เกี่ยวกับแบบจำลองข้อมูลความสัมพันธ์แบบหลายข้อเท็จจริง

ความสัมพันธ์แบบหลายข้อเท็จจริงช่วยให้คุณสร้างแหล่งข้อมูลที่มีตารางฐานได้มากกว่าหนึ่งตารางได้ การใช้ตารางฐานหลายตารางในแบบจำลองข้อมูลของคุณช่วยให้คุณสามารถทำการวิเคราะห์แบบหลายข้อเท็จจริงใน Tableau ได้

โดยการสร้างแผนผังของตารางที่ฝังอยู่ในตารางฐาน คุณสามารถสร้างแบบจำลองโครงสร้างข้อมูลที่มีโดเมนแนวคิดที่แตกต่างกัน และใช้คุณลักษณะที่ใช้ร่วมกันเพื่อเชื่อมต่อเข้าด้วยกัน การวิเคราะห์ประเภทนี้มักเรียกว่าการวิเคราะห์แบบหลายข้อเท็จจริง มิติข้อมูลที่สอดคล้องกัน หรือมิติข้อมูลที่ใช้ร่วมกัน ใน Tableau เราเรียกสิ่งนี้ว่าแบบจำลองข้อมูลความสัมพันธ์แบบหลายข้อเท็จจริงเนื่องจากคุณใช้ความสัมพันธ์เพื่อสร้างขึ้น แบบจำลองข้อมูลความสัมพันธ์แบบหลายข้อเท็จจริงประกอบด้วยหลายตารางฐานเสมอ ตารางฐานคือตารางซ้ายสุดในแบบจำลองข้อมูล สำหรับคำแนะนำเกี่ยวกับวิธีการกำหนดตารางที่จะใช้เป็นตารางฐาน โปรดดูเมื่อใดควรใช้แบบจำลองความสัมพันธ์แบบหลายข้อเท็จจริง

แบบจำลองหลายตารางฐานที่มีการไฮไลต์หนึ่งแผนผัง

แบบจำลองข้อมูลหลายตารางฐานที่มีการไฮไลต์แผนผังของตารางฐานหนึ่งตาราง

ระดับความเกี่ยวข้อง

แบบจำลองข้อมูลที่มีหลายตารางฐานมีความยืดหยุ่นอย่างมากในการพิจารณาว่าข้อมูลแต่ละรายการเกี่ยวข้องกันหรือไม่เกี่ยวข้องกันได้อย่างไร

หมายเหตุ: ความเกี่ยวข้องในทุกระดับจะเกี่ยวข้องเฉพาะในแบบจำลองข้อมูลที่มีหลายตารางฐานเท่านั้น ก่อนที่จะมีแบบจำลองข้อมูลความสัมพันธ์แบบหลายข้อเท็จจริง ทุกอย่างมีความเกี่ยวข้องกัน (ในแหล่งข้อมูลเดียว) หรือไม่เกี่ยวข้องกันเลย (การผสานกับแหล่งข้อมูลหลายแหล่ง)

ความเกี่ยวข้องในแบบจำลองข้อมูล

ตารางมีความเกี่ยวข้อง ไม่เกี่ยวข้อง หรือใช้ร่วมกันตามโครงสร้างของแบบจำลองข้อมูล ในแหล่งข้อมูล ความเกี่ยวข้องของตารางจะเป็นค่าคงที่ ภาพรวมโดยย่อ 

  • ตารางที่เกี่ยวข้องอยู่ในแผนผังเดียวกัน
    • ก่อนเวอร์ชัน 2024.2 แหล่งข้อมูลทั้งหมดเป็นแหล่งข้อมูลตารางฐานเดียวซึ่งประกอบด้วยแผนผังเดียว และในแหล่งข้อมูลตารางฐานเดียว ตารางทั้งหมดเกี่ยวข้องกัน
  • ตารางที่ไม่เกี่ยวข้องอยู่ในแผนผังที่แตกต่างกัน ตารางฐานจะไม่เกี่ยวข้องกันเสมอ ตารางดาวน์สตรีมของตารางฐานเดียวจะไม่เกี่ยวข้องกับตารางในแผนผังอื่นๆ เช่นกัน
  • ตารางที่ใช้ร่วมกันมีความสัมพันธ์ที่เข้ามาหลายรายการและเป็นของแผนผังมากกว่าหนึ่งแผนผัง
    • ตารางดาวน์สตรีมจากตารางที่มีความสัมพันธ์ขาเข้าหลายรายการจะถือว่าใช้ร่วมกันเช่นกัน

ความเกี่ยวข้องในระหว่างการวิเคราะห์

ฟิลด์สามารถเกี่ยวข้องกัน ไม่เกี่ยวข้อง ยังไม่เกี่ยวข้อง เกี่ยวข้องกันอย่างคลุมเครือ หรืออาจเป็นฟิลด์ที่เชื่อมกันก็ได้ ความเกี่ยวข้องระหว่างกลุ่มของฟิลด์จะพิจารณาทีละชีตโดยอิงตามโครงสร้างของแบบจำลองข้อมูล ฟิลด์ใดที่มีการใช้งานอยู่ (นั่นคือบนชั้นวางในรูปแบบข้อมูลที่จะแสดง) และฟิลด์เหล่านั้นเป็นมิติข้อมูลหรือการวัดผล

กล่าวคือการแสดงเป็นภาพที่มีสองฟิลด์ที่ไม่เกี่ยวข้องกัน หนึ่งฟิลด์ในแถวและอีกหนึ่งฟิลด์ในคอลัมน์ และแสดงเคล็ดลับเครื่องมือที่ไม่เกี่ยวข้อง

ในการแสดงเป็นภาพด้วยฟิลด์จากหลายตาราง Tableau ต้องทำการรวมเบื้องหลังเพื่อคำนวณค่า ประเภทของการรวมที่ใช้ขึ้นอยู่กับความเกี่ยวข้องของฟิลด์ ภาพรวมโดยย่อ 

  • เมื่อฟิลด์ที่เกี่ยวข้องนำใช้ในการแสดงเป็นภาพ มิติข้อมูลจะได้รับการรวมภายในและค่าการวัดผลจะแยกย่อยตามมิติข้อมูล
    • แต่มีความซับซ้อนมากกว่านั้นเล็กน้อย โดยอาจจำเป็นต้องมีการรวมเพิ่มเติมในเบื้องหลังเพื่อให้แน่ใจว่าไม่มีค่าการวัดผลใดตกหล่น แต่ในการแสดงเป็นภาพแบบมิติข้อมูลเท่านั้น มิติที่เกี่ยวข้องจะได้รับการรวมภายในและนั่นคือแนวคิดหลักที่นี่
    • ซึ่งเป็นลักษณะการทำงานเดียวกันกับแบบจำลองตารางฐานเดียว
  • เมื่อฟิลด์ที่ไม่เกี่ยวข้อง ถูกนำไปใช้ในการแสดงเป็นภาพ มิติข้อมูลเป็นการรวมแบบไขว้ ค่าการวัดผลจะมีการกำหนดขอบเขตของตาราง (นั่นคือการรวบรวมภายในเป็นค่าเดียวสำหรับทั้งตาราง) และทำซ้ำ
    • นอกจากนี้ ยังเป็นไปได้ที่ฟิลด์จะยังไม่เกี่ยวข้องกันหรือเกี่ยวข้องกันอย่างคลุมเครือ ซึ่งหมายความว่า สำหรับการรวมฟิลด์ที่ใช้งานอยู่นั้น มีมากกว่าหนึ่งวิธีในการแก้ไขความสัมพันธ์ระหว่างตาราง หาก Tableau พบความไม่แน่นอน จะถือว่าฟิลด์ต่างๆ ไม่เกี่ยวข้องกัน
  • เมื่อฟิลด์เชื่อมต่อ โดยขึ้นอยู่กับฟิลด์ที่ใช้ร่วมกัน มิติข้อมูลจะรวมภายนอก ค่าการวัดผลจะได้รับการรวบรวมไว้ที่ระดับของมิติข้อมูลใดๆ ก็ตามที่สามารถแยกย่อยและอาจทำซ้ำได้
    • การเชื่อมมิติข้อมูลมีความคล้ายคลึงกับการเชื่อมโยงฟิลด์ในการผสมข้อมูล ผลลัพธ์จะได้รับการคำนวณสำหรับคู่ของฟิลด์ที่เกี่ยวข้องกัน จากนั้นค่าที่ไม่เกี่ยวข้องจะเชื่อมเข้าด้วยกันตามค่าที่ใช้ร่วมกันของมิติข้อมูลที่ใช้ร่วมกันระหว่างกัน

แนวคิดและคำจำกัดความทั้งหมดเหล่านี้จะกล่าวถึงโดยละเอียดเพิ่มเติมในหัวข้อนี้

นอกเหนือจากมิติข้อมูลและการวัดผล

ใน Tableau การวัดผลเป็นการรวบรวม ซึ่งรวบรวมเป็นมุมมองแบบละเอียดที่กำหนดโดยมิติข้อมูลในมุมมอง ค่าของการวัดผลจึงขึ้นอยู่กับบริบทของมิติข้อมูล เช่น “จำนวนกล่องซีเรียล” ขึ้นอยู่กับว่าเราหมายถึงสินค้าคงคลังทั้งหมดหรือจำนวนกล่องต่อแบรนด์

มิติข้อมูลมักจะเป็นฟิลด์แบบหมวดหมู่ เช่น ประเทศหรือแบรนด์ ใน Tableau มิติข้อมูลจะกำหนดมุมมองแบบละเอียดหรือระดับของรายละเอียดของมุมมอง โดยทั่วไป เราต้องการจัดกลุ่มข้อมูลของเราเป็นเครื่องหมายตามหมวดหมู่ต่างๆ รวมกัน มิติข้อมูลที่เราใช้สร้างมุมมองจะกำหนดจำนวนเครื่องหมายที่เรามี

เมื่อใช้การวัดผลโดยไม่มีมิติข้อมูล จะเป็นการกำหนดขอบเขตตาราง ซึ่งหมายความว่าค่าคือค่าที่รวบรวมทั้งหมดสำหรับทั้งตาราง ทันทีที่เราใช้มิติข้อมูล เช่น แบรนด์ในการแสดงเป็นภาพ การวัดผลจะแยกย่อยในมุมมองแบบละเอียดมากขึ้น จำนวนกล่องซีเรียลทั้งหมดต่อแบรนด์

การรวบรวมหมายถึงวิธีการรวมข้อมูล การรวบรวมเริ่มต้นของ Tableau คือ SUM คุณสามารถเปลี่ยนการรวบรวมเป็นตัวเลือกต่างๆ เช่น ค่าเฉลี่ย ค่ามัธยฐาน จำนวนที่ไม่ซ้ำกัน ค่าต่ำสุด และอื่นๆ มุมมองแบบละเอียดหมายถึงรายละเอียดหรือการแยกย่องของการวัดผล ซึ่งควบคุมโดยมิติข้อมูล เว้นแต่ว่ามุมมองแบบละเอียดของการวัดผลจะเป็นระดับแถว (หรือที่เรียกว่าแบบไม่รวม) ค่าของการวัดผลจะต้องไดรับการรวบรวม

ตัวอย่าง

ตารางค่าสำหรับจำนวนกล่องซีเรียลสำหรับห้าแบรนด์และกล่องสามขนาด

“จำนวนกล่องซีเรียล” มีค่าเท่าไหร่

ทั้งนี้ขึ้นอยู่กับประเภทการรวบรวมและมุมมองแบบละเอียดตามที่กำหนดโดยมิติข้อมูล

  • การรวบรวม
    • ผลรวม (หรือทั้งหมด)
    • Average
  • มุมมองแบบละเอียด
    • กำหนดขอบเขตตาราง/รวบรวมทั้งหมด (แถบสีน้ำเงินในตัวอย่าง)
    • แยกย่อยตามมิติข้อมูลแบรนด์ (แถบสีในตัวอย่าง)

แดชบอร์ดที่มีการแสดงเป็นภาพสี่รายการ หนึ่งรายการสำหรับตารางสรุปจำนวนกล่องที่กำหนดขอบเขต (54) หนึ่งรายการที่มีตารางเฉลี่ยกำหนดขอบเขตจำนวนกล่อง (6) และเวอร์ชันของทั้งสองนั้นแยกย่อยตามห้าแบรนด์

ตัวชี้วัดความเกี่ยวข้องระดับฟิลด์

มีตัวบ่งชี้ที่เป็นภาพหลายอย่างที่ช่วยให้คุณเข้าใจระดับของความเกี่ยวข้องสำหรับฟิลด์ที่คุณกำลังใช้ในการวิเคราะห์

ตัวบ่งชี้ความเกี่ยวข้องในเวิร์กชีต

  • ไอคอนที่ไม่เกี่ยวข้อง: Tableau ใช้ไอคอนที่ไม่เกี่ยวข้อง ไอคอนที่ไม่เกี่ยวข้อง เพื่อบ่งชี้ว่าทุกสิ่งในมุมมองไม่เกี่ยวข้องกัน หากคุณเห็นไอคอนที่ไม่เกี่ยวข้องในข้อมูลที่จะแสดงในมุมมองหรือในแผงข้อมูล คุณสามารถโฮเวอร์เหนือไอคอนเพื่อรับข้อมูลเพิ่มเติม
    • ไอคอนที่เกี่ยวข้อง ระบุว่าฟิลด์กำลังเชื่อมต่อฟิลด์ที่ไม่เกี่ยวข้องเข้าด้วยกัน
  • ชื่อฟิลด์สีเทาอ่อน: ชื่อฟิลด์จะแสดงเป็นข้อความสีเทาอ่อนในแผงข้อมูลเมื่อไม่เกี่ยวข้องกับฟิลด์ใดๆ ที่ใช้งานบนแถบ คุณยังคงสามารถใช้ฟิลด์เหล่านี้เพื่อการวิเคราะห์ในการแสดงเป็นภาพนั้นได้ แต่ฟิลด์ที่ไม่เกี่ยวข้องกันจะได้รับการประเมินแตกต่างกันในการวิเคราะห์มากกว่าฟิลด์ที่เกี่ยวข้อง เมื่อวางเมาส์เหนือ ฟิลด์เหล่านี้จะแสดงไอคอนที่ไม่เกี่ยวข้องด้วย

แผงข้อมูลที่มีทั้งตารางหนึ่งตารางเป็นสีเทา และสองฟิลด์ที่มีไอคอนรูปตาแบบขีดทับสำหรับฟิลด์ที่ซ่อนอยู่

หมายเหตุ: ใน Tableau เวอร์ชันก่อนหน้า ชื่อฟิลด์สีเทาอ่อนระบุว่าฟิลด์ถูกซ่อนและมีการเลือกแสดงฟิลด์ที่ซ่อนอยู่ เมื่อแสดง ฟิลด์ที่ซ่อนอยู่จะแสดงด้วยไอคอนรูปตาที่คลิกได้ ไอคอนฟิลด์ที่ซ่อนอยู่

กล่องโต้ตอบคำเตือนเกี่ยวกับความเกี่ยวข้อง

เมื่อใช้ฟิลด์ที่ไม่เกี่ยวข้องร่วมกันในการแสดงเป็นภาพ Tableau จะแสดงกล่องโต้ตอบคำเตือนเพื่อแจ้งให้คุณทราบว่าฟิลด์นั้นไม่เกี่ยวข้องกัน คำเตือนนี้จะปรากฏขึ้นทุกครั้งที่คุณเพิ่มฟิลด์ที่ไม่เกี่ยวข้องเพื่อป้องกันการรวมข้อมูลแบบไขว้โดยไม่ได้ตั้งใจ ซึ่งอาจส่งผลต่อประสิทธิภาพ

  • หากคุณต้องการใช้ฟิลด์ที่ไม่เกี่ยวข้องโดยไม่ต้องเชื่อมต่อ ให้คลิกเพิ่มเพื่อดำเนินการเพิ่มฟิลด์ให้กับการแสดงเป็นภาพต่อไป
  • หากคุณต้องการเชื่อมต่อฟิลด์ที่ไม่เกี่ยวข้อง วิธีที่ดีที่สุดคือนำฟิลด์ที่เชื่อมต่อออกมาก่อนฟิลด์ที่ไม่เกี่ยวข้องกัน กล่องโต้ตอบจะไม่แสดงหากมีการใช้งานฟิลด์ที่เชื่อมต่ออยู่แล้ว ดูวิธีการใช้การรวมสำหรับความเกี่ยวข้องแต่ละระดับเพื่อดูข้อมูลเพิ่มเติมเกี่ยวกับวิธีการเชื่อมต่อเพื่อป้องกันการเชื่อมแบบไขว้

กล่องโต้ตอบคำเตือนเกี่ยวกับความเกี่ยวข้องที่แสดงคำเตือนสำหรับมิติข้อมูลที่ไม่เกี่ยวข้อง

หากมีการเพิ่มหลายฟิลด์หรือมีอยู่แล้วในมุมมอง พื้นที่รายละเอียดจะปรากฏในกล่องโต้ตอบ ขยายเพื่อดูข้อมูลเพิ่มเติมเกี่ยวกับความเกี่ยวข้องของฟิลด์ทั้งหมดที่ใช้งาน และระบุว่าปัญหาความไม่เกี่ยวข้องมาจากไหน

กล่องโต้ตอบคำเตือนเกี่ยวกับความเกี่ยวข้องพร้อมข้อความสำหรับทั้งมิติข้อมูลและการวัดผลที่ไม่เกี่ยวข้อง รวมทั้งพื้นที่รายละเอียดที่มีการขยาย

หากต้องการหยุดไม่ให้ข้อความเตือนปรากฏ ให้เลือกตัวเลือกไม่ต้องแสดงอีก คุณสามารถเปิดใช้งานข้อความเตือนเหล่านี้ได้อีกครั้งโดยเปิดใช้งานอีกครั้ง

  • ใน Tableau Desktop เปิดเมนูความช่วยเหลือ > การตั้งค่าและประสิทธิภาพ - รีเซ็ตข้อความที่ถูกละเว้น
  • ในเบราว์เซอร์ ให้ล้างข้อมูลที่แคช ตัวอย่างเช่น ใน Chrome ให้เปิดเมนู 3 จุดลบข้อมูลการเรียกดู... > เลือก “รูปภาพและไฟล์ที่แคช” - ลบข้อมูล

ความเกี่ยวข้องระดับตารางในแบบจำลองข้อมูล

ในแบบจำลองข้อมูลที่มีตารางฐานหลายตาราง แต่ละตารางฐานจะกำหนดชุดของตารางที่เกี่ยวข้องกันและสร้างแผนผังเกี่ยวกับแนวคิด แผนผังเหล่านี้ต้องเชื่อมโยงกันด้วยตารางที่ใช้ร่วมกันอย่างน้อยหนึ่งตารางเพื่อให้แน่ใจว่าแหล่งข้อมูลโดยรวมเป็นเอนทิตีเดียว

สิ่งที่ก่อนหน้านี้อาจเป็นแหล่งข้อมูลสองแหล่งที่สามารถผสมผสานโดยใช้ฟิลด์การเชื่อมโยง ในขณะนี้สามารถเป็นแหล่งข้อมูลเดียวที่มีสองแผนผัง เชื่อมโยงกันด้วยตารางที่ใช้ร่วมกันซึ่งมีฟิลด์ทั่วไปเหล่านั้น

แบบจำลองข้อมูลสองแบบ โดยแบบหนึ่งมาจากแหล่งข้อมูลที่แตกต่างกันสองแหล่ง หนึ่งในสองแหล่งข้อมูลที่ซ้อนทับบนตารางที่มีเหมือนกันเพื่อสร้างแหล่งข้อมูลเดียว

เคล็ดลับ:ความสัมพันธ์ของตารางในแบบจำลองข้อมูลจะส่งผลต่อความเกี่ยวข้องของฟิลด์ในการวิเคราะห์ อาจมีประโยชน์ในการอ้างอิงย้อนกลับถึงแท็บ “แหล่งข้อมูล” ในระหว่างการวิเคราะห์เพื่อดูว่าตารางเหมาะสมกับแบบจำลองข้อมูลโดยรวมอย่างไร

มาสำรวจกันว่าตารางใดบ้างที่เกี่ยวข้อง ไม่เกี่ยวข้อง หรือใช้ร่วมกันโดยใช้แหล่งข้อมูลตัวอย่างนี้ มีสองแผนผัง โดยแผนผังหนึ่งสร้างโดยตารางฐาน A และอีกแผนผังสร้างโดยตารางฐาน B

ตารางที่ไม่เกี่ยวข้อง

ตารางฐานไม่มีความเกี่ยวข้องกันโดยพื้นฐาน ในทำนองเดียวกัน ตารางใดๆ ที่มีอยู่ในแผนผังเดียวจะไม่เกี่ยวข้องกับตารางในแผนผังอื่นๆ

ตาราง A และตาราง X ไม่เกี่ยวข้องกัน

ตาราง B และตาราง X ไม่เกี่ยวข้องกัน

แบบจำลองข้อมูลที่ตารางฐาน A และ X มีโครงร่างของตัวเอง ความสัมพันธ์จะแสดงเป็นสีเทาอ่อนแบบจำลองข้อมูลที่ตารางฐาน A และตารางดาวน์สตรีม B มีโครงร่างร่วมกัน ตารางฐาน X มีโครงร่างของตัวเอง ความสัมพันธ์จะแสดงเป็นสีเทาอ่อน

ตารางที่เกี่ยวข้อง

ตารางที่อยู่ในแผนผังเดียวกันถือว่าเกี่ยวข้องกัน

ตาราง A และตาราง S เกี่ยวข้องกัน

ตาราง B และตาราง S เกี่ยวข้องกัน (ผ่านตาราง A)

แบบจำลองข้อมูลที่มีการเน้นความสัมพันธ์ของตารางฐาน A กับตารางดาวน์สตรีมแบบจำลองข้อมูลที่มีการเน้นความสัมพันธ์ของตาราง B กับตารางอื่นโดยความสัมพันธ์กับตารางฐานเดียวกัน นั่นคือ A

ตารางที่ใช้ร่วมกัน

ตารางที่ใช้ร่วมกันมีความสัมพันธ์ขาเข้าหลายรายการ ตารางเหล่านี้เป็นของหลายแผนผังและใช้ร่วมกันระหว่างกัน

ตาราง S และตาราง T ถูกใช้ร่วมกัน

แบบจำลองข้อมูลที่ตาราง S และ T มีความสัมพันธ์ขาเข้าหลายรายการ ทั้งสองอยู่ในแผนผังของตารางฐาน A และแผนผังของตารางฐาน X

ความเกี่ยวข้องระดับฟิลด์ในการวิเคราะห์

ความเกี่ยวข้องระหว่างฟิลด์ถูกกำหนดแบบทีละชีตตามโครงสร้างของแบบจำลองข้อมูล ฟิลด์ใดที่มีการใช้งานอยู่ (นั่นคือ ฟิลด์ในการแสดงเป็นภาพที่มีลักษณะเป็นข้อมูลที่จะแสดงบนแถบ) และฟิลด์เหล่านั้นเป็นมิติข้อมูลหรือการวัดผล วิธีที่ความเกี่ยวข้องของฟิลด์ส่งผลต่อการแสดงเป็นภาพจะอธิบายในส่วนถัดไป

มาดูสถานการณ์บางอย่างโดยใช้แหล่งข้อมูลตัวอย่างเดียวกัน ชื่อของแต่ละฟิลด์จะระบุว่ามาจากตารางใด เช่น FieldB จากตาราง B ฟิลด์สามารถเป็นมิติข้อมูลหรือการวัดผลได้ เว้นแต่จะระบุไว้เป็นอย่างอื่น

ช่องที่เกี่ยวข้อง

ในระดับสูง ฟิลด์ต่างๆ จะมีความสัมพันธ์กันเมื่อ Tableau สามารถกำหนดวิธีประเมินร่วมกันได้อย่างชัดเจน โดยยึดตามเส้นทางความสัมพันธ์ภายในแผนผังเดียว

ตัวอย่างเช่น FieldB (จากตาราง B) และ FieldS (จากตาราง S) มีความเกี่ยวข้องกัน

FieldB และ FieldS เกี่ยวข้องกัน

ฟิลด์ที่ไม่เกี่ยวข้องกัน

ในระดับสูง ฟิลด์จะไม่เกี่ยวข้องกันไม่ว่าในกรณีใดเมื่อฟิลด์เหล่านั้นไม่เกี่ยวข้องกัน อาจเป็นเพราะฟิลด์มาจากตารางที่ไม่เกี่ยวข้อง เช่น การใช้ฟิลด์จากตารางฐานสองตาราง ในกรณีนี้ โดยพื้นฐานแล้วฟิลด์จากตารางฐานที่แตกต่างกันจะไม่เกี่ยวข้องกัน

ตัวอย่างเช่น FieldA และ FieldX ไม่เกี่ยวข้องกัน

FieldA และ FieldX ไม่เกี่ยวข้องกัน

หรือฟิลด์ถือว่าไม่เกี่ยวข้องในช่วงเวลาหนึ่ง เช่น ในกรณีที่คลุมเครือหรือยังไม่เกี่ยวข้อง โดยส่วนใหญ่ คุณสามารถใช้ตัวชี้วัดความเกี่ยวข้องเพื่อให้ทราบเมื่อฟิลด์ไม่เกี่ยวข้องในบริบทของการแสดงเป็นภาพ

มิติข้อมูลการเชื่อมต่อ

การเชื่อมเป็นวิธีที่ Tableau ประเมินฟิลด์จากตารางที่ไม่เกี่ยวข้องในแบบจำลองข้อมูลแบบหลายข้อเท็จจริงในระหว่างการวิเคราะห์ ในการแสดงเป็นภาพ การใช้มิติข้อมูลจากตารางที่ใช้ร่วมกันจะเชื่อมฟิลด์ที่ไม่เกี่ยวข้องเข้าด้วยกัน และช่วยให้สามารถประเมินพร้อมกันในการแสดงเป็นภาพเดียวกันได้ คิดว่านี่เป็นผลลัพธ์จากการวางเคียงกันจากสองแผนผังด้วยกันโดยอิงตามมิติข้อมูลที่แผนผังทั้งสองมีร่วมกัน

ตัวอย่างเช่น หากการแสดงเป็นภาพสร้างด้วย FieldA และ FieldX ทั้งสองฟิลด์นี้จะไม่เกี่ยวข้องกัน การเพิ่ม DimensionS จะนำไปสู่ฟิลด์การเชื่อม

  • FieldA และ DimensionS ได้รับการประเมินร่วมกัน
  • FieldX และ DimensionS ได้รับการประเมินร่วมกัน
  • ผลลัพธ์ระดับกลางเหล่านั้นจะนำมารวมกันตามค่าของ DimensionS
  • ขณะนี้ FieldA และ FieldX เชื่อมกันแล้ว

ตารางฐาน A และ X ที่ไม่เกี่ยวข้องจะเชื่อมกันโดยตาราง S ที่ใช้ร่วมกัน

เคล็ดลับ: แนวทางปฏิบัติที่ดีที่สุดคือการใช้ฟิลด์การเชื่อมในการแสดงเป็นภาพก่อนที่จะดึงฟิลด์ที่ไม่เกี่ยวข้องออกมา ตัวอย่างเช่น ลาก DimensionS ออกมาก่อน หรือ FieldA จากนั้น DimensionS แล้ว FieldX แทนที่จะเป็น FieldA จากนั้น FieldX แล้ว DimensionS การเพิ่มฟิลด์การเชื่อมต่อก่อนทำให้แน่ใจได้ว่า Tableau ทราบเสมอถึงวิธีประเมินความสัมพันธ์และหลีกเลี่ยงปัญหาด้านประสิทธิภาพที่อาจเกิดขึ้นจากการประเมินมิติข้อมูลที่ไม่เกี่ยวข้องร่วมกันด้วยการรวมแบบไขว้

การเชื่อมต้องใช้มิติข้อมูลจากตารางที่ใช้ร่วมกันจึงจะใช้งานได้ในการแสดงเป็นภาพ ฟิลด์ที่วางบนแผงตัวกรองหรือคุณสมบัติเคล็ดลับเครื่องมือของการ์ดเครื่องหมายจะไม่ถือว่าใช้งานอยู่เพื่อวัตถุประสงค์ในการเชื่อม

ฟิลด์ที่ยังไม่เกี่ยวข้อง

ฟิลด์สามารถมีวิธีการต่างๆ หลายวิธีที่จะเชื่อมโยงกันได้ แต่ยังไม่เกี่ยวข้องกัน สิ่งนี้เกิดขึ้นเมื่อมีความสัมพันธ์ที่เป็นไปได้มากกว่าหนึ่งรายการระหว่างตารางที่ใช้ร่วมกันสองตาราง (หรือตารางที่ใช้ร่วมกันแบบดาวน์สตรีม)

พิจารณา FieldS และ FieldT ตารางดังกล่าวเกี่ยวข้องกันทั้งผ่านแผนผังที่กำหนดโดยตารางฐาน A และผ่านแผนผังที่กำหนดโดยตารางฐาน X

ในการแสดงเป็นภาพที่มีเพียง FieldS และ FieldT ไม่มีข้อมูลว่าควรใช้แผนผังใดในการเชื่อมโยงระหว่างกัน หากไม่มีข้อมูลเพิ่มเติม Tableau ก็ไม่สามารถประเมินได้ว่าจะเชื่อมโยงฟิลด์เหล่านี้ผ่านแผนผังของตารางฐาน A หรือแผนผังของตารางฐาน B

FieldS และ FieldT ถือเป็นสิ่งที่ไม่เกี่ยวข้องกันแม้ว่าจะมีความสัมพันธ์ที่เป็นไปได้หลายรายการก็ตาม

ฟิลด์ S และ T ที่เกี่ยวข้องอย่างคลุมเครือ

ฟิลด์ที่อาจจะเกี่ยวข้องแต่ยังไม่เกี่ยวข้องเหล่านี้จะได้รับการประเมินว่าไม่เกี่ยวข้อง เนื่องจาก Tableau ไม่สามารถระบุเส้นทางความสัมพันธ์ได้อย่างชัดเจน ต่างจากฟิลด์ที่ไม่เกี่ยวข้องกันอย่างแท้จริงซึ่งสามารถเชื่อมต่อกันได้เท่านั้น ก็สามารถแก้ไขฟิลด์ที่ยังไม่เกี่ยวข้องกันและฟิลด์สามารถเกี่ยวข้องกันได้โดยตรง

ช่องที่เกี่ยวข้องกันอย่างคลุมเครือ

ฟิลด์ยังสามารถเกี่ยวข้องกันอย่างคลุมเครือได้ กรณีนี้เกิดขึ้นเมื่อมีความสัมพันธ์ที่เป็นไปได้ที่ใช้งานอยู่มากกว่าหนึ่งรายการระหว่างตารางที่ใช้ร่วมกัน (หรือตารางที่ใช้ร่วมกันแบบดาวน์สตรีม) ต่างจากฟิลด์ที่ยังไม่เกี่ยวข้องกัน ซึ่งพิจารณาได้ว่าเกี่ยวข้องกันน้อยเกินไปหรือเกี่ยวข้องกันน้อยไป ฟิลด์ที่เกี่ยวข้องอย่างคลุมเครือจะเกี่ยวข้องกันมากเกินควรหรือมากเกินไป

พิจารณา FieldS และ FieldT ตารางดังกล่าวเกี่ยวข้องกันทั้งผ่านแผนผังที่กำหนดโดยตารางฐาน A และผ่านแผนผังที่กำหนดโดยตารางฐาน X

ในการแสดงเป็นภาพที่มีเพียง FieldA, Field X, FieldS และ FieldT จะมีข้อมูลมากเกินไปที่จะตัดสินใจว่าควรใช้แผนผังใดในการเชื่อมโยงข้อมูลเหล่านี้ หากไม่ตัดข้อมูลออก Tableau จะไม่สามารถประเมินได้ว่าจะเชื่อมโยงฟิลด์เหล่านี้ผ่านแผนผังของตารางฐาน A หรือแผนผังของตารางฐาน B

FieldS และ FieldT ถือเป็นสิ่งที่ไม่เกี่ยวข้องกันแม้ว่าจะมีความสัมพันธ์ที่ใช้งานอยู่หลายรายการก็ตาม

ฟิลด์ได้รับการประเมินว่าเป็นฟิลด์ที่ไม่เกี่ยวข้องกันอย่างคลุมเครือเนื่องจาก Tableau ไม่สามารถระบุเส้นทางความสัมพันธ์ได้อย่างชัดเจน ต่างจากฟิลด์ที่ไม่เกี่ยวข้องกันอย่างแท้จริงซึ่งสามารถเชื่อมต่อกันได้เท่านั้น ก็สามารถแก้ไขฟิลด์ที่เกี่ยวข้องกันอย่างคลุมเครือและฟิลด์สามารถเกี่ยวข้องกันได้โดยตรง

วัดผลจากตารางที่ใช้ร่วมกัน

เมื่อมีการใช้มิติข้อมูลจากตารางที่ใช้ร่วมกัน จะมีการเชื่อมต่อฟิลด์จากตารางที่ไม่เกี่ยวข้องแบบอัปสตรีมเข้าด้วยกัน อย่างไรก็ตาม การวัดผลนั้นไม่สามารถเชื่อมต่อกันได้ และค่าของการวัดผลนั้นขึ้นอยู่กับมิติข้อมูลที่เกี่ยวข้อง

ในการแสดงเป็นภาพด้วย DimensionA และ DimensionX มิติข้อมูลทั้งสองนี้ไม่เกี่ยวข้องกัน หากนำ MeasureS ออกมาจาก Table S ก็จะไม่เกี่ยวข้องกับการรวม DimensionA และ DimensionX เข้าด้วยกัน แม้ว่าจะสามารถเกี่ยวข้องกับสิ่งใดสิ่งหนึ่งโดยอิสระ แต่ก็ไม่สามารถเกี่ยวข้องกับทั้งสองสิ่งในเวลาเดียวกันได้ในการแสดงเป็นภาพเดียวกัน

ตารางฐาน A และ X ที่ไม่เกี่ยวข้องจะเชื่อมกันโดยตาราง S ที่ใช้ร่วมกัน

การวัดผลที่ใช้ร่วมกันถือว่าเป็นประเภทของความคลุมเครือหรือความเกี่ยวข้องกันและได้รับการแก้ไขในลักษณะเดียวกัน

แก้ไขความสัมพันธ์ที่ไม่ชัดเจนระหว่างฟิลด์

เมื่อใดก็ตามที่มีความไม่แน่นอนเกี่ยวกับวิธีการเชื่อมโยงฟิลด์ต่างๆ Tableau จะไม่ตัดสินใจตามที่กำหนดเองและจะถือว่าฟิลด์เหล่านั้นไม่เกี่ยวข้องกันแทน มักจะดีกว่าที่จะเชื่อมโยงฟิลด์เหล่านี้โดยการชี้แจงความไม่แน่นอนเกี่ยวกับแผนผังที่จะใช้

การแก้ไขฟิลด์ที่ยังไม่เกี่ยวข้องทำได้โดยการเพิ่มฟิลด์เพื่อกำหนดว่าจะใช้แผนผังใด การแก้ไขฟิลด์ที่เกี่ยวข้องที่คลุมเครือทำได้โดยการลบฟิลด์ออกเพื่อกำหนดว่าจะใช้แผนผังใด

ตัวอย่าง:

การแก้ไขปัญหาที่ยังไม่เกี่ยวข้องกัน: เพิ่มฟิลด์

  • ในการแสดงเป็นภาพของ FieldS และ FieldT การเพิ่มฟิลด์จากตาราง A, B หรือ C ลงในการแสดงเป็นภาพทำให้แผนผังของตารางฐาน A ทำงานอยู่และแก้ไขเส้นทางที่ต้องการระหว่าง FieldS และ FieldT
  • อีกวิธีหนึ่ง การใช้ฟิลด์จากตาราง X จะแก้ไขเส้นทางที่ต้องการระหว่าง FieldS และ FieldT กับแผนผังของตารางฐาน X

การแก้ไขปัญหาที่เกี่ยวข้องอย่างคลุมเครือ: ลบฟิลด์ออก

  • ในการแสดงเป็นภาพของ FieldA, FieldX, FieldS และ FieldT การลบ FieldX จะทำให้มีเพียงแผนผังของ Base Table A เท่านั้นที่ใช้งานได้ และแก้ไขเส้นทางที่ต้องการระหว่าง FieldS และ FieldT
  • อีกวิธีหนึ่งคือการลบ FieldA จะแก้ไขเส้นทางที่ต้องการระหว่าง FieldS และ FieldT ผ่านทางแผนผังของ Base Table X

การแก้ไขการวัดผลร่วมกัน: ลบฟิลด์ออก

  • ในการแสดงเป็นภาพของ DimensionA, DimensionX, และ MeasureS การลบ DimensionX จะทำให้มีเพียงแผนผังของ Base Table A เท่านั้นที่ใช้งานได้ และแก้ไขเส้นทางที่ต้องการระหว่าง DimensionA และ MeasureS
  • อีกวิธีหนึ่งคือการลบ DimensionA จะแก้ไขเส้นทางที่ต้องการระหว่าง DimensionX และ MeasureS ผ่านทางแผนผังของ Base Table X
ยังไม่เกี่ยวข้องเกี่ยวข้องอย่างคลุมเครือความเกี่ยวข้องได้รับการแก้ไขเป็นแผนผังเดียว
เกี่ยวข้องผ่านตารางฐาน Aเกี่ยวข้องผ่านตารางฐาน X
ที่เกี่ยวข้องภายใต้เกี่ยวข้องผ่าน Aเกี่ยวข้องผ่าน X

การแก้ไขความไม่แน่นอนจะคล้ายกับการใช้นิพจน์ระดับรายละเอียด (LOD) FIXED ในนิพจน์ LOD สำหรับ FIXED คุณจะบอก Tableau ว่าควรรวบรวมรายละเอียดระดับใดโดยการกำหนดการประกาศมิติข้อมูล ความไม่แน่นอนได้รับการแก้ไขโดยการเปลี่ยนโครงสร้างของการแสดงเป็นภาพเพื่อให้มีเพียงแผนผังเดียวที่ใช้งานอยู่ ดังนั้นการบอก Tableau ว่าเส้นทางความสัมพันธ์ใดที่สามารถพิจารณาเพื่อทำการวิเคราะห์

การเชื่อมต่อเทียบกับการแก้ไขความไม่แน่นอน

ทั้งการเชื่อมต่อและการแก้ไขความไม่แน่นอนเป็นวิธีจัดการกับความไม่เกี่ยวข้องกัน แต่มีผลลัพธ์ที่แตกต่างกัน ดังนี้

การเชื่อม

การแก้ไขความไม่แน่นอน

การเชื่อม A และ X ด้วย S

FieldA และ FieldX ที่ไม่เกี่ยวข้องได้รับการเชื่อมโดย DimensionS

การแก้ไข S และ T ด้วย A

FieldS และ FieldT ประเมินผ่านแผนผังที่กำหนดโดยตารางฐาน A

วางซ้อนฟิลด์ที่ไม่เกี่ยวข้องกันตามคุณลักษณะที่ใช้ร่วมกันจำกัดเส้นทางความสัมพันธ์ที่จะใช้เมื่อมีตัวเลือกหลายตัว (ความคลุมเครือหรือการวัดผลที่ใช้ร่วมกัน) หรือสร้างเส้นทางความสัมพันธ์เมื่อไม่มีตัวเลือกใดเลย (ยังไม่เกี่ยวข้อง)

ใช้ตรรกะของหลายตารางฐานในการคำนวณผลลัพธ์

ใช้ตรรกะของตารางฐานเดียวในการคำนวณผลลัพธ์

การวิเคราะห์เกี่ยวข้องกับตารางที่ไม่เกี่ยวข้องกันการวิเคราะห์เกี่ยวข้องกับตารางที่ใช้ร่วมกัน

วิธีการใช้การรวมสำหรับความเกี่ยวข้องแต่ละระดับ

หลังจากกำหนดความเกี่ยวข้องระดับฟิลด์แล้ว Tableau จะต้องประเมินผลลัพธ์เพื่อสร้างการแสดงเป็นภาพจริง การค้นหาที่ใช้ในการคำนวณค่าที่แสดงในการแสดงเป็นภาพขึ้นอยู่กับการรวบรวม ไม่ว่าฟิลด์จะเกี่ยวข้อง ไม่เกี่ยวข้อง หรือเชื่อมกันจะมีผลกระทบต่อการรวบรวมที่ดำเนินการอย่างแตกต่างกัน โปรดทราบว่าฟิลด์ที่เกี่ยวข้องอย่างคลุมเครือและยังไม่เกี่ยวข้องจะถือว่าไม่เกี่ยวข้องในบริบทนี้

เพื่ออธิบายความเกี่ยวข้องและการรวม ส่วนนี้จะอธิบายตารางและฟิลด์ รวมถึงค่าในฟิลด์เหล่านั้น พิจารณาแบบจำลองข้อมูลต่อไปนี้ที่มีตารางฐานสองตาราง ชั้นเรียนและชมรม และตารางที่ใช้ร่วมกัน นั่นก็คือนักเรียน

แบบจำลองข้อมูลที่มีตารางฐานสองตาราง ชั้นเรียนและชมรม และตารางที่ใช้ร่วมกัน นั่นก็คือนักเรียน

ชั้นเรียน

ชมรม

นักเรียน

ดูข้อมูลสำหรับตารางชั้นเรียน โดยแสดงค่าสำหรับสามฟิลด์ดูข้อมูลสำหรับตารางชมรม โดยแสดงค่าสำหรับสามฟิลด์ดูข้อมูลสำหรับตารางนักเรียน โดยแสดงค่าสำหรับสามฟิลด์

ช่อง:

  • ชั้นเรียน มิติข้อมูลที่มีค่า Nesting Basics, Advanced Songs, Flying for Fledglings และ Alarm Calls 101
  • ความยาว การวัดผล
  • นักเรียน มิติข้อมูลที่ใช้เพื่อสัมพันธ์กับตารางนักเรียน

ช่อง:

  • ชมรม มิติข้อมูลที่มีค่า Photography, Travel, Juggling, Art และ First Aid
  • ค่าธรรมเนียม การวัดผล
  • นักเรียน มิติข้อมูลที่ใช้เพื่อสัมพันธ์กับตารางนักเรียน

ช่อง:

  • คนขับรถบัส มิติข้อมูลที่มีค่าใช่หรือไม่ใช่
  • นักเรียน มิติข้อมูลที่มีค่า Finch, Cardinal, Sparrow, Robin และ Jay ใช้เพื่อเชื่อมโยงกับอีกสองตาราง
  • อายุ การวัดผล

แบบจำลองที่เรียบง่ายมากนี้แสดงให้เห็นว่าตรรกะการรวมระดับสูงได้รับการคำนวณสำหรับแบบจำลองข้อมูลความสัมพันธ์แบบหลายข้อเท็จจริง หากต้องการข้อมูลเพิ่มเติมเกี่ยวกับพื้นฐานของการรวมที่ใช้ในแบบจำลองข้อมูลตารางฐานเดียวที่สร้างขึ้นจากความสัมพันธ์ โปรดดูวิธีการทำงานของการวิเคราะห์สำหรับแหล่งข้อมูลแบบหลายตารางที่ใช้ความสัมพันธ์

ตัวอย่างนี้ควรเป็นแบบจำลองข้อมูลที่มีหลายตารางฐานหรือไม่

สำหรับแบบจำลองข้อมูลสามตารางนี้ อาจดึงดูดให้ตั้งค่าเป็นแบบจำลองตารางฐานเดียว เป็นชั้นเรียน-นักเรียน-ชมรม หรือชมรม-นักเรียน-ชั้นเรียน หรือโดยให้นักเรียนเป็นตารางฐาน ตามกฎแล้ว แบบจำลองข้อมูลความสัมพันธ์แบบหลายข้อเท็จจริงมีไว้สำหรับสคีมาข้อมูลหรือสถานการณ์การวิเคราะห์ประเภทที่เฉพาะเจาะจง หากแบบจำลองข้อมูลของคุณมีลักษณะเฉพาะที่เหมาะสมที่สุดกับแบบจำลองข้อมูลความสัมพันธ์แบบหลายข้อเท็จจริง ให้ตั้งค่าในลักษณะนั้นเพื่อให้ตารางฐานของคุณไม่เกี่ยวข้องกันทางแนวคิด อย่างไรก็ตาม หากข้อมูลของคุณไม่จำเป็นต้องมีโครงสร้างประเภทนี้ โมเดลตารางฐานเดียวก็สามารถใช้งานได้ง่ายกว่า

โครงสร้างแบบจำลองข้อมูลทางเลือกสำหรับแบบจำลองตัวอย่างชั้นเรียน-ชมรม-นักเรียน

แบบจำลองที่สามารถสร้างได้สำหรับทั้งสามตารางนี้: (1) ชั้นเรียนและชมรมเป็นตารางฐานโดยมีนักเรียนเป็นตารางที่ใช้ร่วมกัน (2) เชิงเส้นเริ่มต้นด้วยชั้นเรียนหรือชมรม และ (3) นักเรียนเป็นตารางฐานเดียวกับชั้นเรียน และชมรมเป็นตารางดาวน์สตรีม

ในกรณีนี้ ไม่มีสิ่งใดเกี่ยวกับตาราง ข้อมูล หรือแบบจำลองเหล่านี้ที่ต้องใช้ตารางฐานหลายตารางจริงๆ เรากำลังใช้แบบจำลองนี้เป็นตัวอย่างเพื่อให้เรียบง่าย เพื่อให้สามารถเน้นไปที่ตรรกะการรวมได้ หรือคุณอาจจินตนาการว่ามีตารางอื่นที่เกี่ยวข้องกันซึ่งก็คือห้อง ซึ่งเราเพียงเพิกเฉยเพื่อหลีกเลี่ยงไม่ให้การสนทนาซับซ้อนเกินไป

เวอร์ชันของแบบจำลองชั้นเรียน-ชมรม-นักเรียนที่มีตารางที่ใช้ร่วมกันเพิ่มเติม นั่นก็คือห้อง

อย่างไรก็ตาม ตามแนวทางปฏิบัติที่ดีที่สุด ให้ใช้แบบจำลองความสัมพันธ์แบบหลายข้อเท็จจริงเมื่อข้อมูลของคุณต้องการเท่านั้น

มิติข้อมูลที่เกี่ยวข้องใช้การรวมภายใน

มิติข้อมูลที่เกี่ยวข้องคือการรวมภายใน การรวมภายในจะปล่อยค่ามิติข้อมูลใดๆ ที่ไม่ได้ใช้ร่วมกันระหว่างทั้งสองตาราง

  • Tableau ใช้ตรรกะเพิ่มเติมเพื่อให้แน่ใจว่าค่าการวัดผลจะไม่สูญหาย ส่วนนี้ใช้เฉพาะมิติข้อมูลเพื่อแสดงพื้นฐานของวิธีที่ Tableau ใช้การรวมภายในกับมิติข้อมูลที่เกี่ยวข้อง

ตัวอย่างต่อไปนี้แสดงให้เห็นว่ามิติข้อมูลที่เกี่ยวข้องส่งคืนเฉพาะแถวที่มีอยู่ในข้อมูลอย่างไร ไม่มีนักเรียนอยู่ในชั้นเรียน Alarm Calls 101 จึงไม่แสดงในผลลัพธ์ Cardinal และ Jay ไม่ได้อยู่ในชั้นเรียนใดๆ เลย จึงไม่แสดงในผลลัพธ์

การแสดงเป็นภาพที่แสดงการรวมภายในของชั้นเรียนและนักเรียน โดยสองแถวสำหรับ Finch (Advanced Songs, Nesting Basics), สองแถวสำหรับ Robin (Flying for Fledgelings, Nesting Basics) และสองแถวสำหรับ Sparrow (Advanced Songs, Nesting Basics)

มิติข้อมูลที่ไม่เกี่ยวข้องใช้การรวมแบบไขว้

มิติข้อมูลที่ไม่เกี่ยวข้องกันโดยไม่มีมิติการเชื่อมจะรวมแบบไขว้ด้วยตัวมันเอง

ในการรวมแบบไขว้ ทุกค่าจากมิติข้อมูลหนึ่งจะรวมกับทุกค่าจากอีกมิติข้อมูลหนึ่ง แม้ว่าชุดค่าผสมที่เป็นผลลัพธ์จะไม่มีอยู่ในข้อมูลก็ตาม ในตัวอย่างนี้ การรวมแบบไขว้จะเพิ่มแถวสำหรับแต่ละชุดที่เป็นไปได้ของชั้นเรียนและชมรม

การแสดงเป็นภาพที่แสดงการเข้าแบบไขว้ของชั้นเรียนและชมรมพร้อมแถวสำหรับการรวมกันของ Advanced Songs/Alarm Calls 101/Flying for Fledglings/Nesting Basics ที่มี Art/First Aid/Juggling/Photography มีไอคอนที่ไม่เกี่ยวข้องแสดงอยู่ในข้อมูลที่จะแสดงมิติข้อมูลทั้งสองบนแผงแถว

สิ่งสำคัญคือต้องรับรู้ว่าเมื่อใดที่การรวมแบบไขว้เกิดขึ้นในการวิเคราะห์ของคุณ แม้ว่าจะมีแถวสำหรับ Advanced Songs + First Aid ในตารางผลลัพธ์สำหรับการรวมแบบไขว้ แต่จริงๆ แล้วไม่มีนักเรียนคนใดอยู่ในการรวมกิจกรรมนี้ (เราจะดูข้อพิสูจน์ในตัวอย่างการเชื่อมในส่วนถัดไป)

เหตุใดจึงเป็นสิ่งสำคัญที่ต้องรับรู้ว่าผลลัพธ์การรวมแบบไขว้ทั้งหมดไม่ได้ขึ้นอยู่กับข้อมูล ลองนึกภาพว่าคุณกำลังพยายามจัดตารางเวลาสำหรับชั้นเรียนและชมรมต่างๆ เพื่อไม่ให้มีความขัดแย้งสำหรับนักเรียน ไม่มีนักเรียนใน Advanced Songs และ First Aid ดังนั้นคุณจึงสามารถเพิกเฉยต่อผลลัพธ์นี้และจัดตารางเวลาชั้นเรียนและชมรมไปพร้อมๆ กัน การรวมแบบไขว้ไม่ได้แสดงถึงการรวมกันของค่าที่มีอยู่จริงในข้อมูล

นอกจากนี้ การรวมแบบไขว้เมื่อมีความไม่ซ้ำกันสูง (ค่าที่ไม่ซ้ำกันจำนวนมาก) อาจส่งผลกระทบต่อประสิทธิภาพได้ ลองนึกถึงการรวมหมายเลขโทรศัพท์ทั้งหมดกับที่อยู่อีเมลทั้งหมดแบบไขว้ในรายชื่อติดต่อของคุณ ซึ่งจะเป็นการรวมกันครั้งใหญ่และการปฏิบัติการที่มีต้นทุนสูง

มิติข้อมูลที่เชื่อมใช้การรวมภายนอก

มิติข้อมูลที่ไม่เกี่ยวข้องจะมีการรวมภายนอกเมื่อมีมิติข้อมูลการเชื่อม

ในตัวอย่างนี้ ทั้งตารางชั้นเรียนและตารางชมรมเกี่ยวข้องกับตารางนักเรียนที่ใช้ร่วมกัน แต่ไม่เกี่ยวข้องกัน ดังนั้นฟิลด์ชั้นเรียนและชมรมจึงไม่เกี่ยวข้องกัน การเพิ่มมิติข้อมูลนักเรียนช่วยให้ Tableau ทราบว่าค่าใดจากชั้นเรียนและค่าใดจากชมรมที่ควรนำมาวางเคียงกันในการวิเคราะห์ เราเรียกลักษณะการรวมภายนอกว่าการเชื่อม

การแสดงเป็นภาพที่แสดงผลการรวมภายนอกของการรวมภายในของนักเรียน-ชั้นเรียนและการรวมภายในของนักเรียน-ชั้นเรียน มีไอคอนที่ไม่เกี่ยวข้องกันในข้อมูลที่จะแสดงของชั้นเรียนและชมรมบนแผงแถว ข้อมูลที่จะแสดงสำหรับนักเรียนอยู่ในพร็อพเพอร์ตี้สีของการ์ดเครื่องหมายและไม่มีไอคอนที่ไม่เกี่ยวข้อง ชั้นเรียนและชมรมบางรายการจะไม่รวมกัน และมีแถวสำหรับนักเรียนและชมรมที่ไม่มีชั้นเรียน

การเชื่อมจะคล้ายกับการผสานข้อมูลโดยมีผลลัพธ์ระดับกลางที่นำกลับมารวมกันเพื่อให้ได้ผลลัพธ์โดยรวม อย่างไรก็ตาม การเชื่อมนั้นเป็นการรวมภายนอก ไม่ใช่การรวมด้านซ้าย ซึ่งต่างจากการผสานและไม่ปล่อยค่าจากด้านใดด้านหนึ่ง ไม่มีแนวคิดเกี่ยวกับแหล่งข้อมูลหลักหรือรองเมื่อแหล่งข้อมูลทั้งหมดเป็นแหล่งข้อมูลเดียว ดังนั้นทั้งสองฟิลด์ที่ไม่เกี่ยวข้องกันจึงมีความสำคัญเท่ากัน

ผลลัพธ์ระดับกลางจะได้รับการรวมภายนอก

อะไรจะเข้าสู่การรวมภายนอกสำหรับฟิลด์ที่เชื่อม การรวมภายในทันทีจะได้รับการคำนวณสำหรับแต่ละฟิลด์ที่ไม่เกี่ยวข้องและฟิลด์การเชื่อมตามลำดับ จากนั้นผลลัพธ์ระดับกลางเหล่านั้นจะได้รับการรวมภายนอกตามค่าของมิติข้อมูลการเชื่อม

ตัวอย่าง

การรวมภายในสำหรับนักเรียนและชั้นเรียน...

ตารางผลลัพธ์สำหรับสามค่าของนักเรียนและสามค่าของชั้นเรียน

...และการรวมภายในสำหรับนักเรียนและชมรม...

ตารางผลลัพธ์สำหรับสี่ค่าของนักเรียนและห้าค่าของชมรม

...จากนั้นจึงทำการรวมภายนอกสำหรับนักเรียน

ตารางผลลัพธ์สำหรับสี่ค่าของนักเรียน สามค่าของชั้นเรียน และห้าค่าของชมรม

การรวมเพิ่มเติมเพื่อรักษาการวัดผล

นอกจากตรรกะการรวมสำหรับมิติข้อมูลแล้ว การวัดผลยังสามารถสร้างการรวมเพิ่มเติมได้ เมื่อความสัมพันธ์นำมาใช้ครั้งแรกใน Tableau หนึ่งในหลักการสำคัญคือค่าการวัดผลจะไม่สูญหาย สิ่งนี้ยังคงอยู่ในแบบจำลองข้อมูลความสัมพันธ์แบบหลายข้อเท็จจริง

รายละเอียดที่สำคัญคือ

  • ค่าการวัดผลจะแบ่งตามมิติข้อมูลที่เกี่ยวข้องเท่านั้น
  • ค่าการวัดผลซ้ำสำหรับมิติข้อมูลที่ไม่เกี่ยวข้อง
  • ค่ามิติข้อมูลที่จะรวมอยู่ในการแสดงเป็นภาพเฉพาะมิติข้อมูลอาจถูกส่งคืนหากมีค่าการวัดผลที่เกี่ยวข้องเชื่อมโยงอยู่

หมายเหตุ: โปรดทราบว่าการวัดผลคือการรวบรวม โดยจะคำนวณในระดับรายละเอียด (มุมมองแบบละเอียด) ที่กำหนดโดยการรวมกันของมิติข้อมูลในการแสดงเป็นภาพ ซึ่งเรียกว่าเป็นการวัดผลที่แยกย่อยตามมิติข้อมูล เมื่อใช้การวัดผลโดยไม่มีมิติข้อมูลใดๆ จะเรียกว่าเป็นกำหนดขอบเขตตาราง ซึ่งหมายความว่าค่าของการวัดผลคือค่าที่รวบรวมทั้งหมด ทันทีที่เราใช้มิติข้อมูลในการแสดงเป็นภาพ การวัดผลจะแยกย่อยละเอียดมากขึ้นตามค่ามิติข้อมูล ค่าของการวัดผลในการวิเคราะห์จึงขึ้นอยู่กับบริบทของมิติข้อมูล

การวัดผลที่เกี่ยวข้อง

พิจารณาชุดย่อยของค่ามิติข้อมูลที่ส่งคืนสำหรับการรวมภายในสำหรับนักเรียนและชั้นเรียนของมิติข้อมูลที่เกี่ยวข้อง มีสามค่าของนักเรียน ได้แก่ Finch, Robin และ Sparrow และสามค่าของชั้นเรียน ได้แก่ Advanced Songs, Nesting Basics และ Flying for Fledgelings

ตารางผลลัพธ์สำหรับการรวมภายในระหว่างนักเรียนและชั้นเรียน

หากเราเพิ่มการวัดผลความยาวจากตารางชั้นเรียน เราจะเห็นว่าทั้งสี่ชั้นเรียนจะแสดงขึ้นและไม่มีค่า null สำหรับนักเรียน ทุกความยาวของชั้นเรียนจะแสดงที่ระดับของชั้นเรียน

ค่า null ปรากฏสำหรับนักเรียนแม้ว่าจะมีการรวมมิติข้อมูลภายในไว้ก็ตาม

หากเราเพิ่มเข้าการวัดผลอายุจากตารางนักเรียนแทน เราจะเห็นว่านักเรียนทั้งห้าคนแสดงขึ้นและมีค่า null สองค่าสำหรับชั้นเรียน ผลลัพธ์จะรักษานักเรียนทุกคนไว้ แม้ว่าจะไม่ได้อยู่ในชั้นเรียนก็ตาม อายุของนักเรียนทุกคนจะแสดงที่ระดับของนักเรียน

ค่า null ปรากฏขึ้นสำหรับชั้นเรียนแม้ว่ามิติข้อมูลจะรวมภายในก็ตาม

การวัดผลที่ไม่เกี่ยวข้อง

ค่าการวัดผลจะถูกทำซ้ำสำหรับค่ามิติข้อมูลที่ไม่เกี่ยวข้อง

หากเราดูที่การวัดผลความยาวจากตารางชั้นเรียนและมิติข้อมูลชมรมที่ไม่เกี่ยวข้องกัน การวัดผลมีการกำหนดขอบเขตตารางและทำซ้ำกับค่ามิติข้อมูลทั้งหมดของชมรม

การวัดผลที่มีการกำหนดขอบเขตตารางซึ่งทำซ้ำในค่ามิติข้อมูลที่ไม่เกี่ยวข้อง

เมื่อมีมิติข้อมูลการเชื่อม การวัดผลสามารถแยกย่อยและทำซ้ำได้

ที่นี่อายุของการวัดผลมาจากตารางนักเรียนและแยกย่อยตามระดับของนักเรียน แต่ละครั้งที่นักเรียนทำซ้ำตามมิติข้อมูลสำหรับชั้นเรียนและชมรม ค่าอายุจะถูกทำซ้ำ

การแก้ปัญหา

ข้อควรพิจารณาเมื่อใช้แบบจำลองข้อมูลความสัมพันธ์แบบหลายข้อเท็จจริง

ตัวกรองการแยกข้อมูลต่อตาราง

ตัวกรองการแยกข้อมูลทั้งหมดสำหรับการแยกข้อมูลแบบจำลองความสัมพันธ์แบบหลายข้อเท็จจริงนั้นจะเป็นต่อตาราง (ไม่แพร่หลาย) ด้วยเหตุนี้ ผลการกรองอาจแตกต่างกันระหว่างการเชื่อมต่อแบบเรียลไทม์และแบบการแยกข้อมูล

การคำนวณระดับแถว

การคำนวณระดับแถวสามารถอ้างอิงถึงฟิลด์ที่ใช้ตารางฐานอัปสตรีมเดียวกันเท่านั้น หมายความว่าการคำนวณระดับแถวไม่สามารถดำเนินการข้ามแผนผังได้

ฟิลด์ที่รวม

ฟิลด์ทั้งหมดในฟิลด์ที่รวมจะต้องใช้ตารางอัปสตรีมร่วมกัน อคุณไม่สามารถสร้างฟิลด์ที่รวมโดยใช้ฟิลด์ที่อยู่ในแผนผังที่แตกต่างกันได้

เซต

สามารถสร้างชุดได้เฉพาะกับคำจำกัดความที่เกี่ยวข้องกับฟิลด์ที่ใช้ตารางฐานอัปสตรีมเดียวกันเท่านั้น อย่างไรก็ตาม ในการแสดงเป็นภาพ ตัวเลือก “เพิ่มไปยังเซต” อาจมีให้ใช้งานจากเครื่องหมายเมื่อเครื่องหมายนั้นถูกกำหนดโดยฟิลด์ที่ไม่เกี่ยวข้องกับฟิลด์ที่ใช้ในการกำหนดชุด หากคุณเลือก “เพิ่มไปยังเซต” Tableau จะเพิ่มเฉพาะฟิลด์ที่เกี่ยวข้องให้กับคำจำกัดความของเซต สิ่งนี้แตกต่างจากลักษณะการทำงานของ “เพิ่มไปยังเซต” ในแหล่งข้อมูลตารางฐานเดียว เมื่อ “เพิ่มไปยังเซต” จะเพิ่มทุกอย่างที่กำหนดเครื่องหมาย

ตรวจสอบนิพจน์ระดับรายละเอียด INCLUDE

ไม่สามารถประเมินนิพจน์ LOD สำหรับ INCLUDE ในฟิลด์ที่ไม่เกี่ยวข้องได้ เนื่องจากความเกี่ยวข้องระหว่างฟิลด์ได้รับการประเมินแบบชีตต่อชีต จึงเป็นไปได้ที่จะมีนิพจน์ LOD ที่ถูกต้องในแผงข้อมูลหรือเครื่องมือแก้ไขการคำนวณที่กลายเป็นไม่ถูกต้องในบริบทของการแสดงเป็นภาพที่เฉพาะเจาะจง (ในที่ที่มีมิติข้อมูลที่ไม่เกี่ยวข้อง) เมื่อสิ่งนี้เกิดขึ้น ข้อมูลที่จะแสดงของ LOD จะเปลี่ยนเป็นสีแดง คุณสามารถอัปเดตนิพจน์ LOD เพื่อลบข้อขัดแย้งของฟิลด์ที่ไม่เกี่ยวข้อง เปลี่ยนโครงสร้างของการแสดงเป็นภาพ หรือลบนิพจน์ LOD ออกจากการแสดงเป็นภาพได้

การอัปเดตแหล่งข้อมูลที่เผยแพร่

ตามแนวทางปฏิบัติที่ดีที่สุด ให้สร้างสำเนาของแหล่งข้อมูลที่เผยแพร่ที่มีอยู่หากคุณวางแผนที่จะปรับเปลี่ยนให้กลายเป็นแบบจำลองข้อมูลความสัมพันธ์แบบหลายข้อเท็จจริง เมื่อเวิร์กบุ๊กที่เชื่อมต่อบางส่วนไม่จำเป็นต้องใช้แบบจำลองข้อมูลใหม่ อย่าอัปเดตแหล่งข้อมูลเวอร์ชันที่มีอยู่ เว้นแต่เวิร์กบุ๊กทั้งหมดจำเป็นต้องมีตารางใหม่ เผยแพร่แหล่งข้อมูลที่แก้ไขเป็นแหล่งข้อมูลใหม่ และสร้างเวิร์กบุ๊กใหม่จากแหล่งข้อมูลนั้น วิธีนี้จะป้องกันไม่ให้เวิร์กบุ๊กที่มีอยู่ถูกแปลงไปใช้ VDS แทนเซิร์ฟเวอร์ข้อมูลเมื่อไม่ต้องการฟังก์ชันการทำงาน เพื่อไม่ให้ประสิทธิภาพลดลง

ปัญหาที่ได้รับการแก้ไข

ปัญหาที่ได้รับการแก้ไขแก้ไขแล้วเมื่อ

การแยกข้อมูล

แหล่งข้อมูลในเครื่อง (ในเวิร์กบุ๊ก): ความพยายามที่จะแยกแหล่งข้อมูลความสัมพันธ์แบบหลายข้อเท็จจริงจะทำให้เกิดข้อผิดพลาด “ไม่มีตารางดังกล่าว”

แหล่งข้อมูลที่เผยแพร่: การแยกแหล่งข้อมูลความสัมพันธ์แบบหลายข้อเท็จจริงที่เผยแพร่จะปรากฏว่าสำเร็จ แต่ค่าของฟิลด์สามารถสลับได้

  • Tableau Cloud: ได้รับการแก้ไขแล้วสำหรับการอัปเดตกลางเดือนกรกฎาคม ซึ่งมีผลกับ public.tableau.com
  • Tableau Desktop: แก้ไขแล้วในรุ่นการบำรุงรักษาปี 2024.2.1 ที่เผยแพร่เมื่อวันที่ 24 กรกฎาคม 2024
  • Tableau Server: แก้ไขแล้วในรุ่นการบำรุงรักษาปี 2024.2.1 ที่เผยแพร่เมื่อวันที่ 24 กรกฎาคม 2024

หากคุณยังพบปัญหาเหล่านี้ใน Tableau Desktop หรือ Tableau Server ให้อัปเกรดเป็นเวอร์ชันตั้งแต่วันที่ 24 กรกฎาคม 2024 ขึ้นไป

นิพจน์ระดับรายละเอียด EXCLUDE

ควรตรวจสอบเฉพาะ LOD สำหรับ INCLUDE เท่านั้นเมื่อมีฟิลด์ที่ไม่เกี่ยวข้องกัน อย่างไรก็ตาม LOD สำหรับ EXCLUDE อาจถูกทำเครื่องหมายอย่างไม่ถูกต้องว่าไม่ถูกต้องในเงื่อนไขเดียวกัน

การคำนวณผู้ใช้แบบซ้อนกัน

การคำนวณผู้ใช้แบบซ้อนกันไม่พร้อมใช้งานในแหล่งข้อมูลที่เผยแพร่ที่มีแบบจำลองข้อมูลความสัมพันธ์แบบหลายข้อเท็จจริง

ปัญหาที่ทราบในเวอร์ชัน 2024.2

ตัวบ่งชี้ความเกี่ยวข้องกับการ์ดเครื่องหมายหลายรายการ

เมื่อสร้างการแสดงเป็นภาพด้วยการวัดผลหลายรายการบนแผงแถวหรือบนแถบคอลัมน์ แต่ละการวัดผลจะมีการ์ดเครื่องหมายของตัวเอง ตรรกะที่ใช้ในการกำหนดตัวบ่งชี้ความเกี่ยวข้อง (ไอคอนที่ไม่เกี่ยวข้อง ข้อความในเคล็ดลับเครื่องมือ และกล่องโต้ตอบคำเตือนเกี่ยวกับความเกี่ยวข้อง) อาจไม่ให้ผลลัพธ์ตามที่คาดหวัง ทั้งนี้ขึ้นอยู่กับการ์ดเครื่องหมายที่เปิดอยู่ อย่างไรก็ตาม การแสดงเป็นภาพมีการคำนวณอย่างถูกต้องตามความเกี่ยวข้องของแต่ละคู่ของฟิลด์ด้วยตัวมันเอง มีการแก้ไขที่วางแผนไว้สำหรับลักษณะการทำงานนี้

BatchQueryProcessor

ต้องเปิดใช้งาน BatchQueryProcessor เพื่อรองรับแบบจำลองข้อมูลความสัมพันธ์แบบหลายข้อเท็จจริง นี่เป็นลักษณะการทำงานที่คาดหวังโดยไม่มีการแก้ไขที่วางแผนไว้ในปัจจุบัน

Tableau Pulse

Pulse อาจไม่ทำงานกับแบบจำลองข้อมูลความสัมพันธ์แบบหลายข้อเท็จจริง คุณอาจไม่สามารถสร้างคำจำกัดความของเมตริก หรือเมตริกใดๆ ที่สร้างขึ้นอาจว่างเปล่า นี่ไม่ใช่ลักษณะการทำงานที่คาดหวัง แต่ยังไม่มีการแก้ไขที่วางแผนไว้ในปัจจุบัน

ขอบคุณสำหรับข้อเสนอแนะของคุณส่งข้อเสนอแนะของคุณเรียบร้อยแล้ว ขอขอบคุณ