Amélioration des visualisations grâce aux analyses statistiques

Oracle Analytics vous permet d'ajouter un large éventail d'analyses statistiques à partir du panneau Analyse du panneau de données. Ces analyses étant entièrement configurées, nul besoin d'être un expert des statistiques pour obtenir des résultats.

.png

Le panneau de grammaire vous permet de configurer les options de base de ces analyses. Par exemple, si votre visualisation analyse les dépenses non conformes par mois, vous pouvez utiliser l'option Périodes pour indiquer le nombre de mois à prévoir (dans cet exemple, "3" prévoit les mois de janvier, février et mars à partir du point de données final de décembre).

Si vous avez besoin de plus de contrôle sur les paramètres statistiques ou si vous voulez utiliser l'analyse dans d'autres visualisations, envisagez d'ajouter un calcul et utilisez le générateur d'expressions pour définir la fonction équivalente. (Dans le panneau de données, cliquez sur Ajouter (+), puis sur Créer un calcul pour afficher le générateur d'expressions.) Par exemple, vous pouvez utiliser la fonction FORECAST().

.png

Reportez-vous à Création d'un élément de données calculé.

Vous pouvez également cliquer avec le bouton droit de la souris sur une visualisation et sélectionner Ajouter des statistiques afin d'accéder aux options d'analyse statistique.

.png

Prévision

La fonction de prévision utilise la régression linéaire pour prévoir les valeurs futures en fonction de valeurs existantes suivant une tendance linéaire.

Vous pouvez définir un nombre de périodes à venir pour lesquelles prévoir une valeur, en fonction de vos données de période existantes. Reportez-vous à Ajout d'une prévision à une visualisation.

Oracle prend en charge les types de modèle de prévision suivants :

• Moyenne mobile intégrée auto-régressive (ARIMA) : utilisez ce modèle si les données de série temporelle passées ne sont pas saisonnières mais fournissent suffisamment d'observations (au moins 50, mais de préférence plus de 100) pour expliquer et prévoir l'avenir.
• Modèle ARIMA saisonnier : utilisez ce modèle si les données suivent un cycle de changements réguliers qui se répètent dans le temps. Voici un exemple de saisonnalité de données mensuelles : des températures élevées surviennent lors des mois d'été et des températures faibles surviennent pendant les mois d'hiver.
• Lissage exponentiel triple (ETS) : utilisez ce modèle pour analyser des données de série temporelle répétitives qui ne suivent pas un schéma clair. Ce type de modèle permet d'obtenir une moyenne mobile exponentielle qui prend en compte la tendance répétitive des données dans le temps.

Sinon, créez un calcul personnalisé à l'aide de la fonction FORECAST pour mieux contrôler les paramètres ou pour utiliser la prévision dans d'autres visualisations. Reportez-vous à Fonctions d'analyse.

Clusters

La fonction de cluster regroupe un ensemble d'objets de telle manière que les objets contenus dans un même groupe soient plus cohérents et plus similaires entre eux qu'avec ceux d'autres groupes. Par exemple, vous pouvez utiliser des couleurs dans un graphique en nuage de points pour afficher les clusters de différents groupes. Reportez-vous à Création d'un cluster ou d'une valeur aberrante dans une visualisation.

• Clustering de classification par partitionnement : permet de partitionner x observations en x clusters de partitionnement où chaque observation appartient au cluster dont la moyenne est la plus proche, ce qui fait office de prototype pour le cluster.
• Clustering hiérarchique : permet de créer une hiérarchie de clusters en utilisant une approche agglomérative (de bas en haut) ou divisive (de haut en bas).

Sinon, créez un calcul personnalisé à l'aide de la fonction CLUSTER pour mieux contrôler les paramètres ou pour utiliser le cluster dans d'autres visualisations. Reportez-vous à Fonctions d'analyse.

Valeurs aberrantes

La fonction de valeurs aberrantes affiche les enregistrements de données les plus éloignés des valeurs individuelles attendues moyennes. Par exemple, les valeurs extrêmes qui s'éloignent le plus des autres observations s'inscrivent dans cette catégorie. Les valeurs aberrantes peuvent indiquer une variabilité dans la mesure, des erreurs expérimentales ou une nouveauté. Si vous ajoutez des valeurs aberrantes à un graphique qui contient déjà des clusters, alors ces valeurs apparaissent sous différentes formes.

Les valeurs aberrantes peuvent utiliser le clustering de classification par partitionnement ou le clustering hiérarchique. Reportez-vous à Création d'un cluster ou d'une valeur aberrante dans une visualisation.

Sinon, créez un calcul personnalisé à l'aide de la fonction OUTLIER pour mieux contrôler les paramètres ou pour utiliser la valeur aberrante dans d'autres visualisations. Reportez-vous à Fonctions d'analyse.

Lignes de référence

La fonction de lignes de référence permet de définir des lignes horizontales ou verticales dans un graphique, qui correspondent aux valeurs de l'axe des X ou de l'axe des Y. Reportez-vous à Ajout d'une ligne de référence à une visualisation.

• Ligne : vous pouvez décider de calculer la ligne entre la moyenne et la valeur minimale ou la valeur maximale. Par exemple, dans le secteur aérien, si le nombre de passagers est représenté par rapport au temps, la ligne de référence peut montrer si ce nombre pendant un mois particulier est supérieur ou inférieur à la moyenne.
• Bande : une bande représente la plage supérieure et la plage inférieure de points de données. Vous pouvez choisir une option personnalisée ou une fonction de déviation standard, ou la placer entre la moyenne, la valeur maximale et la valeur minimale. Par exemple, si vous analysez les ventes par mois et que vous utilisez une bande de référence personnalisée de la moyenne à la valeur maximale, vous pouvez identifier les mois où les ventes sont supérieures à la moyenne, mais en deçà de la valeur maximale.

Lignes de tendance

La fonction de ligne de tendance indique le cours général de l'indicateur en question. Une ligne de tendance est une ligne droite reliant un nombre de points sur un graphique. Cette fonction vous permet d'analyser la direction spécifique d'un groupe d'ensembles de valeurs dans une visualisation. Reportez-vous à Ajout d'analyses statistiques aux visualisations.

• Linéaire : utilisez cette fonction avec des données linéaires. Vos données sont linéaires si le schéma de leurs points de données ressemble à une ligne. Une ligne de tendance linéaire signifie que l'indicateur croît ou décroît à un rythme stable.
• Polynomial : utilisez cette courbe lorsque les données fluctuent. Elle permet, par exemple, d'analyser les gains et les pertes sur un ensemble de données important.
• Exponentiel : utilisez cette courbe lorsque les valeurs augmentent ou diminuent à une vitesse bien plus importante. Vous ne pouvez pas créer de ligne de tendance exponentielle si vos données comportent des zéros ou des valeurs négatives.

Sinon, créez un calcul personnalisé à l'aide de la fonction TRENDLINE pour mieux contrôler les paramètres ou pour utiliser la ligne de tendance dans d'autres visualisations. Reportez-vous à Fonctions d'analyse.

Vous pouvez également ajouter des prévisions, des lignes de tendance et des clusters à un classeur à l'aide de fonctions d'analyse de texte uniquement. Reportez-vous à Fonctions d'analyse.

Vous pouvez lier des paramètres à une valeur de date ou une plage de dates d'une bande de référence ou d'une ligne de référence d'une visualisation lorsque vous voulez utiliser une valeur de paramètre afin de placer la ligne de référence ou la bande de référence sur la visualisation. Reportez-vous à Liaison d'un paramètre à une bande ou ligne de référence.

Lorsque vous configurez la ligne de référence dans le volet Analyse du panneau de grammaire, vous pouvez, par exemple, utiliser l'option Type pour afficher une ligne ou une bande, ou l'option Fonction pour définir la ligne par défaut sur Moyenne, Centile ou N premiers. Vous pouvez également utiliser l'option Ordre z pour les colonnes de date et d'ordre de date afin de positionner la ligne de référence devant ou derrière une visualisation. Si vous sélectionnez une colonne d'attribut autre que de date, par exemple, City, vous pouvez choisir une valeur, par exemple, Chicago, sur laquelle afficher la ligne de référence.