Visualisierungen mit statistischen Analysen erweitern

Mit Oracle Analytics können Sie mehrere komplett vorkonfigurierte statistische Analysen aus dem Bereich "Analyse" des Datenbereichs hinzufügen. Sie müssen also kein Statistikexperte sein, um Ergebnisse zu erzielen.

.png

Sie können Basisoptionen für diese Analysen im Grammatikbereich konfigurieren. Beispiel: Wenn Ihre Visualisierung Ausgaben, die nicht den Policys entsprechen, nach Monat analysiert, können Sie die Option Zeiträume verwenden, um die Anzahl der zu prognostizierenden Monate anzugeben. (In diesem Beispiel werden mit "3" die drei Monate Januar, Februar und März ab dem letzten Datenpunkt für Dezember prognostiziert.)

Wenn Sie statistische Einstellungen genauer steuern oder die Analyse in anderen Visualisierungen verwenden möchten, könnten Sie eine Berechnung hinzufügen und die äquivalente Funktion im Expression Builder definieren. (Klicken Sie im Datenbereich im Fensterbereich "Daten" auf Hinzufügen (+), Berechnung erstellen, um den Expression Builder anzuzeigen.) Beispiel: Sie könnten die FORECAST()-Funktion verwenden.

.png

Siehe Berechnetes Datenelement erstellen.

Sie können auch auf die Optionen der statistischen Analyse zugreifen, indem Sie mit der rechten Maustaste auf eine Visualisierung klicken und Statistiken hinzufügen auswählen.

.png

Prognose

Die Prognosefunktion verwendet lineare Regression, um zukünftige Werte basierend auf vorhandenen Werten entlang eines linearen Trends vorherzusagen.

Sie können mehrere Zeiträume in der Zukunft festlegen, für die Sie den Wert basierend auf den vorhandenen Zeitreihendaten vorhersagen möchten. Siehe Prognose zu einer Visualisierung hinzufügen.

Oracle unterstützt die folgenden Prognosemodelltypen:

• Auto-Regressive Integrated Moving Average (ARIMA): Verwenden Sie diesen Typ, wenn die früheren Zeitreihendaten nicht saisonal sind, aber ausreichend Beobachtungen (mindestens 50, aber vorzugsweise mehr als 100 Beobachtungen) bereitstellen, um die Zukunft zu erläutern und vorherzusagen.
• Seasonal ARIMA : Verwenden Sie diesen Typ, wenn die Daten ein regelmäßiges Muster von Änderungen aufweisen, die sich über verschiedene Zeiträume hinweg wiederholen. Beispiel: Saisonalität in monatlichen Daten kann bestehen, wenn hohe Werte in Sommermonaten auftreten und niedrige Werte in Wintermonaten.
• Exponential Triple Smoothing (ETS): Verwenden Sie diesen Typ zur Analyse sich wiederholender Zeitreihendaten ohne klares Muster. Mit diesem Modelltyp erzeugen Sie einen exponentiellen gleitenden Durchschnitt, der die Wiederholungstendenz der Daten in Intervallen im Zeitablauf berücksichtigt.

Sie können auch eine benutzerdefinierte Berechnung mit der FORECAST-Funktion erstellen, wenn Sie Einstellungen genauer steuern oder die Prognose in anderen Visualisierungen verwenden möchten. Siehe Analysefunktionen.

Cluster

Die Clusterfunktion gruppiert ein Set von Objekten so, dass Objekte in derselben Gruppe enger miteinander in Verbindung stehen und einander näher stehen als zu Objekten in anderen Gruppen. Beispiel: Sie können Cluster verschiedener Gruppen in einem Streudiagramm mit Farben darstellen. Siehe Cluster oder Ausreißer in einer Visualisierung erstellen.

• K-Means-Clustering: Damit werden "n" Beobachtungen in "k" Cluster partitioniert, wobei jede Beobachtung zu dem Cluster mit dem am nächsten gelegenen Mittelwert gehört (dient als Prototyp des Clusters).
• Hierarchisches Clustering: Damit wird eine Hierarchie aus Clustern entweder mit einem agglomerierenden Ansatz (Bottom-up) oder einem divisiven Ansatz (Top-down) erstellt.

Sie können auch eine benutzerdefinierte Berechnung mit der CLUSTER-Funktion erstellen, wenn Sie Einstellungen genauer steuern oder das Cluster in anderen Visualisierungen verwenden möchten. Siehe Analysefunktionen.

Ausreißer

Die Ausreißerfunktion zeigt Datensätze an, die am weitesten von der durchschnittlichen Erwartung an individuelle Werte entfernt sind. Zu dieser Kategorie gehören beispielsweise extreme Werte, die am meisten von anderen Beobachtungen abweichen. Ausreißer können auf Variabilität in Messungen, experimentelle Fehler oder neue Veränderungen hinweisen. Wenn Sie einem Diagramm mit Clustern Ausreißer hinzufügen, werden die Ausreißer in anderen Formen dargestellt.

Ausreißer können K-Means-Clustering oder hierarchisches Clustering verwenden. Siehe Cluster oder Ausreißer in einer Visualisierung erstellen.

Sie können auch eine benutzerdefinierte Berechnung mit der OUTLIER-Funktion erstellen, wenn Sie Einstellungen genauer steuern oder den Ausreißer in anderen Visualisierungen verwenden möchten. Siehe Analysefunktionen.

Referenzlinien

Die Referenzlinienfunktion definiert horizontale oder vertikale Linien in einem Diagramm, die den Werten der X- oder Y-Achse entsprechen. Siehe Referenzlinie zu einer Visualisierung hinzufügen.

• Linie: Sie können die Linie als Durchschnitt, Minimum oder Maximum berechnen. Beispiel: Wenn die Passagieranzahl bei einer Fluglinie im Zeitablauf dargestellt wird, kann die Referenzlinie anzeigen, ob die Passagieranzahl für einen bestimmten Monat über oder unter dem Durchschnitt liegt.
• Band: Ein Band stellt den oberen und unteren Bereich von Datenpunkten dar. Sie können eine benutzerdefinierte Option oder eine Standardabweichungsfunktion festlegen und zwischen Durchschnitt, Maximum und Minimum wählen. Beispiel: Wenn Sie den Umsatz nach Monat analysieren und ein benutzerdefiniertes Referenzband von Durchschnitt bis Maximum verwenden, können Sie Monate identifizieren, in denen der Umsatz über dem Durchschnitt, aber unter dem Maximum liegt.

Trendlinien

Die Trendlinienfunktion gibt den allgemeinen Kurs der betreffenden Metrik an. Eine Trendlinie ist eine gerade Linie, die mehrere Punkte in einem Diagramm verbindet. Anhand einer Trendlinie können Sie die spezifische Richtung einer Gruppe aus Wertesets in einer Visualisierung analysieren. Siehe Statistische Analysen zu Visualisierungen hinzufügen.

• Linear: Verwenden Sie diese Option mit linearen Daten. Die Daten sind linear, wenn das Muster in den Datenpunkten einer Linie ähnelt. Eine lineare Trendlinie zeigt, dass die Metrik konstant ansteigt oder fällt.
• Polynomiell: Verwenden Sie diese kurvenförmige Linie bei fluktuierenden Daten. Sie eignet sich z.B. für die Analyse von Gains und Verlusten in einem großen Dataset.
• Exponentiell: Verwenden Sie diese kurvenförmige Linie, wenn Datenwerte immer stärker zunehmen oder fallen. Exponentielle Trendlinien sind nicht möglich, wenn die Daten null oder negative Werte enthalten.

Sie können auch eine benutzerdefinierte Berechnung mit der TRENDLINE-Funktion erstellen, wenn Sie Einstellungen genauer steuern oder die Trendlinie in anderen Visualisierungen verwenden möchten. Siehe Analysefunktionen.

Alternativ dazu können Sie auch Prognosen, Trendlinien und Cluster mit schreibgeschützten Analysefunktionen zur Arbeitsmappe hinzufügen. Siehe Analysefunktionen.

Sie können Parameter an den Datumswert oder -bereich einer Referenzlinie oder eines Referenzbandes einer Visualisierung binden, wenn Sie die Referenzlinie oder das Band über einen Parameterwert auf der Visualisierung platzieren möchten. Siehe Parameter an Referenzlinie oder -band binden.

Beispiel: Wenn Sie die Referenzlinie im Bereich "Analyse" im Grammatikbereich konfigurieren, könnten Sie die Option Typ auswählen, um eine Linie oder ein Band anzuzeigen, oder die Option Funktion, um die Standardlinie in "Durchschnittswert", "Perzentil" oder "Top N" zu ändern. Außerdem könnten Sie die Option Z-Reihenfolge für Datums- und Datumsreihenfolgespalten verwenden, um die Referenzlinie vor oder hinter einer Visualisierung zu positionieren. Wenn Sie eine Attributspalte auswählen, die keine Datumsspalte ist, wie z.B. "City", können Sie einen Wert wie "Chicago" auswählen, für den die Referenzlinie angezeigt werden soll.