Automatisk innsikt genererer ulike typer visualiseringer som gir spesifikk innsikt i dataene. Hver av disse visualiseringene bruker forskjellige kolonner fra dataene og rangeres avhengig av verdien av innsikten innenfor konteksten til dataene.
- Sammendrag for dimensjoner – disse visualiseringene samler en målingsverdi for de ulike medlemmene av en dimensjon i dataene. Dette gjør at du raskt kan få oversikt over hvordan den valgte målingen er fordelt mot en gitt dimensjon. Målingen kan være en måling fra datasettet, et antall poster eller en gjennomsnittsverdi av måling per post.
- Pivottabeller for varmekart – disse visualiseringene aggregerer en målingsverdi for skjæringspunktene mellom to dimensjoner i dataene. Hver celle i pivottabellen representerer et skjæringspunkt mellom medlemmene i de to valgte D2-dimensjonene. Disse visualiseringene hjelper deg med å raskt forstå hvor de høyeste verdiene for målingen er, ved å se på de mørkeste cellene i tabellene. Målinger i denne visualiseringen kan være en måling fra datasettet, et antall poster, en gjennomsnittsverdi av måling per post eller en prosentandel som representerer et av disse alternativene (med totalen øverst til høyre, som utgjør 100 %).
- Topp 10 enkeltstående poster – denne visualiseringen viser de øverste medlemmene av en dimensjon etter synkende verdi for en måling i datasettet. Den siste stolpen i diagrammet viser gjennomsnittsverdien av målingen for alle medlemmene som ikke er blant topp ni. Det vil si gjennomsnittsverdien av M1 for alle enkeltpersonene som ikke er topprangert. Denne informasjonen viser hvor langt foran de topp enkeltpersonene er sammenlignet med gjennomsnittet for resten av populasjonen.
- 80/20 – denne visualiseringen viser, for et gitt mål, hvor mye postene i de øverste 20 % av dataene veier av det totale datasettet. Topp 20 % beregnes basert på detaljerte rader i datasettet. Hjuldiagrammet viser viktigheten av de øverste enkeltpersonene i dataene for denne målingen. Buene på hjuldiagrammet representerer kvintiler av poster, det vil si påfølgende biter av 20 % av postene ved å redusere antall rader (øverste 20 % enkeltpersoner, etterfulgt av de neste 20 % og så videre). Størrelsen på buene representerer den totale aggregerte verdien av målingen for hvert kvintil.
- Pareto – denne paretodiagramvisualiseringen viser hvert medlem av en dimensjon (middels kardinalitet) sortert etter synkende verdi for en måling. Hver stolpe representerer dette målet for et medlem, og linjen representerer den kumulative prosentandelen av målingsverdien (summerer opp til 1,0 = 100 %) når hvert medlem av dimensjonen legges til akkumulert. Et paretodiagram hjelper med å rette interessen mot områdene som tilbyr størst relativ verdi eller frekvens.
- Punktdiagrammer og klynger – visualiseringen av punktdiagrammet viser alle medlemmer av en dimensjon (middels kardinalitet) på et rutenett med to unike målinger fra dataene for aksene. Hvert mål er gradert etter gjennomsnittlig enhetsverdi. Spredningen mellom alle disse postene og potensielle sterkt avvikende verdiene representerer interessant innsikt i dimensjonsmedlemmene. Dette diagrammet gir deg et raskt innblikk i hvor godt de to målingene samsvarer med hverandre på B1-medlemmer, og lar deg enkelt forstå hvilke medlemmer som faller inn under hvilken kvadrant. En variant av punktdiagrammet viser en automatisk gruppering av postene i seks sammenhengende grupper.
- Enkle stolpediagrammer med trender – denne visualiseringen representerer trendutviklingen til en måling over en tidskolonne i datasettet . Det kan avsløre interessante trendmønstre som vekst eller nedgang. Målingen kan være en måling fra datasettet, et antall poster eller en gjennomsnittsverdi av måling per post. Den samme innsikten kan også vises med en ekstra prognoselinje på høyre side av diagrammet.
- Sammenlignbar trend etter dimensjon – denne visualiseringen sammenligner hvordan en målverdi har utviklet seg over tid for hvert medlem av en dimensjon i dataene. Hver linje i dette diagrammet viser utviklingen til en måling for et gitt medlem av dimensjonen. Veksten eller nedgangen i målingsverdi er kanskje ikke konsekvent for alle medlemmene i dimensjonen, noe som kan være en interessant innsikt: Hvilke medlemstrender er annerledes enn de andre?
- Sammenlignbare indekserte trender – denne visualiseringen sammenligner relativ vekst for en måling over tid for hvert medlem av en dimensjonskolonne i dataene. Hver linje representerer et medlem av dimensjonen, med en basisindeksverdi på 1,00 satt ved en innledende tidsperiode. Utviklingen over tid viser den relative verdien i de påfølgende periodene sammenlignet med indeksverdien 1,00 i den innledende perioden. Ved å bruke indeksering i stedet for absolutte verdier kan du gjøre en rettferdig sammenligning av ulike trender, fordi linjene viser sann relativ utvikling og sammenligner veksten av alle medlemmer med hverandre på riktig måte. Når man ser på absolutte verdier for målingene i stedet for indekserte verdier, gjør avvik i verdier det ofte umulig å sammenligne vekst eller nedgang på riktig måte. Bruk av indekser gjør at du kan forstå faktisk relativ virkemåte.
- Indekserte trender etter målinger – denne visualiseringen sammenligner den relative utviklingen av flere målinger i datasettet over tid. Linjediagrammet visualiserer den indekserte verdien av ulike målinger i datasettet over tid, med hver linje som representerer en måling. Ved å bruke indeksering i stedet for absolutte verdier kan du gjøre en rettferdig sammenligning av ulike trender, fordi det å se direkte på de absolutte verdiene til målingene ofte gjør det umulig å sammenligne vekst eller nedgang på riktig måte. Startindeksverdien (1,00) angis for alle målinger i en innledende tidsperiode, og linjen viser den relative utviklingen til hver måling sammenlignet med startpunktet i diagrammet (indeksen).
- Sesongutjevninger – stolpene i denne visualiseringen representerer fordelingen av en måling etter måned, dag i måneden eller ukedag for et tidsobjekt i datasettet. Dette gir deg en indikasjon på mulig sesongutjevning for forholdstallet over måneder. Diagrammer med sesongutjevning er nyttige for å identifisere gjentakende mønstre i data over bestemte perioder. Dette kan være avgjørende for å forstå hvordan målingverdier varierer avhengig av sesong.
- Fossefallsdiagram for medlemsbidrag – dette fossefallsdiagrammet viser bidraget til hvert medlem av en dimensjon i datasettet til variasjonen av en målingsverdi over tid. Det hjelper deg med å forstå hvilke medlemmer som var de største bidragsyterne til en variasjon over en periode, for en økning eller reduksjon. Hver grå søyle i diagrammet representerer den totale verdien av en måling for en periode på T1. De grønne eller røde søylene mellom to perioder angir hvilke medlemmer som gikk opp eller ned, og dermed hvordan de bidro til den generelle variasjonen.
- Oppdeling av dimensjonsmedlemmer (blanding) kontra målingsverdi – denne visualiseringen hjelper deg med å forstå blandingen (oppdelingen) av alle medlemmene i en dimensjon i dataene etter hvert som verdien for en måling vokser. Søylene representerer relative verdier for målingen: Desil 1 = lav måleverdi per post (første 10 % poster), desil 2 = andre 10 %, opptil desil 10 = høy målingsverdi per post. Farger i hver stolpe viser andelen (prosent av totalen) av hvert medlem av dimensjonen i den totale verdien av målingen, for den desilen. Dette bidrar til å identifisere at strukturen til endringer i blandingen av medlemmer etterhvert som målingsverdien endres.
- Histogram av en måling etter postbeholder – denne visualiseringen viser hvordan en måling er fordelt på beholderne til en annen måling. Stolpene i diagrammet viser aggregeringen av målingen, og hver søyle representerer en søyle for en måling: Beholder 1 = lav målingsverdi per post og Beholder 10 = høy målingsverdi per post.
- Bokstegning for dimensjonsmedlemmer – denne visualiseringen med bokstegning sammenligner spredningen av enkeltpersoner i en dimensjon D1 (middels kardinalitet) i dataene (prikker) med verdien av en måling i dataene, og er representert av hvert medlem av den andre dimensjonen D2 i dataene (stolper). Hver vertikale stolpe i bokstegningen representerer et medlem av D2, og hver prikk i en stolpe er et enkelt D1-medlem, med y-aksen som viser målingens gjennomsnittlige enhetsverdi. Hver stolpe representerer tre verdier for dette medlemmet av D2: den første kvartilverdien nederst på stolpen, gjennomsnittsverdien i midten av stolpen og den tredje kvartilen øverst. Denne visualiseringen hjelper deg med å forstå spredningen av poster i en D1-dimensjon og sammenligne forskjeller i denne spredningen med medlemmer av en D2-dimensjon.
- Spredning av postverdier etter en dimensjon – denne diagramvisualiseringen viser spredningen av poster på verdien av en måling, for hvert av medlemmene i en dimensjon (stolper). X-aksen viser gjennomsnittsverdien av målingen etter post. Prikkene i hver av stolpene representerer tilfeldige grupper av detaljerte poster fra datasettet. Denne visualiseringen hjelper deg med å forstå hvordan spredningen kan variere mellom ulike medlemmer av en dimensjon (ulike vannrette stolper på visualiseringen).
- Sammenligning av kvintiltrend – denne visualiseringen sammenligner hvordan hver av de 20 % gruppene med poster i dataene (sortert etter verdien av en måling) fra øverste til nederste (kvintiler) har hatt forandret seg fra målingsverdien over tid. Var veksten eller nedgangen konsekvent blant de øverste og nederste gruppene, eller ikke? For hvilken populasjonsgruppe viste målingene en annen trend? Hver linje i diagrammet er en kvintil som viser trenden over tid for M1-verdien. Kvintiler er grupper med 20 % av datasettpostene sortert etter synkende målingsverdi: poster med topp 20 % verdi, etterfulgt av de neste 20 % og så videre.