Visualisatietypes gegenereerd door Auto Insights
Door Auto Insights worden diverse typen visualisaties gegenereerd die specifieke inzichten in uw gegevens bieden. Door elk van deze visualisaties wordt gebruikgemaakt van verschillende kolommen uit uw gegevens en wordt elke visualisatie gerangschikt op basis van de waarde van het inzicht binnen de context van uw gegevens.
- Onderverdelingen van dimensies: door deze visualisaties wordt een meetwaarde geaggregeerd voor de verschillende onderdelen van een dimensie in uw gegevens. Hiermee kunt u een snelle weergave bereiken van de manier waarop de geselecteerde metric voor een bepaalde dimensie wordt verdeeld. De meting kan een metric uit uw gegevensset zijn, een hoeveelheid records of een gemiddelde waarde van de metric per record.
- Heatmap-draaitabellen: door deze visualisaties wordt een meetwaarde geaggregeerd voor de intersecties van twee dimensies in uw gegevens. Elke cel in de draaitabel stelt een intersectie voor van de onderdelen van de twee geselecteerde D2-dimensies. Dankzij deze visualisaties ziet u al snel waar zich de hoogste waarden van de meting bevinden door naar de donkerste cellen in de tabellen te kijken. Metingen in deze visualisatie kunnen een metric uit uw gegevensset zijn, een hoeveelheid records, een gemiddelde waarde van de metric per record of een percentage dat een van deze opties voorstelt (waarbij het totaal rechtsboven gelijk is aan 100%).
- 10 hoogste afzonderlijke waarden: in deze visualisatie worden de hoogste onderdelen van een dimensie getoond op afnemende waarde voor een meting in uw gegevensset. De laatste balk in het diagram toont de gemiddelde waarde voor alle onderdelen die zich niet onder de hoogste negen bevinden. Dat wil zeggen de gemiddelde waarde van M1 voor alle afzonderlijke waarden die niet in de top staan. Deze informatie toont hoeveel hoger de bovenste afzonderlijke waarden staan vergeleken met het gemiddelde van de rest van de populatie.
- 80/20: in deze visualisatie wordt voor een bepaalde meting getoond wat het gewicht is van de records in de bovenste 20% van uw gegevens ten opzichte van de totale gegevensset. De bovenste 20% wordt berekend op basis van gedetailleerde rijen in uw gegevensset. In de ringgrafiek wordt het belang getoond van de bovenste afzonderlijke waarden in uw gegevens voor die meting. De bogen in de ringgrafiek stellen kwintielen van records voor. Met andere woorden, opvolgende stukken van 20% van de records op afnemend aantal rijen (bovenste 20% afzonderlijke waarden, gevolgd door de volgende 20% enzovoort). De grootte van een boog stelt de totale geaggregeerde waarde van de meting voor elk kwintiel voor.
- Pareto: in deze visualisatie van een Pareto-diagram wordt elk onderdeel van een dimensie getoond (gemiddelde kardinaliteit), gerangschikt op afnemende waarde van een meting. Elke balk stelt deze meting voor een onderdeel voor en de lijn stelt het cumulatieve percentage van de meetwaarde voor (met een totaal van 1,0 = 100%) naarmate elk onderdeel van de dimensie cumulatief wordt toegevoegd. In een Pareto-diagram wordt gefocust op de gebieden met de grootste relatieve waarde of frequentie.
- Spreidingsgrafieken en clusters: in de visualisatie van de spreidingsgrafiek worden alle onderdelen van een dimensie getoond (gemiddelde kardinaliteit) in een raster met voor de beide assen twee verschillende metingen uit uw gegevens. Elke meting wordt onderverdeeld op gemiddelde eenheidswaarde. De spreiding onder al deze records en de potentiële afwijkingen stellen interessante inzichten in de onderdelen van uw dimensie voor. Met dit diagram hebt u snel inzicht in hoe goed de twee metrics met elkaar correleren voor B1-onderdelen en u ziet eenvoudig welke onderdelen in welk kwadrant vallen. In een variant van de spreidingsgrafiek wordt een automatische clustering van uw records in zes samenhangende groepen getoond .
- Eenvoudige trendstaafdiagrammen: deze visualisatie stelt de ontwikkelingstrend voor van een kolom met metingen in de loop van de tijd in uw gegevensset. Deze kan interessante trendpatronen blootleggen, zoals een toe- of afname. De meting kan een metric uit uw gegevensset zijn, een hoeveelheid records of een gemiddelde waarde van een metric per record. Hetzelfde inzicht kan ook worden weergegeven met een aanvullende prognoselijn aan de rechterkant van het diagram.
- Relatieve trends per dimensie: in deze visualisatie wordt vergeleken hoe de trend van een meetwaarde zich in de loop van de tijd heeft gedragen voor elk onderdeel van een dimensie in uw gegevens. Elke lijn in deze grafiek toont de ontwikkeling van een meting voor een bepaald onderdeel van de dimensie. De toe- of afname van de meetwaarde hoeft niet consistent te zijn voor alle onderdelen in de dimensie. Dit kan een interessant inzicht zijn: welk onderdeel geeft een andere trend te zien ten opzichte van de andere onderdelen?
- Relatieve, geïndexeerde trends: in deze visualisatie wordt de relatieve toename van een meting in de loop van de tijd vergeleken voor elk onderdeel van een dimensiekolom in uw gegevens. Elke lijn stelt een onderdeel van de dimensie voor, met een basisindexwaarde van 1,00 die op een initiële beginperiode is ingesteld. De ontwikkeling in de loop van de tijd toont de relatieve waarde in de volgende perioden vergeleken met de indexwaarde 1,00 in de initiële periode. Door gebruik te maken van indexering in plaats van absolute waarden, kunt u een eerlijke vergelijking maken van de diverse trends omdat de lijnen de ware, relatieve ontwikkeling tonen, zodat de toename van alle onderdelen goed met elkaar kunnen worden vergeleken. Als gekeken wordt naar de absolute waarden van de metrics in plaats van naar de geïndexeerde waarden, is het vanwege discrepanties in de waarden vaak onmogelijk om een toe- of afname goed te vergelijken. Door het gebruik van indexen kunt u het werkelijke relatieve gedrag begrijpen.
- Geïndexeerde trends per meetwaarden: in deze visualisatie wordt de relatieve ontwikkeling vergeleken van meerdere meetwaarden in de gegevensset in de loop van de tijd. Het lijndiagram laat de geïndexeerde waarde van diverse metrics in de gegevensset in de loop van de tijd zien, waarbij elke lijn een meting voorstelt. Door gebruik te maken van indexering in plaats van absolute waarden, kunt u een eerlijke vergelijking maken van de diverse trends omdat het bekijken van de absolute waarden van de metrics alleen het vaak onmogelijk maakt om een toe- of afname goed te vergelijken. De eerste indexwaarde (1,00) wordt voor alle metrics ingesteld op een initiële beginperiode. De lijn toont de relatieve ontwikkeling van elke metric vergeleken met het bijbehorende beginpunt in het diagram (index).
- Seizoensinvloeden: de balken in deze visualisatie stellen de distributie voor van een meting op maand van het jaar, dag van de maand of dag van de week van een tijdsobject in uw gegevensset. Hiermee krijgt u een indicatie van de mogelijke seizoensinvloed van de verhoudingswaarde in de loop van maanden. Seizoensdiagrammen zijn handig voor het identificeren van terugkerende patronen in gegevens in de loop van bepaalde perioden. Dit kan cruciaal zijn voor inzicht in de manier waarop meetwaarden met de seizoenen fluctueren.
- Watervaldiagram met bijdrage onderdelen: in dit watervaldiagram wordt de bijdrage getoond van elk onderdeel van een dimensie in uw gegevensset op de variatie van een meetwaarde in de loop van de tijd. Hierdoor begrijpt u welke onderdelen de grootste bijdrage leverden aan een variatie in een toe- of afname gedurende een bepaalde periode. Elke grijze balk in het diagram stelt de totaalwaarde van een meting voor een periode van T1 voor. De groene en rode balken tussen twee perioden geven aan welke onderdelen zijn toegenomen of afgenomen en dus hoezeer ze hebben bijgedragen aan de algehele variatie.
- Spreiding (mix) in dimensieonderdelen versus meetwaarde: met deze visualisatie krijgt u inzicht in de mix (spreiding) van alle onderdelen van een dimensie in uw gegevens naarmate de waarde van een meting toeneemt. De balken stellen relatieve waarden van de meting voor: deciel 1 = lage meetwaarde per record (eerste 10% records), deciel 2 = tweede 10%, tot en met deciel 10 = hoge meetwaarde per record. In elke balk wordt door kleuren het aandeel (percentage van het totaal) aangegeven van elk onderdeel van de dimensie van de totaalwaarde van de meting voor dat deciel. Hiermee kan worden vastgesteld dat de structuur van de mix van onderdelen wordt gewijzigd naarmate de meetwaarde wijzigt.
- Histogram van een meting per opslagplaats van records: in deze visualisatie wordt weergegeven hoe een meting is gedistribueerd volgens de opslagplaatsen van een andere metric. De balken in het diagram tonen de aggregatie van de meting en elke balk stelt een opslagplaats voor een meting voor: opslagplaats 1 = lage meetwaarde per record en opslagplaats 10 = hoge meetwaarde per record.
- Boxplot dimensieonderdelen: in de visualisatie van deze boxplot wordt de spreiding van afzonderlijke waarden in een dimensie D1 (gemiddelde kardinaliteit) in uw gegevens (punten) vergeleken met de waarde van een meting in uw gegevens en wordt voorgesteld door elk onderdeel van de andere dimensie D2 in uw gegevens (balken). Elke verticale balk in de boxplot stelt een onderdeel van D2 voor en elke punt in een balk is één D1-onderdeel, waarbij de gemiddelde eenheidswaarde van de meting op de Y-as wordt getoond. Elke balk stelt drie waarden voor dit onderdeel van D2 voor: de eerste kwartielwaarde onder aan de balk, de gemiddelde waarde in het midden van de balk en het derde kwartiel bovenaan. Met deze visualisatie leert u de spreiding van records in een D1-dimensie te begrijpen en verschillen in die spreiding met onderdelen van een D2-dimensie te vergelijken.
- Spreiding van recordwaarden door een dimensie: deze visualisatie toont de dispersie (spreiding) van recordwaarden van een meting voor elk van de onderdelen van een dimensie (balken). Op de X-as wordt de gemiddelde waarde van de meting per record getoond. De punten in elke balk stellen willekeurige groepen gedetailleerde records uit de gegevensset voor. Met deze visualisatie leert u hoe de spreiding tussen de verschillende onderdelen van een dimensie kan variëren (verschillende horizontale balken in de visualisatie).
- Vergelijking van trends in kwintielen: in deze visualisatie wordt vergeleken hoe elk van de 20%-groepen records in de gegevens (gesorteerd op de waarde van een meting), van bovenste tot onderste groepen (kwintielen), in de loop van de tijd een trend hebben vertoond voor de bijbehorende meetwaarde. Was de toename of afname consistent voor de bovenste en onderste groepen of niet? Voor welke populatiegroep is de trend in metingen verschillend? Elke lijn in de grafiek is een kwintiel waarmee de trend in de loop van de tijd van de M1-waarde wordt getoond. Kwintielen zijn groepen van 20% van de records in de gegevensset, gerangschikt op afnemende meetwaarde: records met de bovenste 20%, gevolgd door de volgende 20% enzovoort.
