Statistisches Tableau

Vorwort

Diese Arbeit wurde mithilfe von KI übersetzt. Wir freuen uns über dein Feedback und deine Kommentare: [e-mail]

Ich lernte Statistik und Tableau zum ersten Mal während meines Studiums an der University of Kansas kennen. Ich war an der Ingenieurschule eingeschrieben und studierte Informatik und musste einen Statistikkurs belegen. Das war mein erster Kontakt mit Daten und der Macht der statistischen Analyse. In dem Semester nach diesem Kurs erzählte ich meinem Studienberater, dass ich mich für Statistik und Daten im Allgemeinen interessiere. Ich fragte ihn, ob es einen Abschluss gäbe, mit dem man die Analysen, die wir im letzten Semester durchgeführt hatten, auch beruflich umsetzen könnte. Zu dieser Zeit startete die University of Kansas gerade einen brandneuen Studiengang mit dem Namen Business Analytics, und mein Studienberater stellte mich dem Leiter dieses Studiengangs vor. Ich vereinbarte einen Gesprächstermin mit ihm, und er erzählte mir alles über die Datenindustrie und das wachsende Berufsfeld. Noch am selben Nachmittag wechselte ich mein Hauptfach und begann meine Reise in die Datenanalyse.

Während meines Studiums lernte ich Tableau kennen, und genau wie bei der Statistik erkannte ich sofort, welche Auswirkungen es haben kann. Ich vertiefte mich in das Tool und wurde schließlich die erste Anlaufstelle für Tableau bei der Arbeit und im Unterricht. Danach begann ich, Wege zu finden, um statistische Analysen in Tableau einzubringen. Diese Strategien und Taktiken haben mich zu diesem Buch inspiriert.

Im Laufe meiner Karriere hatte ich die Gelegenheit, mit Tableau und statistischen Analysen einige der größten Herausforderungen der Welt zu lösen. Ich habe für Marken auf der ganzen Welt und in allen erdenklichen Branchen gearbeitet. Ich hatte die Ehre, zum Tableau-Botschafter ernannt zu werden, der Veterans Advocacy Tableau User Group als Co-Leiter beizutreten, mehrmals den Tableau Viz of the Day zu erhalten und Mitglied des Tableau Speaker Bureau zu werden. All das wurde durch meine eigene Neugierde und die erstaunlichen Ressourcen, die die Tableau-Community veröffentlicht hat, möglich gemacht.

Der Zweck dieses Buches

Statistische Analyse und Datenvisualisierung werden oft als zwei verschiedene Dinge betrachtet. Beide Disziplinen bauen jedoch aufeinander auf. Um deine Daten zu verstehen und durch statistische Analysen genaue Vorhersagen oder Annahmen zu treffen, musst du deine Daten visualisieren. Andererseits müssen wir unsere Annahmen mit einer statistischen Analyse untermauern, um verwertbare Erkenntnisse zu gewinnen und deinem Publikum zu ermöglichen, das Beste aus den Datenvisualisierungen herauszuholen.

Dieses Buch soll dir helfen, Statistiken in deine Visualisierungen in Tableau einzubringen. Du lernst, statistische Modelle zu lesen und zu interpretieren, sie in Tableau zu implementieren und schließlich umsetzbare Erkenntnisse zu gewinnen, die du deinen Stakeholdern präsentieren kannst. Die meisten Entscheidungen, die mithilfe von Daten getroffen werden, sind mit Risiken verbunden; es liegt in deiner Verantwortung, die Entscheidungsträger mit so vielen Informationen wie möglich auszustatten und diese Risiken zu minimieren.

Die Zielgruppe dieses Buches

Dieses Buch ist am besten für Leser geeignet, die ihr Grundwissen über Tableau und Statistiken ausbauen wollen. Wie ich bereits erwähnt habe, ist es deine Aufgabe, deine Stakeholder mit so vielen Informationen wie möglich auszustatten, damit sie die Risiken bei der Entscheidungsfindung minimieren können. Trotzdem habe ich zwei große Vorbehalte:

• In Kapitel 1 findest du einige der grundlegenden Methoden, Definitionen und Einführungen, die du brauchst, um mit der Materie vertraut zu werden. Für fortgeschrittene Benutzer ist dieses Kapitel wahrscheinlich eine Wiederholung der wichtigsten Konzepte, die in den folgenden Kapiteln verwendet werden.

• "Mit großer Macht kommt große Verantwortung." Dieses Zitat (das Stan Lee zugeschrieben wird) trifft auf dieses Buch zu. Statistik ist eine sehr tiefgründige Disziplin. In diesem Buch vermittle ich dir das Grundwissen, um Vorhersagen und Annahmen über Daten zu treffen. Sei jedoch vorsichtig, wenn du diese Taktiken anwendest und gehe jede Analyse mit Bedacht an. Du musst die Risiken mindern und nicht durch falsche Annahmen erhöhen. Recherchiere und führe deine Analyse auf ethische Weise durch .

Die Struktur dieses Buches

Kapitel 1, "Einführung"

Neuere Nutzer von Tableau werden mit den Grundlagen vertraut gemacht. Außerdem stelle ich einige Definitionen und grundlegende statistische Konzepte vor, auf die wir im Laufe der einzelnen Kapitel aufbauen werden.

Kapitel 2, "Überblick über das Analysefenster"

Der Analysebereich wird in Tableau eingeführt und du erfährst, wie du von der Autorenoberfläche aus darauf zugreifen kannst.

Kapitel 3, "Benchmarking in Tableau"

Ich erkläre, was Benchmarking ist, wie du Benchmarking in deinen Visualisierungen anwendest und welche bewährten Methoden es in Tableau gibt.

Kapitel 4, "Die Normalverteilung mit Hilfe von Histogrammenverstehen"

In der Statistik musst du oft die Verteilung deiner Daten verstehen, um die richtige Methode anzuwenden. In diesem Kapitel erkläre ich, wie du Daten schnell auf Normalverteilung testen kannst.

Kapitel 5, "Konfidenzintervalle verstehen"

Es wird beschrieben, wie Konfidenzintervalle in Tableau verwendet werden können und wie man sie mit benutzerdefinierten berechneten Feldern berechnet.

Kapitel 6, "Erkennung von Anomalien bei normal verteilten Daten"

Ich stelle dir drei Methoden vor, mit denen du Anomalien in deinen Daten visuell erkennen kannst.

Kapitel 7, "Erkennung von Anomalien bei nicht-normalisierten Daten"

Hier sind drei weitere Methoden, die du einsetzen kannst, um Anomalien in deinen Daten visuell zu erkennen, auch wenn die Normalisierungsannahme fehlschlägt.

Kapitel 8, "Lineare Regression in Tableau"

Es wird eine Einführung in die lineare Regression gegeben, wie man sie in Tableau implementiert und wie man die Ergebnisse des Modells versteht.

Kapitel 9, "Polynomielle Regression in Tableau"

Es wird die polynomiale Regression besprochen und wie du sie in Tableau implementierst und die Ergebnisse des Modells interpretierst.

Kapitel 10, "Prognosen in Tableau"

Wir besprechen die exponentielle Glättung, wie man diese Prognosemethode in Tableau implementiert und wie man die Ergebnisse des Modells interpretiert.

Kapitel 11, "Clustering in Tableau"

Das K-Means-Clustering wird vorgestellt und es wird gezeigt, wie man diese Clustermethode in Tableau implementiert und die Ergebnisse des Modells versteht.

Kapitel 12, "Erstellen einer externen Verbindung zu R mit Tableau"

Ich zeige dir, wie du die entsprechende Software herunterlädst, um eine externe Verbindung zu R von Tableau aus herzustellen.

Kapitel 13, "Erstellen einer externen Verbindung zu Python mit Tableau"

Hier werde ich über Python sprechen und darüber, wie du die entsprechende Software herunterlädst, um eine externe Verbindung von Tableau herzustellen.

Kapitel 14, "Multiple lineare Regression in R und Python verstehen"

Es wird eine Einführung in die multiple lineare Regression gegeben und wie man sie in R und Python implementiert und die Ergebnisse des Modells interpretiert.

Kapitel 15, "Externe Verbindungen in Tableau verwenden"

Hier sind einige Beispiele für die Verwendung externer Verbindungen in R und Python, um neue Modellierungsmethoden in Tableau zu implementieren.

In diesem Buch verwendete Konventionen

In diesem Buch werden die folgenden typografischen Konventionen verwendet:

Kursiv

Weist auf neue Begriffe, URLs, E-Mail-Adressen, Dateinamen und Dateierweiterungen hin.

Constant width

Wird für Programmlistings sowie innerhalb von Absätzen verwendet, um auf Programmelemente wie Variablen- oder Funktionsnamen, Datenbanken, Datentypen, Umgebungsvariablen, Anweisungen und Schlüsselwörter hinzuweisen.

Constant width bold

Zeigt Befehle oder anderen Text an, der vom Benutzer wortwörtlich eingetippt werden sollte.

Constant width italic

Zeigt Text an, der durch vom Benutzer eingegebene Werte oder durch kontextabhängige Werte ersetzt werden soll.

O'Reilly Online Learning

Hinweis

Seit mehr als 40 Jahren bietet O'Reilly Media Schulungen, Wissen und Einblicke in Technologie und Wirtschaft, um Unternehmen zum Erfolg zu verhelfen.

Unser einzigartiges Netzwerk von Experten und Innovatoren teilt sein Wissen und seine Erfahrung durch Bücher, Artikel und unsere Online-Lernplattform. Die Online-Lernplattform von O'Reilly bietet dir On-Demand-Zugang zu Live-Trainingskursen, ausführlichen Lernpfaden, interaktiven Programmierumgebungen und einer umfangreichen Text- und Videosammlung von O'Reilly und über 200 anderen Verlagen. Weitere Informationen erhältst du unter https://oreilly.com.

Wie du uns kontaktierst

Bitte richte Kommentare und Fragen zu diesem Buch an den Verlag:

• O'Reilly Media, Inc.
• 1005 Gravenstein Highway Nord
• Sebastopol, CA 95472
• 800-889-8969 (in den Vereinigten Staaten oder Kanada)
• 707-827-7019 (international oder lokal)
• 707-829-0104 (Fax)
• [e-mail]
• https://www.oreilly.com/about/contact.html

Wir haben eine Webseite für dieses Buch, , auf der wir Errata, Beispiele und zusätzliche Informationen auflisten. Du kannst diese Seite unter https://oreil.ly/statistical-tableau aufrufen .

Neuigkeiten und Informationen über unsere Bücher und Kurse findest du unter https://oreilly.com.

Finde uns auf LinkedIn: https://linkedin.com/company/oreilly-media

Schau uns auf YouTube: https://youtube.com/oreillymedia

Danksagungen

Vielen Dank an die Daten-Community, die mich immer unterstützt und ermutigt hat. Als ich anfing, hatte ich das Glück, so viele fantastische Ressourcen zu haben, auf die ich zurückgreifen konnte. Vielen Dank an alle, die Inhalte erstellt haben, und an die Leute, die mich unterstützt haben.

Danke an meine Mentoren, Ryan Sleeper, Kaleb Gilliland und viele andere. Ohne eure Unterstützung und Anleitung hätte ich Jahre gebraucht, um beruflich und persönlich dahin zu kommen, wo ich jetzt bin. Danke, dass ihr euch die Zeit genommen habt, mich mit eurer Führung und eurem Wissen auszustatten.

Vielen Dank an die technischen Prüfer dieses Buches: Maddie Dierkes, Lorna Brown, Ann Jackson und Christopher Gardner. Euer Feedback hat dazu beigetragen, dieses Buch 100 Mal besser zu machen.

Vielen Dank an Sara Hunter, Entwicklungsredakteurin bei O'Reilly. Deine ermutigenden Worte und dein ständiges Feedback haben dies alles möglich gemacht. Vielen Dank, ohne dich hätte ich es nicht geschafft.

Ich danke meiner Mutter, meinem Vater und meinen Brüdern, dass sie an mich geglaubt und mich auf den richtigen Weg gebracht haben. Ich brauchte oft eine Kurskorrektur, und ihr wart immer da, um mich in die richtige Richtung zu lenken, besonders in den ersten Tagen.

Ein besonderer Dank geht an meine Frau Sandra Lang und meine Kinder Jameson, Ophelia und Edalyn. Ohne eure Unterstützung und Ermutigung wäre ich nie in der Lage gewesen, so etwas zu schaffen. Danke, dass ihr meine verrückten Ideen erträgt, Projekte zu Hause aufschiebt und stundenlang in meinem Büro verschwindet, um zu schreiben. Ich liebe euch alle so sehr!