Aprimorar Visualizações com Funções Analíticas Estatísticas

O Oracle Analytics permite adicionar uma gama de funções analíticas estatísticas do painel Funções Analíticas do Painel de Dados, que vêm totalmente configuradas para que você não precise ser um especialista em estatística para obter resultados.

.png

Você configura as opções para que a análise corresponda aos seus requisitos. Por exemplo, se sua visualização analisar Despesas Fora de Política por Mês, você poderá usar a opção Períodos para especificar o número de meses a serem previstos. Neste exemplo, '3' prevê três meses: janeiro, fevereiro e março, do ponto de dados final para dezembro.

.png

Caso precise de mais controle sobre definições estatísticas, ou caso queira usar a função analítica em outras visualizações, considere adicionar um cálculo e usar o construtor de expressões para definir a função equivalente. No painel Dados, clique em Adicionar (+). Em seguida, clique em Criar Cálculo para exibir o construtor de expressões. Por exemplo, você pode usar a função FORECAST().

Consulte Criar um Elemento de Dados Calculados.

.png

Dica:Você também pode acessar as opções de funções analíticas estatísticas clicando com o botão direito do mouse em uma visualização e selecionando Adicionar Estatísticas.

.png

Previsão

A função de previsão usa regressão linear para prever valores futuros com base em valores existentes ao longo de uma tendência linear.

Você pode definir períodos futuros para prever um valor com base na série temporal em seus dados. Consulte Adicionar uma Previsão a uma Visualização.

A Oracle suporta estes tipos de modelo de previsão:

• ARIMA (Auto-Regressive Integrated Moving Average) - Este tipo é adequado se seus dados da série temporal passada não forem sazonais, mas fornecerem observações suficientes (pelo menos 50, mas de preferência mais de 100 observações) para explicar e projetar o futuro.
• ARIMA Sazonal - Este tipo é adequado se seus dados tiverem um padrão regular de alterações que se repetem ao longo dos períodos. Por exemplo, a sazonalidade em dados mensais pode acontecer quando valores altos ocorrem durante os meses de verão e os valores baixos ocorrem durante os meses de inverno.
• ETS (Exponential Triple Smoothing) - Este tipo é adequado para analisar dados de séries temporais repetitivos que não têm um padrão claro. Esse tipo de modelo produz uma média móvel exponencial que leva em conta a tendência de os dados se repetirem em intervalos ao longo do tempo.
• Prophet - Este tipo é adequado se o seu conjunto de dados abranger períodos prolongados, tiver várias sazonalidade fortes, incluir eventos irregulares conhecidos anteriormente, tiver pontos de dados ausentes ou tiver valores discrepantes grandes.

Você também pode criar um cálculo personalizado usando a função FORECAST para ter mais controle sobre as definições, ou caso queira usar a previsão em outras visualizações. Consulte Funções Analíticas.

Clusters

A função cluster agrupa um conjunto de objetos de tal forma que os objetos do mesmo grupo mostrem mais coerência e proximidade entre eles do que os objetos de outros grupos. Por exemplo, você pode usar cores em um gráfico de dispersão para mostrar clusters de grupos distintos. Consulte Criar um Cluster ou Outlier em uma Visualização.

• Clusterização K-médias - Use para particionar "n" observações em "k" clusters, em que cada observação pertence ao cluster com a média mais próxima, servindo como um protótipo do cluster.
• Clusterização hierárquica - Use para criar uma hierarquia de clusters criados com o uso de uma abordagem aglomerativa (ascendente) ou uma abordagem divisiva (descendente).

Outliers

A função outliers exibe registros de dados que estão localizados o mais longe possível da expectativa média de valores individuais. Por exemplo, valores extremos que se desviam ao máximo de outras observações se enquadram nessa categoria. Os outliers podem indicar variabilidade na medição, erros experimentais ou uma novidade. Se você adicionar outliers a um gráfico que já tenha clusters, os outliers serão ilustrados como formas distintas.

Os outliers podem usar clusterização K-médias ou clusterização hierárquica. Consulte Criar um Cluster ou Outlier em uma Visualização.

Você também pode criar um cálculo personalizado usando a função OUTLIER para ter mais controle sobre as definições, ou caso queira usar a previsão em outras visualizações. Consulte Funções Analíticas.

Linhas de Referência

A função de linhas de referência define linhas horizontais ou verticais em um gráfico que correspondem aos valores do eixo X ou do eixo Y. Consulte Adicionar uma Linha de Referência a uma Visualização.

• Linha - Você pode optar por calcular a linha entre média, mínimo ou máximo. Por exemplo, no setor de aviação, se o comparecimento dos passageiros for plotado com relação ao tempo, a linha de referência poderá mostrar se o comparecimento de passageiros em um determinado mês está acima ou abaixo da média.
• Faixa - Uma faixa representa um intervalo superior e inferior de pontos de dados. Você pode escolher uma opção personalizada ou uma função de desvio padrão, e entre média, máximo e mínimo. Por exemplo, se você estiver analisando as vendas por mês e usar uma faixa de referência personalizada de média para máximo, poderá identificar os meses nos quais as vendas estão acima da média, mas abaixo do máximo.

Linhas de Tendência

A função de linha de tendência indica o curso geral da métrica em questão. Uma linha de tendência é uma linha reta que liga vários pontos de um gráfico. Uma linha de tendência ajuda a analisar a direção específica de um grupo de conjuntos de valores em uma visualização. Consulte Adicionar Funções Analíticas Estatísticas a Visualizações.

• Linear - Use com dados lineares. Seus dados serão lineares se o padrão nos respectivos pontos de dados lembrar uma linha. Uma linha de tendência linear mostra que sua métrica está aumentando ou diminuindo numa taxa constante.
• Polinômio - Use essa linha curva quando os dados flutuarem. Ela é útil, por exemplo, para analisar ganhos e perdas de um conjunto de dados grande.
• Exponencial - Use essa linha curva quando os valores dos dados aumentarem ou diminuírem em taxas cada vez mais altas. Você não poderá criar uma linha de tendência exponencial se seus dados contiverem valores negativos ou zero.

Você também pode criar um cálculo personalizado usando a função TRENDLINE para ter mais controle sobre as definições, ou caso queira usar a previsão em outras visualizações. Consulte Funções Analíticas.

Como alternativa, você pode adicionar previsões, linhas de tendências e clusters a uma pasta de trabalho usando funções analíticas somente para texto. Consulte Funções Analíticas.

Você pode usar colunas de medida, atributo, data e data derivada para criar linhas e faixas de referência.

As datas derivadas são colunas com diferentes níveis de granularidade, como Ano, Trimestre, Mês e Dia. O Oracle Analytics gera automaticamente colunas de data derivadas para qualquer coluna de Data, Horário ou Timestamp em conjuntos de dados.

Você pode vincular um parâmetro a um valor de linha de referência, ou a uma faixa ou intervalo de referência em uma visualização quando quiser usar um valor de parâmetro para colocar a linha ou faixa de referência na visualização. Consulte Vincular um Parâmetro a uma Linha ou Faixa de Referência.

Quando você configura a linha de referência no painel Funções Analíticas no painel Propriedades do Painel de Gramática, por exemplo, você pode selecionar a opção Tipo para exibir uma linha ou uma faixa, usar a opção Função para alterar a linha padrão para Média, Percentil ou N Principais, ou usar a opção Ordem Z para as colunas de data e ordem de datas, para posicionar a linha de referência na frente ou atrás de uma visualização. Caso selecione uma coluna de atributo diferente de data, por exemplo, Cidade, você poderá escolher um Valor, como Chicago, no qual exibir a linha de referência.