自动洞察可生成各种类型的可视化,以提供对数据的特定洞察。这些可视化中的每个可视化利用数据中的不同列,并根据数据上下文中的洞察值进行排列。
- 维细分 — 这些可视化聚合数据中某个维的各个成员的度量值。这样,您便可以快速查看所选度量基于给定维的分布情况。度量可以是来自数据集的某个度量、记录数或每个记录的度量平均值。
- 热图数据透视表 — 这些可视化聚合数据中两个维的交集的度量值。数据透视表中的每个单元表示两个所选 D2 维的成员的交集。在这些可视化中,您可以通过查看表中颜色最深的单元,快速了解度量的最高值所在位置。此可视化中的度量可以是来自数据集的某个度量、记录数、每个记录的度量平均值或表示其中任何选项的百分比(右上总计等于 100%)。
- 前 10 个单项 — 此可视化按某个维的成员在数据集中某个度量的值降序显示前几个成员。图表中的最后一个条形显示不属于前九个成员的所有成员的度量平均值。即,未排列在前几位的所有单项的 M1 平均值。此信息显示前几个单项与其余单项的平均值相比的超出程度。
- 80/20 — 此可视化显示,对于某个给定度量,数据的前 20% 中的记录占总数据集的份额。前 20% 是基于数据集中的详细行数计算得出的。该环形图显示了就该度量而言数据中前几个单项的重要性。该环形图上的弧形表示记录的五分位值,即,按行数降序列出的连续的 20% 的记录块(前 20% 单项,接着下一个 20% 单项,以此类推)。弧形大小表示每个五分位值对应的度量的总聚合值。
- 帕累托图 — 此帕累托图可视化显示某个维(中基数)的每个成员,按某个度量的值降序排序。每个条形表示某个成员的此度量,线条表示在累加维的每个成员时的度量值的累积百分比(总和为 1.0 = 100%)。帕累托图有助于重点关注提供最大相对值或频率的区域。
- 散点图和聚类 — 散点图可视化在网格上显示某个维(中基数)的所有成员,轴表示数据中的两个不同度量。每个度量都是按平均单位值划分刻度。所有这些记录和潜在非正常值之间的扩散表示对维成员的引人关注的洞察。通过此图表,您可以快速洞察 B1 成员的两个度量彼此之间的相关程度,以及轻松了解哪些成员位于哪个象限。一种散点图变体显示以聚类方式自动将您的记录分到六个一致组中的情况。
- 简单趋势条形图 — 此可视化表示基于数据集中某个时间列,某个度量的趋势变化情况。它可以呈现引人关注的趋势模式(例如增长或下降)。度量可以是来自数据集的某个度量、记录数或每个记录的度量平均值。此外,对于同一洞察,还可以在图表右侧显示额外的预测线。
- 按维列出的比较趋势 — 此可视化比较一段时间内数据中某个维的每个成员的某个度量值的趋势变化情况。此图表中的每条线显示维的某个给定成员的某个度量的变化情况。在维的所有成员之间,度量值的增长或下降可能不一致,这可能就是引人关注的洞察:哪个成员与其他成员的趋势变化不同?
- 比较索引趋势 — 此可视化比较一段时间内数据中某个维列的每个成员的某个度量的相对增长情况。每条线表示维的一个成员,在初始时段设置了基础索引值 1.00。在一段时间内的变化情况显示后期时段与初始时段的索引值 1.00 比较的相对值。通过使用索引值(而不是绝对值),您可以公平比较各个趋势,因为各条线显示了真实的相对变化情况,从而可以正确相互比较所有成员的增长。如果查看度量的绝对值(而不是索引值),值之间的差异通常使得无法正确比较增长或下降。使用索引有助于了解实际相对行为。
- 按度量列出的索引趋势 — 此可视化比较一段时间内数据集中多个度量的相对变化情况。该线形图显示一段时间内数据集中各个度量的索引值,每条线表示一个度量。通过使用索引值(而不是绝对值),您可以公平比较各个趋势,因为直接查看度量的绝对值通常无法正确比较增长或下降。在初始时段为所有度量设置了起始索引值 (1.00),图表中线条显示每个度量相对于其起始点的相对变化情况(索引)。
- 季节性 — 此可视化中的条形表示数据集中某个度量按某个时间对象的第几月、一月中的第几天或星期几分布的情况。您可由此了解在多个月内比率值可能存在的季节性。季节性图表可用于识别多个特定期间内数据中存在的重复模式。这对于了解度量值随季节波动的情况至关重要。
- 成员贡献桥 — 此桥状图显示一段时间内数据集中某个维的每个成员对某个度量值的变化的贡献。它有助于了解在一段时间内哪些成员是引起变化(增长或下降)的最大贡献者。图表中的每个灰色条形表示在 T1 期间内某个度量的总计值。两个期间之间的绿色或蓝色条形指示哪些成员增加或减少,以及它们因此对整体变化的贡献情况。
- 维成员拆分(混合)与度量值 — 此可视化有助于了解在某个度量的值增长时数据中某个维的所有成员的混合(拆分)情况。条形表示度量的相对值:十分位 1 = 按记录列出的低度量值(前 10% 的记录),十分位 2 = 第二个 10% 的记录,最高为十分位 10 = 按记录列出的高度量值。在每个条形中,各颜色表示在相应的十分位中,维的每个成员占度量的总计值的比例(占总计的百分比)。这有助于识别成员混合结构随度量值变化而变化的情况。
- 按记录收集器列出的度量直方图 — 此可视化显示某个度量按其他度量的收集器分布的情况。图表中的条形显示度量的聚合,每个条形表示一个度量的一个收集器:收集器 1 = 按记录列出的低度量值,收集器 10 = 按记录列出的高度量值。
- 维成员箱线图 — 此箱线图可视化将数据中维 D1(中基数)中各单项(圆点)的扩散与数据中某个度量的值进行比较,并按数据中另一个维 D2 的每个成员(条形)表示。箱线图中的每个垂直条形表示 D2 的一个成员,条形中的每个圆点表示单个 D1 成员,Y 轴显示其度量的平均单位值。每个条形表示 D2 的相应成员的三个值:条形底部为第一个四分位值,条形中间为平均值,条形顶部为第三个四分位值。此可视化有助于了解 D1 维中记录的扩散,以及将该扩散中的差异与 D2 维的成员进行比较。
- 按维列出的记录值的扩散 — 此图表可视化按某个维的每个成员(条形)显示有关某个度量的值的记录的离散(扩散)。X 轴显示按记录列出的度量的平均值。每个条形中的圆点表示来自数据集的随机粒度记录组。此可视化有助于了解某个维的不同成员之间扩散的差异(可视化上的不同水平条形)。
- 五分位值趋势比较 — 此可视化比较一段时间内数据中每个 20% 的记录组(五分位值,自上而下按某个度量的值降序排序)的度量值的趋势变化情况。顶部组和底部组之间增长或下降是否一致?哪个群组的度量趋势不同?图表中的每条线都是一个五分位值,其显示 M1 值在一段时间内的趋势。五分位值是 20% 的数据集记录组,按度量值降序排序:具有前 20% 值的记录,接着具有下一个 20% 值的记录,依次类推。