Dess mycket enkla. Dra ditt datumfält till kolumner och den åtgärd du vill plotta på rader. Högerklicka sedan på mätningen och lägg till tabellberäkning Välj Flytta beräkning, summera med summa, flytta längs tabell (över), tidigare värden 60 (2 månader), nästa värden 0 och voil tabellberäkningar är kraftfulla. Lär dig hur du använder dem EDIT: Att svara på förtydligandet Okej så ditt problem är förmodligen (du kan vara mer specifikt förresten, visa exakt vad du gör, vad du får och vad du strävar efter att få) att när du filtrerar bort den andra månader (i stället för augusti eller juli) förlorar du informationen (eftersom du inte kan bedöma information från 2 föregående månader). Ett enkelt sätt att klara det är att faktiskt inte filtrera några data och bara dölja de kolumner du inte vill visa (välj alla månader du inte vill visa, högerklicka och dölj). En mer elegant sätt att göra det (och mer interaktivt sätt) är att skapa en tabellberäkning som ska användas som filter. Denna teknik utnyttjar det faktum att tabellberäkningar utförs senast. Om du tänker visa endast juli och augusti, skapar du ett fält som heter filter: Uppsökningen (max (datum), 0) kommer i princip att returnera datumet (bättre, det maximala datumet för varje dag, eftersom du har dagar på skärmen). Filtrera på True, och endast juli (7) och augusti (8) kommer att fortsätta att vara på skärmen, men det kommer att visa löpande summan från 2 månader till dag. Huvudskillnaden från att göra MONTH (Date) direkt är att användningen av uppslag kommer att tvinga Tableau för att beräkna det här sist, så du kommer inte att filtrera ut data från din löpande summaberäkning, bara från visualiseringen. En liten hack, men det fungerar För att få ett bättre filter kan du använda parametrar, så det är mer interaktivt. Beräkna viktat medelvärde Produkt (er): Tableau Desktop Version (er): 8.1, 8.0, 7.0 Senast ändrad datum: 16 aug 2016 Artikeln Note: Denna artikel upprätthålls inte längre av Tableau. Vi fortsätter att göra den tillgänglig eftersom informationen fortfarande är värdefull, men vissa steg kan variera beroende på produktändringar. Medelvärden används för att sammanfatta dataresultaten. Den typ av genomsnitt som valts för att representera resultaten kan emellertid påverka de övergripande slutsatserna som dras av data. Den här artikeln beskriver hur man beräknar viktade medelvärden och använder ett exempel som jämför resultaten från att använda ett vägt genomsnitt jämfört med ett obesvikt medelvärde för att sammanfatta data. Uppgifterna i det här exemplet innehåller undersökningsresultat för två olika undersökningstest sammanfattade av de fyra grupperna som tog varje test, deras respektive provstorlekar och deras frekvens av bekräftande svar: Den motsvarande Tableau-packade arbetsboken, Viktad medelberäkning. twbx. bifogas denna artikel för att du ska ladda ner och använda tillsammans med stegen i den här artikeln. Beräkning av det vägda medelvärdet Det vägda genomsnittet av resultaten beräknas genom factoring i provstorleken med hastigheten på bekräftande svar. Detta bidrar till att skapa en jämnare jämförelse mellan de två testresultaten. Den allmänna formeln för beräkning av ett vägt genomsnitt är följande: SUM (viktvärde) SUM (vikt) Följande steg visar hur man skapar ett beräknat fält i Tableau och justerar denna formel för den bifogade arbetsboken. Välj Analys gt Skapa beräknat fält. Gör följande i dialogrutan Beräknad fält: För Namn. typ vägt genomsnitt. I formulärrutan bygger du den viktade medelvärdesformeln för den bifogade arbetsboksdatakällan: SUM (FrequencySample Size) SUM (Sample Size) Bekräfta att statusmeddelandet indikerar att formeln är giltig och klicka sedan på OK. Jämför resultaten Resultatet nedan visar jämförelsen vid användning av viktat mot obesvikt medelvärde för att sammanfatta resultaten. I det här exemplet visar det obetydda genomsnittet att test 2 har den högsta frekvensen av bekräftande svar, men det vägda genomsnittet visar att test 1 har den högsta frekvensen av bekräftande svar. Alternativa sökvillkor: Hur man beräknar Tack för att du gav din feedback om artikelns effektivitet. Hack Academy ndash förklarar hur Tableau fungerar i verkliga exempel. Obs! Det här inlägget är ett pågående arbete. Denna session deltar i arbetet bakom lösningen på denna Tableau-gemenskapsförfrågan om hjälp: Visar maximalt och minimalt med ett beräknat glidande medelvärde. Vänligen hänvisa till Tableau Community Posting för fullständiga detaljer. Så jag vill samla de senaste 4 åren av data (och inte visa som individuella år), genomsnittlig för varje vecka och sedan visa den som ett 3 veckors rullande medelvärde (vilket Ive gjort) och även beräkna och visa det maximala rullande genomsnittet och den minsta en också. På så sätt kan det lätt ses om det rullande genomsnittet för detta nuvarande år faller inom det förväntade intervallet, beräknat från de föregående 4 årens värde av data. En av Tableaus Teknisk Support Specialistsmdashcommunity sida här. gav en arbetsbok som innehöll en lösning som fästes på den ursprungliga posten. Hon gav också ett steg för steg recept för att bygga upp lösningsbladet. Kosmetiska anpassningar till lösningen för att underlätta identifiering och spårning av Tableau-elementen har gjorts. De blå linjerna identifierar delarna och något av relationerna mellan dem. Komplexiteten hos delarna och deras relationer är svår för oerfarna människor att sätta sig i huvudet. Det här inlägget expanderar på lösningen genom att titta bakom gardinen och visar Tableau-mekanismerna anställda vad de gör och hur de fungerar. Det gör detta genom att tillhandahålla en Tableau-arbetsbok, en annoterad uppsättning diagram som visar hur arbetsbladets delar hänför sig till varandra och förklarande information. Arbetsbladets bildtext anger stegen för att generera önskad visualisering. Detta är till hjälp för att komma till lösningen, men övergår inte de involverade Tableau-mekanismerna. Resten av det här inlägget beskriver Tableau-mekanismerna, hur de fungerar, och i förlängning hur de kan förstås och assimileras så att de kan bli verktyg i de Tableau-verktygslådor som är tillgängliga för användning när behov och möjligheter uppstår. I det här diagrammet indikerar pilarna instruktionsmålen och effekterna av receptens steg. ndash De gröna pilarna anger beräknade fält på rekordnivå ndash De röda pilarna indikerar Tableau Beräkning fält ndash De tunna blå linjerna visar hur fält flyttas Det första som hoppar ut är hur fiendiskt komplicerat det här är. Trots att mindre än hälften av instruktionerna har kommenterats är antalet och komplexiteten hos relationerna nästan överväldigande. För att uppnå analytiska resultat så här måste analytiker först förstå denna komplexitet tillräckligt för att kunna generera de specifika önskade effekterna. En av Tableaus brister är att allt detta mastering och hantering av denna komplexitet står upp till analytikern, dvs Tableau ger nästan ingenting i vägen för att överdriva delarna och deras relationer på något sätt som avslöjar deras relationer på ett sätt som gör det lätt förståelse och manipulation. När instruktionerna når försäljningssteget för 2015 visar diagrammet inte åtgärderna på den plats som receptet anger. Istället för att de är på raden hylla (där receptet sätter Försäljning 2015) är de på Measure Values-kortet. Detta beror på att när det finns flera åtgärder i spel som organiseras på detta sätt konfigureras de via mätvärdes-kortet och mätvärdena och mätvärden piller. Detta är en av de saker som gör det svårt för personer som är ny på Tableau att pussla ut vad delarna är och hur de fungerar och interagerar. Genomföra lösningen Följande Tableau Public Workbook är ett genomförande av receptet. Inre arbeten Även om den offentliga arbetsboken ovan implementerar lösningen och annoteras med beskrivande information, går det inte mycket djupt i ytbeläggning och förklarar att Tableau-mekanismerna utnyttjas av hur de fungerar och levererar resultaten som skulle uppnås. Detta avsnitt lyfter Tableaus kjolar och avslöjar bakom kulisserna. Tableaus Data Processing Pipeline En av de saker som kan vara svåra att sätta ihop, är Tableaus mekanismer för åtkomst och behandling av data, från den underliggande datakällan till den slutliga presentationen. Tableau behandlar data i (i stor utsträckning) sekventiella steg, vilka var och en arbetar med data från dess föregångare och utför vissa operationer på den. Denna lösning använder flera steg i det här avsnittet beskriver deras grunder, vilket illustrerar hur de används till en bra effekt. Tableau tillämpar olika dataprocesser och operationer på olika stadier i allmänhet, vilket motsvarar olika typer av saker som finns närvarande i användargränssnittet. Dessa steg är i stor utsträckning osynliga för den lediga användaren, och deras närvaro kan vara svår att upptäcka, men förstå dem är kritiska för att kunna förstå hur Tableau fungerar tillräckligt bra för att skapa lösningar på nya situationer. Huvudmekanismen: Selektiv presentation av icke-Null-åtgärder Kärnan i lösningen är skillnaden mellan datastruktur och presentation. I denna situation finns det i själva verket två dataskikt i spel som vi representerar stegen som lager för att hjälpa till att visualisera dem. De grundläggande idéerna är: När du visar data kommer Tableau endast att presentera Marker för icke-Null-värden och tabellberäkningar kan användas för att selektivt instansiera värden i olika lager. Det underliggande lagret är där data lagras vid hämtning från databasen. Ytskiktet är där presenterar valda data från det underliggande skiktet till användaren. Nyckeln till denna lösning är att Tableau bara presenterar några av de underliggande lagren som krävs för att visa användaren vad shes frågar. Demonstration Tableau Offentlig arbetsbok. Den här arbetsboken innehåller en serie arbetsblad som visar dessa Tableau-mekanismer. Dessa kalkylblad visas nedan, tillsammans med beskrivningar av vad som händer. Hämta arbetsboken för att följa med. Ställa in data. Fälten som används för att illustrera databehandling: Den stora skillnaden mellan fälten är huruvida de utvärderar till Null eller 0 (noll) när orderdatum år är inte 2015. De två första fälten utvärderar Nullmdashthe först implicit och den andra explicit. Den tredje utvärderar till 0. Detta är skillnaden mellan vilka lösningarna djup funktionalitet beror. Kom ihåg att Tableau endast presenterar icke-Null-data, den här lösningen drar nytta av detta genom att selektivt bygga de Null - och non-Null-presentationsåtgärder som vi behöver. Datastrukturen. Det här visar den grundläggande datastruktur som behövs för att stödja vårt mål att jämföra veckans rörliga genomsnittsvärden för varje orderdatumsår: det finns kolumner för varje vecka (filtreras här till s 1-5) och varje vecka har spår för var och en av de fyra Order Datum År. Tableau visar markeringar för varje kombination av orderdatum år och vecka för vilka dessa uppgifter, i detta fall är märkena rutor. Det här är en av Tableaus magiska förmågor som verkligen ger enormt värde för att hjälpa analysprocessen (och i många fall är det själv ett mycket värdefullt diagnostiskt verktyg). Visning av år. Högerklicka på Year (Order Date) i Marks-kortet och välj Etikett berättar Tableau att visa år för varje markering. Detta bekräftar datastrukturen och är ett av de grundläggande stegen i att bygga komplexa visualiseringar. Den årliga försäljningen. I det här fallet har försäljningen lagts till i Marks cardmdashTableau tillämpar sin standard SUM-aggregering och konfigurerad att användas som märken Marker. Såsom visas använder Tableau försäljningsbeloppet för varje år och vecka som etikett. Detta kan bekräftas för att visa de korrekta värdena, om så önskas, via alternativa analyser. Observera att viz visar de faktiska årliga veckotalet, inte försäljningen jämfört med samma vecka 2015. Åtgärder på märkeskortet. I detta fall har försäljningen ersatts på Marks-kortet genom de tre åtgärder som visas. Vårt mål är att se hur Tableau presenterar var och en av dem i förhållande till databasstrukturen. Presenterar försäljningen i 2015. SUM (Försäljning 2015) har använts som märket Marker. Som vi tydligt kan se är det bara ett märke som presenteras för varje vecka. Man kan undra: varför visas endast ett märke för varje vecka när vi vet från ovan att det finns fyra år med försäljningsdata för varje. I det här fallet presenterar Tableau bara Marks för non-Null-åtgärderna i varje YearWeek-cell, eftersom Försäljnings 2015-beräkningen IF DATEPART (år, orderdatum) 2015 THEN Försäljnings END resulterar i Null-värden för varje annat år än 2015, så det finns inget för Tableau att presentera. En potentiell förvirringskälla är att Null if Year 2015-resultatet för beräkningen av försäljnings 2015 är implicit, dvs Tableau ger Null-resultatet som vanligt i avsaknad av ett positivt uppdrag av ett värde när året inte är 2015. Presentation av 2015 eller Null Sales. Detta har samma resultat som ovanstående. Skillnaden är att beräkningen för IF DATEPART (år, Order Date) 2015 THEN Försäljning ELSE NULL END tilldelar explicit NULL (även Null) till värdena för år 2015. Att använda ett explicit NULL-uppdrag rekommenderas eftersom det minimerar den kognitiva bördan på vem som behöver tolka beräkningen i framtiden. Presenterar 2015 eller 0-försäljningen. Återskapa det viz ndash en alternativ metod. Från denna punkt skulle bygga upp viz från botten upp och visa hur de ingående delarna fungerar och interagerar med varandra. Beräkningarna är correctmdashthey summan upp till summan av all försäljning. Stegen: Aktivera fältmenyn SUM (Försäljning 2015) Välj Snabb tabellberäkning och välj sedan Flyttande medelvärde Tableau kommer att ställa in standardrörelse för genomsnittlig tabellberäkning, som använder de två tidigare och aktuella värdena som grund för medelvärdet. Eftersom detta inte var vad som var efter, måste vi redigera TC. Välj Redigera tabellberäkning (efter aktivering av fältmenyn igen) Konfigurera som visat, så att Tableau kommer att genomsnittsvärda Pre v ious, current och Ne x t värdena. Obs! Betydelsen av Pre v ious Values, Current och Ne xt Values är härledd från Moving a long: - Table (Across) Fönstret Beräkning använder fältet visar samma tabellvärde (Överst) som Flyttande ett långt alternativ i Redigera tabellberäkningsdialogrutan. Lägg till 2015 Försäljning tillbaka till viz. Det finns ett antal sätt att uppnå thismdashmost vanliga drar det från datafönstret och använder snabbmätningsnamnet. Varför konfigurerar du tabellberäkningen i steg 1-4 ändrade fältet SUM (Försäljning 2015) i mätvärdeshyllan från ett normalt fält till ett tabellberäkningsfält (anges av triangeln i fälten piller). Lägga till SUM (Försäljning 2015) tillbaka till Åtgärder Värden ger möjlighet att använda sina värden för att illustrera hur de rörliga genomsnittsvärdena beräknas. Hur det fungerar: För varje Moving Average-värde, identifierar Tableau de individuella SUM (Sales 2015) - värdena som ska användas, genomsnittligen dem. De blå rektanglarna i tabellen visar individuella rörliga medelvärden, som pekar på de refererade SUM-värdena (Försäljning 2015). Det finns tre olika scenarier presenterade: Vecka 1 mdash det finns inget tidigare värde, så endast nuvarande och nästa värden är i genomsnitt. Vecka 4 mdash är genomsnittet för vecka 3 (tidigare), vecka 4 (nuvarande) och vecka 5 (nästa). Vecka 7 mdash det finns inget nästa värde, så endast tidigare och nuvarande värden är genomsnittliga. Obs! Det finns ingen anledning att inkludera SUM (Sales 2015) i visualiseringen för att få arbetet med flyttande medelvärdesberäkning. Ive lade till det bara för att uttrycka hur Tableau strukturerar, åtkomst till och tolkar de uppgifter som den behöver för presentationen som den blir ombedd att leverera. Prissättning för 3-veckor i 3 veckor - Genomsnittlig konfiguration Obs! Detta implementeras med hjälp av en beständig Beräknat fält kodat som en tabellberäkning: Försäljning Stegen: Lägg till försäljning Så här fungerar det: När Tableau sätter försäljningen WINDOWAVG (SUM (Försäljning. Resulterar i: Vecka 1 mdash är endast nuvarande och Nästa värden genomsnittliga. Vecka 4 mdash är genomsnittet för vecka 3 (Föregående), Vecka 4 (Nuvarande) och Vecka 5 (Nästa). Vecka 7 mdash Endast de tidigare och nuvarande värdena är genomsnittliga. Lägg till orderdatum År till rader Lägga till orderdatum År till rader instruerar Tableau att konstruera en uppsättning Åtgärderna för varje enskilt år i beställningsdatumsdata. Observera att åtgärderna endast är instanserade för de år som de är relevanta, dvs. före 2015-åtgärderna har endast värden för åren före 2015 och endast det rörliga genomsnittet för 2015 har värden f eller 2105. Med dessa årsspecifika värden sätts scenen för nästa del: Identifiering av minsta, genomsnittliga och maximala årliga rörliga genomsnitt före 2015. Till exempel, som visat i dessa, förekommer dessa värden och MinMax för vecka 1 sålunda: 2012 ndash 36 902 - Max 2013 ndash 30 699 - Min 2014 ndash 34 707 och Genomsnittet för de årliga rörliga genomsnittsvärdena är: 102 278 3 34 093 Hur Tableau utför byggandet av Åtgärder för detta är utanför ramen för detta inlägg, och det kan bli komplicerat. Stegen: 1..2 ndash fungerar som visat 3..4 ndash välj Beräkna med: Avancerat alternativ Notera alternativet activdefault Table (Överst) som förklaras ovan. Därför hittar standardberäkningen lägsta värdet bland veckorna för varje År. 5 ndash move År för beställning Datum från partitionering: Att adressera: Partitionering och adressering är grundläggande aspekter av hur Tableau utvärderar och beräknar tabellberäkningar. Att täcka dem ligger utanför ramen för detta inlägg. Googling Tableau partitionering och adressering kommer att leda till en robust uppsättning referenser. 6..7 ndash OK OK för att tillämpa konfigurationen. Detta är en imponerande och mycket informativ inlägg. Jag har arbetat med Tableau tillräckligt länge för att ha internaliserat dessa mekanismer i mitt muskelminne, men jag håller helt med dig om att dessa steg och den underliggande logiken inte kommer att vara intuitiva för nybörjaren eller till och med mellananvändaren. Så ett inlägg som detta som verkligen lägger ut varje steg kommer att vara en bra resurs för de användare som de försöker att bryta sig om hur och varför att skapa denna typ av analys, viz. Jag uppskattar också hur svårt det är att ta något som inte bara är komplext men som kan ha blivit automatiskt för några av oss och sedan packa upp det för de nyare användarna bland oss. Kudos och god jul. Tack, Mike. Det har varit ganska svårare att ta reda på vad som händer. Jag tänkte på att det var en ganska enkel affär och har blivit förvånad över hur glatt alla trådar är, hur svårt det är att reta dem och lägga dem så att de, förhoppningsvis, är smältbara. På den ljusa sidan har det varit en mycket bra övning för mig att sträva efter tydlighet i utställningen, och jag är inte där jag vill att den ska vara, har varit en stor boost för mina egna kort och modeller av hur Tableau fungerar.
No comments:
Post a Comment