Visualiseringstyper som genereras av Automatiska insikter
Automatiska insikter genererar flera olika typer av visualiseringar som ger specifika insikter i dina data. Varje visualisering drar nytta av olika kolumner i dina data och rankas beroende på insiktens värde inom kontexten för dina data.
- Dimensionsspecifikationer – Dessa visualiseringar samlar ett måttvärde för flera medlemmar i en dimension i dina data. Det ger dig en snabbvisning av hur det valda mätvärdet fördelas mot en viss dimension. Måttet kan vara ett mätvärde från din datamängd, ett antal poster eller ett medelvärde för mätvärdet per post.
- Pivottabeller med värmekarta – Dessa visualiseringar samlar ett måttvärde för två dimensioners skärningspunkt i dina data. Varje cell i pivottabellen representerar en skärningspunkt av medlemmarna i de två valda D2-dimensionerna. Med dessa visualiseringar kan du snabbt förstå var de högsta värdena är för måttet genom att titta på de mörkaste cellerna i tabellerna. Måtten i den här visualiseringen kan vara ett mätvärde från din datamängd, ett antal poster, ett medelvärde för mätvärde per post eller en procentsats som representerar något av dessa alternativ (där totalen högst upp till höger motsvarar 100 %).
- De tio främsta individerna – Den här visualiseringen visar de främsta medlemmarna i en dimension per deras fallande värde för ett mått i din datamängd. Den sista stapeln i diagrammet visar medelvärdet för måttet för alla medlemmar som inte är bland de nio främsta. Alltså medelvärdet för M1 för alla individer som inte är högt rankade. Den här informationen visar hur långt före de främsta individerna ligger jämfört med medelvärdet för resten av populationen.
- 80/20 – Den här visualiseringen visar, för ett visst mått, hur tungt posterna bland de främsta 20 % av dina data väger i den totala datamängden. De främsta 20 % beräknas baserat på detaljerade rader i datamängden. Ringdiagrammet visar viktighetsgraden för de främsta individerna i dina data för det måttet. Bågarna i ringdiagrammet representerar kvintiler av poster, alltså på varandra följande blocksegment av 20 % av posterna per fallande antal rader (de främsta 20 % av individer, följd av de nästa 20 % och så vidare). Storleken på bågarna representerar det totala samlade värdet för måttet för varje kvintil.
- Paretodiagram – Den här visualiseringen av ett paretodiagram visar varje medlem i en dimension (medelkardinalitet) ordnad per fallande värde för ett mått. Varje stapel representerar det här måttet för en medlem och linjen representerar måttvärdets ackumulerade procentsats (summering upp till 1,0 = 100 %) allt eftersom varje medlem i dimensionen läggs till ackumulativt. En paretodiagram hjälper till att fokusera intresset på de områden som erbjuder det största relativa värdet eller frekvensen.
- Spridningsdiagram och kluster – Visualiseringen av ett spridningsdiagram visar alla medlemmar i en dimension (medelkardinalitet) i ett rutnät med två unika mått från dina data på axlarna. Varje mått delas in per genomsnittligt enhetsvärde. Spridningen bland alla dessa poster och de potentiella avvikelsevärdena representerar intressanta insikter i dina dimensionsmedlemmar. Det här diagrammet ger dig en snabb insikt i hur väl de två mätvärdena korrelerar med varandra på B1-medlemmar och gör det enkelt att förstå vilka medlemmar som faller inom vilken kvadrant. En variant av spridningsdiagrammet visar en automatisk klustring av dina poster i sex enhetliga grupper.
- Enkla trendstapeldiagram – Den här visualiseringen representerar ett måtts trendutveckling för en tidskolumn i din datamängd. Den kan avslöja intressanta trendmönster som tillväxt eller nedgång. Måttet kan vara ett mätvärde från din datamängd, ett antal poster eller ett medelvärde för ett mätvärde per post. Samma insikt kan även visa en extra prognoslinje på höger sida av diagrammet.
- Jämförande trender per dimension – Den här visualiseringen jämför ett måttvärdes trend över tid för varje medlem i en dimension i dina data. Varje linje i det här diagrammet visar ett måtts utveckling för en viss medlem i dimensionen. Tillväxten eller nedgången i måttvärdet kanske inte är konsekvent bland alla medlemmar i dimensionen, vilket kan vara en intressant insikt: vilken medlem har en annan trend jämfört med de andra?
- Jämförande indexerade trender – Den här visualiseringen jämför ett måtts relativa tillväxt över tid för varje medlem i en dimensionskolumn i dina data. Varje linje representerar en medlem i dimensionen, med ett basindexvärde på 1,00 som anges vid en inledande tidsperiod. Utvecklingen över tid visar det relativa värdet i de följande perioderna jämfört med indexvärdet 1,00 under den inledande perioden. Genom att använda indexerade värden i stället för absolutbelopp kan du få en rimlig jämförelse av flera olika trender eftersom linjerna visar äkta relativ utveckling genom att jämföra tillväxten för alla medlemmar med varandra. När du tittar på absolutbelopp för mätvärdena i stället för indexerade värden är det ofta omöjligt att jämföra tillväxt eller nedgång korrekt på grund av avvikelser i värdena. Med index kan du förstå faktiskt relativt beteende.
- Indexerade trender per mått – Den här visualiseringen jämför den relativa utvecklingen för flera mått i datamängden över tid. Linjediagrammet visualiserar det indexerade värdet för flera olika mätvärden i datamängden över tid, där varje linje representerar ett mått. Genom att använda indexerade värden i stället för absolutbelopp kan du få en rimlig jämförelse av flera olika trender eftersom det ofta är omöjligt att jämföra tillväxt eller nedgång korrekt när du tittar direkt på mätvärdenas absolutbelopp. Startindexvärdet (1,00) anges för att mätvärden vid en inledande tidsperiod och linjen visar varje måtts relativa utveckling jämfört med dess startpunkt i diagrammet (Index).
- Säsongsvariationer – Staplarna i den här visualiseringen representerar fördelningen av ett mått per Månad, Dag i månaden eller Veckodag för ett tidsobjekt i din datamängd. Det ger dig en indikation på den möjliga säsongsvariationen för förhållandevärdet under månader. Du kan använda säsongsvariationsdiagram för att identifiera återkommande mönster i data under vissa perioder. Det här kan vara viktigt för att förstå hur måttvärden varierar efter säsong.
- Bidragsbrygga för medlemmar – Det här vattenfallsdiagrammet visar varje medlems bidrag i en dimension i din datamängd till variationen av ett måttvärde över tid. Det hjälper dig att förstå vilka medlemmar som var de största bidragsgivarna till en variation under en tidsperiod, för en ökning eller minskning. Varje grå stapel i diagrammet representerar det totala värdet för ett mått för en period i T1. De gröna eller röda staplarna mellan två perioder anger vilka medlemmar som ökade eller minskade och hur de på så sätt bidrog till den övergripande variationen.
- Uppdelning av dimensionsmedlemmar (blandat) kontra måttvärde – Den här visualiseringen hjälper dig att förstå blandningen (uppdelningen) av alla medlemmar i en dimension i dina data i takt med att värdet för ett mått växer. Staplarna representerar relativa värden för måttet: decil 1 = lågt måttvärde per post (de första 10 % av posterna), decil 2 = de andra 10 %, upp till decil 10 = högt måttvärde per post. I varje stapel visar färger andelen (procentsatsen av totalen) av varje medlem i dimensionen i måttets totala värde för den aktuella decilen. Det hjälper till att identifiera att strukturen av medlemsblandningen förändras när måttvärdet förändras.
- Histogram för ett mått per postbehållare – Den här visualiseringen visar hur ett mått fördelas per behållarna för ett annat mätvärde. Staplarna i diagrammet visar aggregeringen för måttet och varje stapel representerar en behållare för ett mått: behållare 1 = lågt måttvärde per post och behållare 10 = högt måttvärde per post.
- Låddiagram för dimensionsmedlemmar – Den här visualiseringen av ett låddiagram jämför spridningen av individer i en dimension D1 (medelkardinalitet) i dina data (prickar) med värdet för ett mått i dina data, och representeras av varje medlem i den andra dimensionen D2 i dina data (staplar). Varje stående stapel i låddiagrammet representerar en medlem i D2, och varje prick i en stapel är en enstaka D1-medlem, där y-axeln visar måttets genomsnittliga enhetsvärde. Varje stapel representerar tre värden för den här medlemmen i D2: det första kvartilvärdet längst ned i stapeln, det medelvärdet i mitten av stapeln och den tredje kvartilen högst upp. Den här visualiseringen hjälper dig att förstå spridningen av poster i en D1-dimension och jämföra skillnader i den spridningen med medlemmar i en D2-dimension.
- Spridning av postvärden per en dimension – Den här visualiseringen av ett diagram visar spridningen av poster med värdet för ett mått, för varje medlem i en dimension (staplar). X-axeln visar medelvärdet för måttet per post. Prickarna i varje stapel representerar slumpvisa grupper av detaljerade poster från datamängden. Den här visualiseringen hjälper dig att förstå hur spridningen kan variera mellan olika medlemmar i en dimension (olika liggande staplar på visualiseringen).
- Jämförelse av kvintiltrender – Den här visualiseringen jämför hur trenderna för varje 20 % av grupperna av poster i data (sorterade per värdet för ett mått), från de högsta till de lägsta (kvintilerna), har förändrats över tid för deras måttvärde. Var tillväxten eller nedgången konsekvent bland de högsta och lägsta grupperna eller inte? För vilken populationsgrupp skiljer sig måttrenden? Varje linje i diagrammet är en kvintil som visar trenderna över tid för M1-värdet. Kvintiler är grupper om 20 % av datamängdens poster, ordnade per fallande måttvärde: poster med det högsta 20 % värdet, följt av nästa 20 % och så vidare.
