실용적인 Tableau

79장. 데이터 모양 만들기

이 작품은 AI를 사용하여 번역되었습니다. 여러분의 피드백과 의견을 환영합니다: [e-mail]

데이터 시각화를 위한 통찰력 프레임워크의 처음 두 단계인 비즈니스 질문과 nme KPI 식별은 세 번째 단계에 포함해야 할 내용을 알려 줍니다: 데이터 모양 만들기. 4장에서 Tableau에서 사용하기 위해 데이터를 변형하는 이상적인 방법에 대해 설명했지만, 이 단계에서도 필요한 데이터에 액세스하고 조인 또는 집계와 같은 준비를 수행하며 데이터 집합이 데이터 시각화 요구 사항에 맞게 배치되었는지 확인합니다:

이 단계를 숙달하는 것은 데이터 시각화에 있어 전투의 절반이며, 이 장에서는 성공적인 분석을 위한 다양한 전술에 대해 다룹니다.

Tableau에서 사용하기 위한 데이터 변형

이 장의 소개에서 언급했듯이, Tableau에서 사용하기 위한 이상적인 데이터 변형 방법을 이미 다루었지만, 이 중요한 개념 중 일부를 반복할 필요가 있습니다. 일반적으로 '가로' 테이블보다 '세로' 테이블로 작업하는 것이 더 쉽습니다. 대부분의 경우, 각 열은 열 머리글에 필드명이 있는 하나의 필드를 나타내야 하며, 이후의 각 행은 해당 열 머리글 아래에 있는 항목이어야 합니다.

일반적으로 재구성해야 하는 일반적인 데이터 유형 중 하나는 설문조사 데이터입니다. 설문조사 데이터에서 각 열은 "다음 진술에 동의하거나 동의하지 않는 정도를 1~5점 척도로 표시하세요."와 같이 서로 다른 질문에 해당하며, 각 행은 한 응답자의 모든 질문에 대한 답변을 나타냅니다. 이는 데이터가 광범위하기 때문에 재앙의 원인이 될 수 있습니다. 분석가에게는 보기 쉬울지 모르지만, Tableau는 이를 좋아하지 않을 것이며 인사이트를 얻기 위해 애를 먹게 될 것입니다. 이제 많은 행이 있는 열이 몇 개만 있도록 데이터의 모양을 바꾸거나 Tableau에서 '피벗'이라고 부르는 작업을 수행하면 스프레드시트에서 데이터를 보는 것이 싫을 수도 있지만 Tableau는 훨씬 더 만족스러워질 것입니다.

데이터 조인 및 집계

분석이 더욱 정교해짐에 따라 여러 소스의 데이터에 액세스해야 하는 경우가 드물지 않으며, 가능하면 데이터를 하나의 중앙 집중식 데이터 연결로 통합하는 것이 가장 좋습니다. 또한 데이터의 규모가 커짐에 따라 데이터를 집계하는 방법에 대해 전략적으로 생각하여 계속 관리하기 쉬운 상태로 작업할 수 있도록 해야 합니다.

제가 가장 많이 받는 질문 중 하나는 이러한 유형의 데이터 준비를 Tableau에서 하는 것이 더 나은지, 아니면 Tableau를 사용하여 데이터에 연결하기 전에 하는 것이 더 나은지에 대한 질문입니다. Tableau에는 조인, 혼합, 해석, 변형 및 집계 기능을 비롯한 몇 가지 유용한 데이터 준비 기능이 포함되어 있습니다. ...