فهم التمثيلات المرئية التي تم تكوينها بواسطة المعلومات الدقيقة السياقية

تقسيم حسب السمة

تقدم المعلومات الدقيقة السياقية ثلاثة أنواع من التمثيلات المرئية للتقسيم. يساعدك الشكل العام لعمليات التوزيع في عرض تباين الأعضاء في تحديدك الكبير سريعًا مقابل باقي البيانات.

يمكن تمثيل التقسيم كرسم بياني شريطي ثنائي المحور حيث تمثل الأشرطة تقسيم البيانات المحددة ويمثل الخط تقسيم جميع البيانات المتبقية. يتم فرز الأعضاء من الأعلى إلى الأقل تبعًا لباقي البيانات.

على سبيل المثال، تقوم هذه المعلومات الدقيقة بتقسيم المبيعات حسب حاوية المنتج. يشير الوصف المقدم إلى أنه إذا كانت حاوية المنتج علبة صغيرة، فستكون للبيانات المحددة مبيعات أقل بكثير عند مقارنتها بباقي البيانات. يوضح أيضًا أنه إذا كانت حاوية المنتج علبة كبيرة وبرميل كبير، فسيكون للبيانات المحددة مبيعات أكبر بكثير من باقي البيانات.

.png

يمكن أيضًا تمثيل التقسيم البُعدي كمخطط مبعثر ثنائي المحاور حيث تمثل كل نقطة تقسيم البيانات المحددة، ويمثل كل خط تقسيم البيانات المتبقية. يتم فرز الأعضاء من الأعلى إلى الأقل تبعًا لباقي البيانات.

على سبيل المثال، تقوم هذه المعلومات الدقيقة بتقسيم الربح حسب الفئة الفرعية للمنتج. تعرض البيانات المحددة للربح اختلافات كبيرة للفئات الفرعية للمنتج مثل الهواتف والاتصالات والحافظات وملحقات الحافظة والكراسي وسائد المقاعد.

.png

يمكن أيضًا تمثيل التقسيم كرسم بياني خطي جذري حيث تتم فهرسة تقسيم خط البيانات المحدد وبقية خط البيانات إلى مقياس منسق.

على سبيل المثال، تقسم هذه المعلومات الدقيقة المبيعات حسب وضع الشحن. تشير أشكال البيانات المحددة وبقية البيانات إلى اختلافات كبيرة في أوضاع الشحن الجوي العادي وشاحنة التسليم.

.png

الاتجاه

تقارن التمثيلات المرئية للاتجاه النمو التقريبي لمقياس عبر الوقت لتحديدك وباقي البيانات باستخدام السطور لعرض تطور كل منها. تستخدم الخوارزمية عمود التاريخ الأول الذي يظهر في قسم الأعمدة المرتبطة لجزء التدقيق اللغوي.

يبدأ كل سطر بقيمة مؤشر أساسية 1.00 يتم تعيينها في الفترة الزمنية الأولية. يعرض تطور المقياس عبر الوقت القيمة النسبية في الفترات التالية مقارنة بقيمة الفهرس 1.00 في الفترة الأولية. عند الاطلاع على القيم المطلقة للمقياس، تجعل التعارضات بين القيم من الصعب مقارنة أي نمو أو تراجع عبر الوقت بشكل مناسب.

على سبيل المثال، تعرض هذه المعلومات الدقيقة اتجاه المبيعات حسب تاريخ الشحن. يقدم هذا الوصف معلومات دقيقة إضافية حول الأداء العام للمبيعات عبر الوقت. يوضح هذا الوصف كذلك الفترات الزمنية في البيانات حيث يوجد فرق كبير في الاتجاه بين تحديدك وباقي البيانات، في هذه الحالة، 2014 إلى 2015.

.png

اتجاه القيمة

يعرض هذا النوع من التمثيلات المرئية للاتجاه اتجاه مقياس حسب أعمدة التاريخ أو الوقت المشتقة. في حين تتم فهرسة الرسوم البيانية للاتجاه في قيم البداية، والرسوم البيانية لاتجاه القيمة هي الرسوم البيانية ثنائية المحاور غير المفهرسة. إن الرسوم البيانية لاتجاهات القيمة مفيدة في تحديد الاختلافات بين البيانات المحددة وبقية البيانات عبر عمود التاريخ أو الوقت المشتق المحدد.

على سبيل المثال، تعرض هذه المعلومات الدقيقة اتجاه قيمة الربح على عمود تاريخ مشتق يسمى تاريخ الشحن (شهر السنة).

.png

الارتباط

يعرض هذا النوع من التخطيطات كيفية ارتباط القياسات المختلفة بمقياس محدد آخر من خلال مقارنة البيانات المحددة ببقية البيانات. من خلال عرض الارتباطات جنبًا إلى جنب، يسلط هذا التمثيل المرئي الضوء على أي أوجه تشابه واختلاف ملحوظة بين مجموعتي البيانات. لا تتوفر التمثيلات المرئية للارتباط إلا عندما يعرض قياس واحد على الأقل اختلافًا ذا معنى في الارتباط بين البيانات المحددة وبقية البيانات. يتم حساب ارتباطات هذه المقاييس في أكثر مستويات البيانات دقة للتمثيل المرئي للمصدر.

على سبيل المثال، تعرض هذه المعلومات الدقيقة أنماط الارتباط بين المبيعات وقياسات الأعمال الأخرى المتاحة والتي تسمى الربح والكمية المطلوبة وتكلفة الشحن وإجمالي سعر الوحدة.

.png

أعلى الاختلافات

هذا نوع من مخطط التقسيم. يقارن أنماط المقياس بين البيانات المحددة وبقية البيانات، مع التركيز على أعلى 10 حالات مع أكبر الاختلافات. عند التعامل مع السمات بدرجة الارتباط العالية، على سبيل المثال، المدن أو المنتجات، يسلط هذا الرسم البياني الضوء على أهم الاختلافات في المقياس.

على سبيل المثال، تعرض هذه المعلومات الدقيقة المدن العشر التي تختلف فيها المبيعات أكثر (سواء كانت أعلى أو أقل) بين البيانات المحددة وبقية البيانات.

.png

80/20

يعرض هذا النوع من التمثيلات المرئية نسب قيم مقياسك التي تتكون من أعلى 20% من السجلات والنسب التي تتكون من أقل 80% من السجلات عندما يقوم مقياسك بترتيب البيانات. كما يعرض التمثيل المرئي الأمر نفسه لباقي البيانات. يتم حساب هذا في أعلى مستوى دقة للبيانات في التمثيل المرئي المصدر.

على سبيل المثال، تعرض هذه المعلومات الدقيقة نسب 80/20، ويتم فرزها حسب المبيعات باستخدام شريطين: الأول لباقي البيانات والثاني لتحديدك. يوضح الوصف حقيقة أنه يمكن ملاحظة اختلاف النسب بين الاثنين.

.png