Über kontextbezogene Insights generierte Visualisierungen

Aufschlüsselung nach Attribut

Das Feature "Kontextbezogene Insights" stellt drei Typen von Aufschlüsselungsvisualisierungen dar. Anhand der allgemeinen Form der Verteilung können Sie schnell erkennen, welche Elemente in Ihrer Auswahl sich wesentlich vom Rest der Daten unterscheiden.

Eine Aufschlüsselung kann als Balkendiagramm mit zwei Achsen dargestellt werden, in dem die Balken die Aufschlüsselung der ausgewählten Daten darstellen und die Linie die Aufschlüsselung aller restlichen Daten darstellt. Die Elemente werden basierend auf dem Rest der Daten absteigend sortiert.

Beispiel: Diese Insight schlüsselt den Umsatz nach Produktcontainer auf. Die bereitgestellte Beschreibung gibt an, dass die ausgewählten Daten beim Produktcontainer "Small Box" einen wesentlich niedrigeren Umsatz als der Rest der Daten aufweisen. Sie weist auch darauf hin, dass die Produktcontainer "Jumbo Drum" und "Jumbo Box" für die ausgewählten Daten einen weitaus höheren Umsatz als für den Rest der Daten erreicht haben.

.png

Eine Dimensionsaufschlüsselung kann auch als Streudiagramm mit zwei Achsen dargestellt werden, bei dem jeder Punkt die Aufschlüsselung der ausgewählten Daten und die Linie die Aufschlüsselung der restlichen Daten darstellt. Die Elemente werden basierend auf dem Rest der Daten absteigend sortiert.

Beispiel: Diese Insight schlüsselt den Gewinn nach Produktunterkategorie auf. Die ausgewählten Daten für den Gewinn zeigen signifikante Unterschiede in den Produktunterkategorien, wie "Telephones and Communication", "Binders and Binder Accessories" und "Chairs & Chairmats".

.png

Eine Aufschlüsselung kann auch als Netzliniendiagramm dargestellt werden, in dem die Aufschlüsselung der ausgewählten Datenlinie und der Rest der Datenlinie auf eine normalisierte Skala indexiert werden.

Beispiel: Diese Insight schlüsselt den Umsatz nach Versandmodus auf. Die Formen der ausgewählten Daten und des Rests der Daten weisen auf signifikante Unterschiede bei den Versandmodi "Delivery Truck" und "Regular Air" hin.

.png

Trend

Trendvisualisierungen vergleichen die relative Zunahme einer Metrik im Zeitverlauf für Ihre Auswahl mit dem Rest der Daten und zeigt die jeweilige Entwicklung anhand von Linien an. Der Algorithmus verwendet die erste Datumsspalte, die im Abschnitt "Zugehörige Spalten" des Grammatikbereichs angezeigt wird.

Jede Linie beginnt mit einem Basisindexwert von 1,00, der für den anfänglichen Zeitraum festgelegt wird. Die Entwicklung der Metrik im Zeitverlauf zeigt den relativen Wert in den Folgezeiträumen im Vergleich zum anfänglichen Indexwert von 1,00. Beim Betrachten absoluter Werte für die Metrik erschweren Diskrepanzen zwischen den Werten den korrekten Vergleich der Zu- oder Abnahme mit der Zeit.

Beispiel: Diese Insight zeigt den Umsatztrend nach Versanddatum. Die Beschreibung enthält weitere Insights zur allgemeinen Umsatzperformance im Zeitverlauf. Zudem hebt die Beschreibung auch die Intervalle in den Daten hervor, bei denen die Trenddifferenz zwischen Ihrer Auswahl und dem Rest der Daten besonders hoch ist (in diesem Fall 2014 bis 2015).

.png

Wertetrend

Dieser Typ der Trendvisualisierung zeigt den Trend einer Metrik nach abgeleiteten Datums- oder Uhrzeitspalten an. Während Trenddiagramme an den Startwerten indexiert werden, sind Wertetrenddiagramme nicht indexierte Diagramme mit zwei Achsen. Wertetrenddiagramme sind nützlich, um Unterschiede zwischen den ausgewählten Daten und dem Rest der Daten über die ausgewählte abgeleitete Datums- oder Uhrzeitspalte zu ermitteln.

Beispiel: Diese Insight zeigt den Wertetrend des Gewinns über eine abgeleitete Datumsspalte mit dem Namen "Ship Date (Month of Year)" an.

.png

Korrelation

Dieser Diagrammtyp visualisiert, wie verschiedene Metriken mit einer anderen spezifischen Metrik korrelieren, indem die ausgewählten Daten mit dem Rest der Daten verglichen werden. Indem die Korrelationen nebeneinander angezeigt werden, hebt diese Visualisierung alle bemerkenswerten Ähnlichkeiten und Unterschiede zwischen den beiden Datengruppen hervor. Korrelationsvisualisierungen sind nur verfügbar, wenn mindestens eine Metrik einen bedeutenden Unterschied in der Korrelation zwischen den ausgewählten Daten und dem Rest der Daten zeigt. Korrelationen für diese Metriken werden auf der granularsten Datenebene für Ihre Quellvisualisierung berechnet.

Beispiel: Diese Insight zeigt die Korrelationsmuster zwischen dem Umsatz und anderen verfügbaren Geschäftsmetriken mit den Namen "Profit", "Quantity Ordered", "Shipping Cost" und "Gross Unit Price".

.png

Top-Unterschiede

Das ist eine Art Aufschlüsselungsdiagramm. Es vergleicht die Muster einer Metrik zwischen den ausgewählten Daten und dem Rest der Daten und konzentriert sich auf die Top 10-Fälle mit den größten Unterschieden. Bei Attributen mit einer hohen Kardinalität, z.B. Orten oder Produkten, werden in diesem Diagramm die signifikantesten Variationen in der Metrik hervorgehoben.

Beispiel: Diese Insight zeigt die zehn Orte an, in denen die Umsatzzahlen zwischen den ausgewählten Daten und dem Rest der Daten am stärksten voneinander abweichen (sowohl höher als auch niedriger).

.png

80/20

Dieser Visualisierungstyp zeigt an, welcher Anteil Ihres Metrikwertes aus den oberen 20% der Datensätze besteht und welcher Anteil aus den unteren 80% der Datensätze, wenn die Daten nach Ihrer Metrik sortiert werden. Die Visualisierung zeigt diese Aufschlüsselung auch für den Rest der Daten an. Sie wird auf granularster Datenebene in Ihrer Quellvisualisierung berechnet.

Beispiel: Diese Insight zeigt die 80/20-Verteilung nach Umsatz sortiert mit zwei Balken an: dem ersten für den Rest der Daten und dem zweiten für Ihre Auswahl. Die Beschreibung hebt hervor, dass die Verteilung zwischen Ihren Daten und dem Rest sich merklich unterscheidet.

.png