่มีค่าต่ำกว่าเกณฑ์ที่คุณกำหนดไว้ ตัวอย่างเช่น หากคุณกำหนดเกณฑ์เซกเมนต์สำหรับการเปลี่ยนแปลงที่สูงกว่า 60% เรื่องราวของคุณจะไม่เขียนเกี่ยวกับจุดต่ำสุดในอนุกรมเวลาที่มีการลดลง 30%

หลังจากคุณกำหนดเกณฑ์แล้ว ให้เลือกว่าจะนำรูปแบบไปใช้หรือไม่ และกำหนดเปอร์เซ็นต์ขั้นต่ำของการเปลี่ยนแปลงที่คุณต้องการจัดรูปแบบ

เส้นแนวโน้ม

ใช้เส้นแนวโน้มเพื่อคำนวณเส้นที่เหมาะสมที่สุดเชิงเส้นและระบุข้อมูลที่อยู่ภายในเปอร์เซ็นต์ความเชื่อมั่นที่กำหนด ข้อมูลที่มีความแปรปรวนสูงจะมีระดับความเชื่อมั่นต่ำกว่าข้อมูลที่มีความสม่ำเสมอกว่า และระดับความเชื่อมั่นนั้นจะเป็นตัวกำหนดว่าแนวโน้มจะได้รับการเขียนหรือไม่ คุณสามารถใช้เส้นแนวโน้มสำหรับเรื่องราวที่มีมิติข้อมูลเดียวและการวัดผลเดียว หรือคุณสามารถใช้เส้นแนวโน้มในการดูรายละเอียดแนวลึกได้ หากต้องการข้อมูลเพิ่มเติมเกี่ยวกับการดูรายละเอียดแนวลึก โปรดดู กำหนดการตั้งค่าเรื่องราวข้อมูลใน Tableau: การเล่าเรื่องด้วยข้อมูล

กำหนดเปอร์เซ็นต์ขั้นต่ำของความเชื่อมั่นสำหรับเส้นแนวโน้ม หากคุณกำหนดเกณฑ์ไว้ที่ 95% แต่เส้นแนวโน้มสามารถพุ่งถึง 90% ของความเชื่อมั่น เรื่องราวของคุณจะไม่เขียนเกี่ยวกับเส้นแนวโน้ม หลังจากคุณกำหนดเกณฑ์แล้ว ให้เลือกว่าจะนำรูปแบบไปใช้หรือไม่ จากนั้นกำหนดเปอร์เซ็นต์ขั้นต่ำของการเปลี่ยนแปลงที่คุณต้องการจัดรูปแบบ

เรื่องราวข้อมูลใน Tableau เกี่ยวกับเส้นแนวโน้มสื่อถึงการเปลี่ยนแปลงสัมบูรณ์ตลอดช่วงเวลาหนึ่ง เรื่องราวที่เขียนเกี่ยวกับเส้นแนวโน้มจะมีความแตกต่างกันไป โดยขึ้นอยู่กับระดับรายละเอียดที่คุณตั้งค่าไว้สำหรับเรื่องราวของคุณ หากเรื่องราวของคุณใช้รายละเอียดสูง เรื่องราวของคุณจะเขียนเกี่ยวกับค่า R-squared ซึ่งเป็นแนวคิดทางสถิติที่จะระบุว่าข้อมูลของคุณเข้ากับเส้นแนวโน้มได้ดีมากน้อยเพียงใด หากต้องการข้อมูลเพิ่มเติมเกี่ยวกับการตั้งค่ารายละเอียด โปรดดู กำหนดการตั้งค่าเรื่องราวข้อมูลใน Tableau: การเล่าเรื่องด้วยข้อมูล

ในการตั้งค่าเส้นแนวโน้ม คุณยังสามารถเลือกจำนวนช่วงเวลาในอนาคตที่คุณต้องการเขียนเรื่องราวเพื่อเขียนการคาดการณ์ได้เช่นกัน เมื่อคุณใช้การคาดการณ์ เรื่องราวของคุณจะใช้ความชันและจุดตัดแกนของเส้นแนวโน้มเพื่อคำนวณค่าที่คาดการณ์ไว้สำหรับช่วงเวลาในอนาคต ความเชื่อมั่นของการคาดการณ์จะเพิ่มขอบเขตบนและขอบเขตล่างไปยังเกณฑ์ความเชื่อมั่นที่คุณกำหนดไว้สำหรับเส้นแนวโน้ม คุณสามารถใช้การคาดการณ์ได้เมื่อเรื่องราวของคุณมีจุดข้อมูลอย่างน้อย 30 จุดที่เป็นเส้นตรง

ความผันผวน

ใช้ความผันผวนเพื่อวิเคราะห์ค่าเบี่ยงเบนมาตรฐานเมื่อเวลาผ่านไป ตัวอย่างเช่น ใช้ความผันผวนเมื่อคุณต้องการให้เรื่องราวของคุณเขียนเกี่ยวกับค่าที่อยู่ภายนอกช่วงโดยเฉลี่ยสำหรับข้อมูลของคุณ

ทำความเข้าใจวิธีการใช้การวิเคราะห์เพื่อสร้างเรื่องราว

ถึงจุดนี้ คุณอาจกำลังสงสัยว่าการวิเคราะห์สำหรับเรื่องราวประเภทต่างๆ นั้นมีวิธีการทำงานอย่างไร มาลองดูตัวอย่างสำหรับเรื่องราวแต่ละประเภทและทำความเข้าใจแต่ละประโยคในเรื่องราวกัน

ทำความเข้าใจการวิเคราะห์สำหรับเรื่องราวที่แยกกัน

เนื่องจากเรื่องราวแบบต่อเนื่องมีการวัดแนวโน้มเมื่อเวลาผ่านไป เรื่องราวของข้อมูล จะเขียนเกี่ยวกับประสิทธิภาพ ความคืบหน้า ค่าเฉลี่ย ผลรวม ความต่อเนื่อง ความผันผวน เซกเมนต์ และการคาดการณ์

ตัวอย่างเรื่องราวแบบต่อเนื่องต่อไปนี้มีความเกี่ยวข้องกับยอดขายต่อเดือน

เรื่องราวตัวอย่างที่มีข้อความข้อมูลเชิงลึกเกี่ยวกับยอดขายต่อเดือน ข้อความในรูปภาพนี้คัดลอกมาจากตารางต่อไปนี้

เรื่องราวตัวอย่างการแบ่งย่อยเรื่องราว
  • ยอดขายโดยเฉลี่ยคือ $47,858 ตลอดทั้ง 48 เดือน
  • ค่าต่ำสุดคือ $4,520 (กุมภาพันธ์ 2014) และค่าสูงสุดคือ $118,448 (พฤศจิกายน2017)
สองประโยคแรกใช้ฟังก์ชันค่าเฉลี่ยและช่วงในการเขียนเกี่ยวกับค่าเฉลี่ย ค่าสูงสุด และค่าต่ำสุดตลอดช่วงเวลาที่คุณกำลังทำการวิเคราะห์
  • ยอดขายเพิ่มขึ้น 489% ตลอดช่วงเวลาของอนุกรม แต่สิ้นสุดลงโดยที่แนวโน้มตกลง ซึ่งลดลงในเดือนสุดท้าย
ประโยคที่สามเกี่ยวข้องกับประสิทธิภาพโดยรวมของการวัดผลตลอดช่วงเวลา ตัวอย่างเช่น ประโยคอาจเกี่ยวข้องกับยอดขายที่เพิ่มขึ้น ลดลง หรือมีแนวโน้มที่แตกต่างกันระหว่างช่วงเวลาที่เฉพาะเจาะจง
  • การเพิ่มขึ้นเดียวที่มากที่สุดอิงตามเปอร์เซ็นต์เกิดขึ้นในเดือนมีนาคม 2014 (+1,132%) อย่างไรก็ตาม การเพิ่มขึ้นเดียวที่มากที่สุดอิงตามความสัมบูรณ์เกิดขึ้นในเดือนกันยายน 2014 (+$53,868)
ประโยคที่สี่ใช้การวิเคราะห์ความคืบหน้า ประโยคนี้เขียนเกี่ยวกับการเพิ่มขึ้นและลดลงที่มากที่สุดตามการวัดผลระหว่างช่วงเวลาโดยใช้ทั้งเปอร์เซ็นต์และความสัมบูรณ์เป็นพื้นฐาน
  • จากทั้งสามอนุกรมนี้ ความสัมพันธ์ที่มากที่สุดคือระหว่างบริษัทและโฮมออฟฟิศ ซึ่งมีสหสัมพันธ์เชิงบวกปานกลาง ซึ่งหมายถึงเมื่อบริษัทมีการเพิ่มขึ้น โฮมออฟฟิศก็จะมีการเพิ่มขึ้นเช่นกัน หรือในทางตรงกันข้าม
ประโยคนี้เป็นข้อมูลเชิงลึกแบบสหสัมพันธ์ ข้อมูลเชิงลึกของการวิเคราะห์ประเภทนี้เขียนเกี่ยวกับสหสัมพันธ์ที่เห็นได้ชัดระหว่างอนุกรมต่างๆ ในข้อมูลของคุณ
  • ยอดขายที่มีสภาพแบบวัฏจักร ซึ่งจะวนซ้ำประมาณทุกๆ 12 เดือน นอกจากนี้ ยังมีรูปแบบวัฏจักรที่เล็กกว่าที่มีการวนซ้ำประมาณทุกๆ 3 เดือน
  • ยอดขายมียอดสูงสุดเชิงบวกอย่างมากระหว่างเดือนตุลาคม 2014 ($31,453) และ เดือนกุมภาพันธ์ 2015 ($11,951) โดยเพิ่มขึ้นจนถึง $78,629 ในเดือนพฤศจิกายน 2014
ประโยคนี้เป็นข้อมูลเชิงลึกแบบเซกเมนต์ ข้อมูลเชิงลึกของการวิเคราะห์ประเภทนี้เขียนเกี่ยวกับการเพิ่มขึ้นและการลดลงที่สำคัญเมื่อเวลาผ่านไป
  • แนวโน้มเชิงเส้นโดยรวมของอนุกรมเพิ่มขึ้นจนถึง $902 ต่อเดือน สำหรับการเปลี่ยนแปลงสัมบูรณ์ที่ $42,394 ตลอดช่วงเวลาของอนุกรม หากแนวโน้มนี้ยังคงเป็นเช่นนี้ต่อไปในอีกหนึ่งเดือนถัดไป ยอดขายจะได้รับการคาดการณ์ว่าจะอยู่ที่ประมาณ $69,958
ประโยคนี้เป็นข้อมูลเชิงลึกแบบเส้นแนวโน้ม ข้อมูลเชิงลึกประเภทนี้เขียนเกี่ยวกับว่าแนวโน้มเข้ากันได้ดีกับข้อมูลของคุณมากน้อยเพียงใดโดยมีเปอร์เซ็นต์ที่แน่นอนของความเชื่อมั่น และเส้นแนวโน้มช่วยให้คุณคาดการณ์ตามแนวโน้มในอดีต

ทำความเข้าใจการวิเคราะห์สำหรับเรื่องราวที่แยกกัน

เนื่องจากเรื่องราวที่แยกกันช่วยให้คุณเปรียบเทียบค่าต่างๆ และเข้าใจการกระจายของข้อมูล เรื่องราวจะเขียนเกี่ยวกับการกระจาย ค่าเฉลี่ย ผลรวม และการจัดกลุ่มหรือคลัสเตอร์ทั่วทั้งข้อมูล

ตัวอย่างเรื่องราวที่แยกกันต่อไปนี้มีความเกี่ยวข้องกับยอดขายตามผลิตภัณฑ์

เรื่องราวตัวอย่างที่มีข้อความข้อมูลเชิงลึกเกี่ยวกับยอดขายตามผลิตภัณฑ์ ข้อความในรูปภาพนี้คัดลอกมาจากตารางต่อไปนี้

เรื่องราวตัวอย่างการแบ่งย่อยเรื่องราว
  • ยอดขายรวมคือ $2.3 ล้านจากผลิตภัณฑ์ทั้งหมด 17 รายการ
ประโยคแรกจะคำนวณมูลค่ารวมในการวัดของคุณ
  • ยอดขาย $2.3 ล้านนั้นได้มากจาก โทรศัพท์ $330,007 เก้าอี้ $328,449 และ พื้นที่เก็บข้อมูล$223,844
ประโยคที่สองเขียนเกี่ยวกับตัวขับเคลื่อนมิติข้อมูล ในตัวอย่างนี้ ตัวขับเคลื่อนมิติข้อมูลคือผลิตภัณฑ์ที่มีส่วนช่วยมากที่สุดต่อยอดขายรวม
  • การกระจายมีการเบี่ยงเบนในเชิงบวกเนื่องจากค่าเฉลี่ยที่ $135,129 นั้นสูงกว่าค่ามัธยฐานที่ $114,880
  • ยอดขายค่อนข้างมีความเข้มข้น กล่าวคือ 78% ของยอดขายรวมนั้นได้มากจากผลิตภัณฑ์แปดรายการมีความจาก 17 รายการ (47%)
ประโยคที่สามและสี่เป็นการวิเคราะห์การกระจายของข้อมูล ซึ่งจะวิเคราะห์ค่าเฉลี่ย ค่ามัธยฐาน ความเข้มข้นของข้อมูล (หากมี) และความเบี่ยงเบนของข้อมูล ซึ่งช่วยระบุว่าตัวแปรที่จัดกลุ่มมีความสมดุลเพียงใดเมื่อเทียบกับตัวแปรอื่น
  • ผลิตภัณฑ์ที่มียอดขายสูงสุดสองรายการรวมกันสำหรับตลอดไตรมาส (29%) ของยอดขายรวม
ประโยคนี้ใช้การจัดคลัสเตอร์เพื่อเขียนเกี่ยวกับการวัดผลที่สามารถจัดกลุ่มได้ ซึ่งช่วยระบุว่ามีกลุ่มที่แตกต่างกันที่มีความโดดเด่นในข้อมูลหรือไม่
  • โทรศัพท์ ($330,007) เป็นจำนวนที่สูงกว่าสองเท่าเทียบกับค่าเฉลี่ยจากผลิตภัณฑ์ทั้ง 17 รายการ
ประโยคสุดท้ายเขียนเกี่ยวกับค่าผิดปกติที่เห็นได้ชัด

ทำความเข้าใจการวิเคราะห์สำหรับเรื่องราวแผนภาพการกระจาย

เรื่องราวประเภทแผนภาพการกระจายจะเหมาะสมที่สุดสำหรับใช้ในการทำความเข้าใจความสัมพันธ์ระหว่างสองการวัดผล และเพื่อเหตุผลนั้น เรื่องราวแผนภาพการกระจายจึงจำเป็นต้องใช้ 2-3 การวัดผล การวิเคราะห์แผนภาพการกระจายเขียนเกี่ยวกับความสัมพันธ์ (การถดถอย) ระหว่างสองการวัดผล และเขียนเกี่ยวกับกลุ่ม (คลัสเตอร์) ภายในข้อมูล หากมี

ตัวอย่างเรื่องราวแผนภาพการกระจายต่อไปนี้เกี่ยวข้องกับกำไรและยอดขายทั่วทั้งมิติข้อมูล

เรื่องราวตัวอย่างที่มีข้อความข้อมูลเชิงลึกเกี่ยวกับกำไรและยอดขาย ข้อความในรูปภาพนี้คัดลอกมาจากตารางต่อไปนี้

เรื่องราวตัวอย่างการแบ่งย่อยเรื่องราว
  • เมื่อปริมาณเพิ่มขึ้นและกำไรเพิ่มขึ้น ยอดขายจะเพิ่มขึ้นตามข้อมูลที่ระบุ โดยเฉพาะอย่างยิ่ง เมื่อปริมาณเพิ่มขึ้น 1 ยอดขายจะเพิ่มขึ้น $49.55 และเมื่อกำไรเพิ่มขึ้น $1.00 ยอดขายจะเพิ่มขึ้น $1.20
  • มีลูกค้าจำนวนไม่กี่รายที่เบี่ยงเบนจากความสัมพันธ์ทั่วไปนี้ ซึ่งหมายถึงความสอดคล้องที่ดี
สองประโยคแรกได้รับการขับเคลื่อนโดยการวิเคราะห์การถดถอย การถดถอยแสดงให้เห็นวิธีการที่การวัดผลหนึ่งส่งผลต่อการวัดผลอื่น โปรดสังเกตว่าในประโยคแรกนั้น เรื่องราวได้มีการระบุความสัมพันธ์ระหว่างกำไรกับยอดขาย
  • เมื่อจัดเป็นกลุ่มค่ากำไร ปริมาณ และยอดขายที่ใกล้เคียงกัน จะมีหนึ่งกลุ่มที่แตกต่างที่โดดเด่น มีลูกค้า 651 รายที่มีค่ากำไรระหว่าง -$6,626 กับ $1,488 ปริมาณระหว่าง 2 กับ 122 และยอดขายระหว่าง $4.83 และ $5,690
ประโยคที่สามได้รับมาจากการจัดคลัสเตอร์ การวิเคราะห์การจัดคลัสเตอร์จะพยายามระบุกลุ่มหรือคลัสเตอร์หลักในตัวแปรทั้งหมดในข้อมูล
  • Tamara Chand, Raymond Buchและ Sanjit Chandเป็นค่าผิดปกติโดยมีค่ากำไรและยอดขายสูงซึ่งแตกต่างจากคนอื่น Sean Miller มีความโดดเด่นเนื่องจากมีค่ากำไรต่ำและค่ายอดขายสูง
ประโยคที่สี่เขียนเกี่ยวกับค่าผิดปกติ ซึ่งเป็นค่าที่สูงหรือต่ำกว่าค่าเฉลี่ยอย่างมาก
  • ค่าต่ำสุดสำหรับกำไรคือ -$6,626 (Cindy Stewart) และค่าสูงสุดคือ $8,981 (Tamara Chand) ส่วนต่าง $15,608 กำไรเฉลี่ยต่อลูกค้าหนึ่งรายคือ $361 และค่ามัธยฐานคือ $228
  • ค่ำต่ำสุดสำหรับปริมาณคือ 2 (Anthony O'Donnell) และค่าสูงสุดคือ 150 (Jonathan Doherty) ส่วนต่าง 148 ปริมาณเฉลี่ยต่อลูกค้าหนึ่งรายคือ 47.76 และค่ามัธยฐานคือ 44
  • การกระจายของยอดขายอยู่ในช่วงตั้งแต่ $4.83 (Thais Sissman) ถึง $25,043 (Sean Miller) ส่วนต่าง $25,038 ยอดขายเฉลี่ยต่อลูกค้าหนึ่งรายคือ $2,897 และค่ามัธยฐานคือ $2,256
ประโยคที่เหลืออยู่สำหรับเรื่องราวแผนภาพการกระจายใช้การวิเคราะห์ช่วงและค่าเฉลี่ยในการเขียนข้อมูลเชิงลึก

ทำความเข้าใจการวิเคราะห์สำหรับเรื่องราวเปอร์เซ็นต์ของทั้งหมด

เรื่องราวประเภทเปอร์เซ็นต์ของทั้งหมดจะเหมาะที่สุดสำหรับใช้ทำความเข้าใจว่ามิติข้อมูลหรือการวัดผลแสดงถึงส่วนใดจากทั้งหมด

ตัวอย่างเรื่องราวเปอร์เซ็นต์ของทั้งหมดต่อไปนี้มีความเกี่ยวข้องกับยอดขายตามเซกเมนต์

เรื่องราวตัวอย่างที่มีข้อความข้อมูลเชิงลึกเกี่ยวกับยอดขายตามเซกเมนต์ ข้อความในรูปภาพนี้คัดลอกมาจากตารางต่อไปนี้

เรื่องราวตัวอย่างการแบ่งย่อยเรื่องราว
  • SUM รวม (ยอดขาย) คือ 2.3 ล้านจากทั่วทั้งสามเอนทิตี

ประโยคแรกจะคำนวณมูลค่ารวมในการวัดของคุณ
  • SUM (ยอดขาย) 2.3 ล้านนั้นได้มาจากลูกค้า 1.2 ล้าน บริษัท 706,146 และโฮมออฟฟิศ 429,653

ประโยคที่สองเขียนเกี่ยวกับตัวขับเคลื่อน ในตัวอย่างนี้ ตัวขับเคลื่อนคือเซกเมนต์ที่มีส่วนช่วยมากที่สุดต่อยอดขายรวม
  • ค่าต่ำสุดคือ 429,653 (โฮมออฟฟิศ) และค่าสูงสุดคือ 1.2 ล้าน (ลูกค้า) ส่วนต่าง 731,748 โดยมีค่าเฉลี่ย 765,734
ประโยคสุดท้ายเป็นการวิเคราะห์การกระจายของข้อมูล