Kapitel 68. Wie man partielle Zeiträume herausfiltert
Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: translation-feedback@oreilly.com
Eine der panischsten Darstellungen in der Datenvisualisierung ist ein Liniendiagramm, das einen plötzlichen und steilen Rückgang aufweist. Wenn es wirklich ein Problem im Unternehmen gibt, das angegangen werden muss, ist es wichtig, die veranschaulichten Erkenntnisse mit den Beteiligten zu teilen, die Maßnahmen ergreifen können.
Ein scheinbar steiler Abfall in einem Liniendiagramm kann jedoch auch verursacht werden, wenn die Zeiträume nicht die gleiche Anzahl von Tagen haben, wie es der Fall ist, wenn eine Woche, ein Monat oder ein Jahr neu beginnt (d.h. ein Tag in der aktuellen Woche gegenüber sieben Tagen in der vorherigen Woche).
Letzteres kann zu fehlinterpretierten Ergebnissen und unnötiger Panik führen; beides willst du bei der Datenvisualisierung vermeiden. Fehlinterpretationen können zu falschen Handlungen führen und unnötige Panik lenkt davon ab, die wahren Geschichten in den Daten zu finden.
In diesem Kapitel wird eine Technik vorgestellt, mit der Teilzeiträume aus einer Analyse herausgefiltert werden können.
Wie man partielle Zeiträume in Tableau herausfiltert
Um zu veranschaulichen, wann es hilfreich ist, Teilzeiträume in Tableau herauszufiltern, schauen wir uns zunächst eine Ansicht an, die in der Praxis häufig vorkommt. Anhand des Datensatzes Sample - Superstore sehen wir uns einen ...
Get Praktisches Tableau now with the O’Reilly learning platform.
O’Reilly members experience books, live events, courses curated by job role, and more from O’Reilly and nearly 200 top publishers.
