jeg har været en ivrig bruger af Tableau i årevis. Jeg kan stort set ikke løse et kvantitativt problem i disse dage uden at bruge Tableau til at hjælpe mig visuelt med at udforske mine data og gentage gennem ideer og hypoteser. Men nogle problemer kræver mere tunge løft i Tableau end en nemlig kan håndtere simpelthen. I dag vil vi diskutere Tableau Clustering og hvorfor det er nyttigt at skabe bedre analyse af data.

Hvad er Tableau Clustering?

Tableau er for nylig begyndt at tilføje flere statistiske værktøjer, der giver effektive måder at visualisere og udforske data på. Tableau clustering er en af de nyeste funktioner i Tableau 10. Det sætter avanceret statistik i dine hænder med blot et par klik.

Tableau Clustering giver dig mulighed for nemt at identificere statistisk lignende grupper. På almindeligt engelsk, baseret på attributter, du fortæller Tableau, det vil gennemgå og bestemme ligheder og skabe look-a-lignende grupper. Du kan derefter bore i dem for flere detaljer eller sammenligne, hvordan hver gruppe opfører sig i forhold til hinanden.

som vi diskuterede ovenfor, er evnen til at segmentere data i nyttige grupper eller skraldespande lige så vigtig som at rangordne og identificere dine top-og bundværdier. Det er et must for enhver dataanalytiker. Tableau Clustering tager denne evne til et helt nyt niveau. Du behøver ikke kode eller skal være uddannet statistiker for at få adgang til den.

Tableau Clustering udmærker sig ved visuelt at se forholdet mellem data. For eksempel, vi undrer os måske, “hvordan interagerer disse 6 ting sammen, og hvilke resultater producerer de?”Hvad hvis vi ønskede at tilføje foranstaltninger i stedet for dimensioner? For eksempel købsmønstre (salg) og beløb, vi faktisk tjener (fortjeneste) og retur-eller rabatmønstre (Rabat, afkast).

Tableau clustering giver os mulighed for at tilføje denne yderligere information. Dette hjælper os med at bevæge os ud over enkle segmenter til avanceret, inkorporerer data om adfærdsmønstre og handlinger (foranstaltninger) samt attributoplysninger som Region eller marketingkanal (dimensioner).

Hvorfor er Tableau Clustering nyttigt?

at få bedre indsigt hurtigere gør det muligt for os at tage mere handling. At være i stand til at handle, der har indflydelse, gør dig til en helt; det gør dig til personen med alle svarene. Det er en fantastisk følelse, og det er, hvad Tableau clustering gør det muligt for os at opnå. Evnen til at finde skjulte indsigter med Tableaus nemme træk og slip-funktionalitet er et stort skridt i at komme til handling hurtigere.

Tableau Clustering eksempler

her er nogle eksempler på, hvordan folk har brugt Tableau clustering til at oprette segmenter og finde indsigt, de ikke kunne komme til nemt:

Marketing pro Chris Penn brugte Tableau clustering værktøj til at finde indsigt om sin egen blog, der var skjult med traditionelle metoder til visualisering. Nemlig at bore ind i hvilke emner af sociale medier indlæg kørte nye brugere, stort antal reshares eller var stillestående:

Chris træ giver en indsigtsfuld interaktiv analyse af udsatte unge i USA, DC school district, forklarer også, hvordan han brugte Tableau clustering til at gøre det.

<a href=’#’><img alt= ‘udsatte Ungdomsprocenter inden for skoler og demografisk repræsentation i D. C.’ src=’https:&#47;&#47;public.tableau.com&#47;static&#47;images&#47;DC&#47;DCPS&#47;Dashboard3&#47;1_rss.png ‘style=’ grænse: ingen ‘ / > < / a>

Tableau Clustering bruger

tjek flere Tableau clustering applikationer på arbejdspladsen nedenfor.

1. Kundesegmentering

sig, at du har en gruppe kunder, der logger ind meget sjældent, aldrig ringer til support, startede med lave månedlige tilbagevendende indtægter, men brugte tons på opgraderinger over tid. Det er en mærkelig gruppe med enorm organisk vækst og lave omkostninger, selvom de oprindelige indtægter var lave. Tableau clustering kan finde grupper som denne.

2. Markedsundersøgelser

Hvordan bestemmer vi forskellige grupper på markedet og skaber produkter og marketingmeddelelser, der resonerer med disse mennesker? For eksempel fandt en bank en gruppe iværksættere, der brugte egenkapital fra deres hjem via et 2.pant til at finansiere deres startups. At vide, at førte til en helt ny linje af produkter til banken, der genklang meget stærkere med denne gruppe.

3. Kundeundersøgelser

hvilke Tableau-klynger dukker op blandt tilfredse kunder, hvilke klynger dukker op blandt utilfredse kunder? Bruger de utilfredse kunder også dine fremragende supporttjenester?

4. Matchende eller anbefalingsalgoritmer

: For eksempel, baseret på film, der har en stærk kvindelig hovedperson, vittig Humor, og britiske skuespillere, Vi anbefaler alle film baseret på hver Jane Austen-bog nogensinde.

5. Telecom

Placer celletårnene, så alle kunder får optimal signalstyrke baseret på adresser, brugsmønstre, roaming, abonnementer, spidsbelastningstider, trafikmønstre og veje osv.

6. Planlægning

sig, at du er en politichef, der prøver at maksimere din officerstid med et begrænset budget. Du er nødt til at planlægge patruljer i spidsbelastningstider i de mest kriminelle sandsynlige områder, igen baseret på et hvilket som helst antal faktorer, som tidspunkt på dagen, vejr, indkomst-og uddannelsesniveauer, tidligere kriminalitetshændelser, typer kriminalitet, kendte bandesteder, etc.

jeg bruger personligt Tableau clustering hele tiden i mit daglige analysearbejde, og jeg finder ud af, at det har uovertrufne evner til at fortælle en historie om grupper af data. Hold øje med del 2 hvor jeg dækker, hvordan du opretter dine egne Tableau clustering diagrammer.

Sådan oprettes en Tableau Clustering

lad os hoppe ind og oprette et Tableau clustering-diagram fra Superstore-datasættet, der viser forholdet mellem salg og overskud med fremhævning af andre felter såsom marketingkanal eller produktkategori. Vi starter med en visning med disse felter trukket ud:

A. Tableau clustering creation
  1. Klik først på ‘Vis mig’ øverst til højre og vælg ‘Scatter Plot’ mulighed for at få dette til mere af et nyttigt format. Derefter vil du se, at marketingkanal og Region er på henholdsvis figurer og farvehylder.

Tableau Clustering Tutorial

  1. indstil det derefter til’ hele visningen ‘ fra rullemenuen øverst.
  2. lad os derefter tilføje flere flere ‘dimensioner’. Føj produktkategori, kundesegment og Produktunderkategori til Detaljehylden.
  3. klik derefter på kortet ‘figurer’ for at indstille hvert af mærkerne til fyldt fra rullemenuen mærket ‘Vælg Formpalette.’Vælg derefter Tildel Palette og klik på Ok
  4. klik derefter på fanen Analytics øverst til venstre over dine dimensioner.
  5. det næste trin i Tableau clustering er at klikke på klynge og trække den ud. Sørg for at placere den oven på Klyngeboksen, der vises.
  6. Bemærk også, at 2 klynger genereres automatisk fra dataene.
B. spil med potentielle Tableau clusterings
  1. lad os lege med antallet af potentielle Tableau clusterings. Skift nummeret fra automatisk til 5. Derefter skal du se de forskellige farver. Tableau Clustering trin
  2. gå over til øverst til højre, hvor data highlighter viser de forskellige Tableau clusterings. Klik på hver enkelt efter hinanden for at fremhæve dette segment på scatter-plottet. Ser du nogle interessante grupper, som en gruppe med højt salg, lavt overskud?
  3. Klik på pil ned på hver pille, som du lægger på Detaljehylden, og vælg “Vis Highlighter.”
  4. disse skal vises på højre side. Klik gennem disse for at se, om der er nogen interessante indsigter, der dukker op. For eksempel afslører valg af “SEO” eller “sociale medier” under Marketingkanalen highlighter nogle interessante indsigter. Eller at vælge “Google Ads” afslører en interessant outlier.

Tableau Clustering eksempel

med dette avancerede Tableau clustering diagram oprettet, hold øje med del 3, hvor jeg dækker, hvordan man fortolker, forklarer og visuelt finjusterer Tableau clustering diagrammer.

C. Tableau clustering visuel finjustering

vi kan nemt bygge et fantastisk Tableau clustering diagram, men der er nogle visuelle finjustering at gøre, før vi kan ramme en home-run med vores chef. Derfor har vi lavet en nem guide til Tableau clustering, så datatolkning og forklaring bliver lettere at gøre. Før vi hopper ind, lad os se på nogle af numrene under hætten.

D. Tableau clustering fortolkning og analyse

Hvordan forstår jeg hver af mine Tableau clusteringer ud over bare eyeballing det?

  1. Klik først på pil ned på Klyngepillen, som skal være på din Farvehylde.
  2. vælg derefter beskriv klynger.
  3. endelig vises et vindue med en masse information om, hvordan dette blev oprettet. Du vil være opmærksom på følgende:
E. Tableau clustering variabler
  • variabler af Tableau clustering – dette er de foranstaltninger, du knuser for at finde look-a-likes (dvs. gruppe lignende kunder efter salg og fortjeneste)
  • detaljeringsniveau – dette er de dimensioner, du inkorporerer i Tableau clustering (dvs.Vis mig look-a-like kunder efter salg og fortjeneste, ved at analysere kundesegment, marketingkanal, produktkategori osv. og finde fællestræk på tværs af alle disse).
  • antal klynger – dette er de forskellige grupper eller segmenter, som algoritmen fandt
  • klynger – du skal rulle ned for at finde disse.
    • antal elementer – viser, hvor mange datapunkter der er i hver klynge (disse kan være dine søjler eller cirklerne på et scatter – plot)
    • Centre-Dette er gennemsnitsværdien inden for hver klynge. Du vil se de åbenlyse forskelle.
      • det er OK at have Tableau Clustering af forskellige størrelser, da data kan gruppere stærkere i den ene ende og derefter en anden, men du vil have, at hver klynge skal have nok datapunkter til at være meningsfulde.
      • hvis det kun har en eller to, overveje at udelukke dem fra visningen, da de kan være outliers skæv dine resultater, eller overveje at ændre antallet af klynger.
      • Bemærk: de fleste af klyngecentrene vises i videnskabelig notation, hvilket er frustrerende. Hvis du klikker på knappen Kopier til udklipsholder, kan du formatere numrene, så du ved korrekt, hvad de repræsenterer.
F. Oprydning Tableau clusterings

lad os nu rense klyngerne op med et trick for at omdøbe dem med den ekstra bonus at kunne bruge dem i andre diagrammer og analyser. (Bemærk, at når du har gennemført dette trin, kan du ikke se de tidligere underliggende tal, så sørg for at du har kopieret numrene eller taget et skærmbillede.) Dette er det endelige produkt:

Sådan oprettes klynger i Tableau

    1. Hold Ctrl-tasten nede, og klik derefter på Klyngepillen på farvehylden, og træk derefter dette over i dimensioner.
    2. dobbeltklik nu på Klyngepillen, du lige har trukket ind i dimensioner, og omdøb den til “salg & Profitklynger.”Dette er nu et felt, som vi kan genbruge igen senere, hvilket vil være meget nyttigt til at analysere visse segmenter af kunder.
    3. Klik på pil ned på den omdøbte pille, og vælg Rediger gruppe.
    4. Højreklik på klynge 1 og vælg Omdøb. Type ” Lavt Salg, Lavt Overskud.”
    5. følg den samme procedure for klynge 2 (Bemærk, at de muligvis ikke er i numerisk rækkefølge!). Omdøb er til ” højt salg, lav fortjeneste.”
    6. Omdøb klynge 3 til ” Top Performers.”
    7. Omdøb derefter klynge 4 til ” mid-tier salg, lav fortjeneste.”
    8. Omdøb også klynge 5 til ” Medium salg, Medium fortjeneste.”
    9. træk nu den opdaterede” Salgs-og Overskudsklynger ” – pille, og udskift det eksisterende Klyngefelt på farvehylden. Du kan gøre dette ved at placere denne pille direkte oven på den anden. Eller ved at trække det aktuelle felt på farve fra og erstatte det med det nye. Følg med GIF nedenfor for at se det afsluttet op til dette punkt (klik for at se det på fuld skærm):

Tableau Clustering Video

G. ændring af farver i Tableau Clustering

lad os nu ændre farveskemaet i Tableau clusterings, så vores farver formidler lidt mere mening.

  1. i forklaringen skal du klikke på rullemenuen øverst til højre og vælge Rediger farver.
  2. Indstil farvepaletten til Superfishel Stone i rullemenuen.
  3. Vælg nu segmentet “Top Performers” og klik på den mørkegrønne pille.
  4. Gentag denne procedure og skift “lavt salg, lavt overskud” til den orange farve. Skift “højt salg, lavt overskud” til rødt. Skift “mid-tier salg…” til den lyse olivenfarve. Skift “Medium salg” til vandfarven.
  5. vælg OK.

vi har nu nogle statistisk gyldige segmenter, som vi kan genbruge, og som fremhæves med meningsfulde titler, der angiver det næste trin. For eksempel fører “højt salg, lavt overskud” os til det meget åbenlyse “hvorfor” spørgsmål. Vi kan derefter bore dybere ned for at se, hvad der ellers overflader fra disse datapunkter, der angiver handlinger, vi skal tage.

Hvordan forklarer jeg Tableau clustering til andre mennesker…?

…og få “thumbs up” fra din chef?

Brug følgende tips:

Forklar Tableau Clustering på engelsk

Find medlemmer af en potentiel gruppe (kunne være kunder, kunne være byer, kunne være noget, du forsøger at gruppere på), der er så ligner hinanden som muligt, og så dis-lignende som muligt til den næste gruppe. Vi ønsker, at hver gruppe skal være så unik og tydelig som muligt, mens vi ønsker, at hvert medlem af en bestemt gruppe skal være så ens som muligt.

Forklar Tableau Clustering kvantitativt

For et givet antal klynger eller look-A-lignende grupper (betegnet med bogstavet “K”), opdeler algoritmen dataene i så mange klynger eller grupper. Algoritmen bestemmer, hvad den mener er det optimale antal klynger for dig, baseret på dine data. Men du kan nemt ændre det for at se, om nye mønstre dukker op. Hver Tableau-klynge har et center (centroid), der er gennemsnitsværdien af alle punkterne i den klynge. Hver klynge er en gyldig statistisk gruppering, der opdateres dynamisk, når dataværdier ændres, eller når nye data tilføjes.

Del et eksempel på Tableau Clustering

lad os sige, at du har oplysninger om fire Domino-kæder og en liste over kundeadresser. Men disse kundeadresser er ikke bundet til nogen bestemt Dominos placering. Du skal manuelt sortere adresserne og sammenligne dem på Google Maps for at bestemme, hvilken placering de skal bestille fra. Tableau clustering gør dette automatisk. Det ville knuse gennem dataene og derefter bestemme, hvilke kvarterer der er omkring hver Dominos placering. Du ville have fire klynger. Dette er i det væsentlige, hvad Google gør, når du søger efter “mad i nærheden af mig” forresten.

Skriv et svar

Din e-mailadresse vil ikke blive publiceret.