LuckyTemplates での外れ値結果の検出と表示

このチュートリアルでは、外れ値検出分析を説明し、外れ値の結果を検出して視覚化します。データを一意にしたりカスタマイズしたりする必要さえありません。素晴らしいのは、基本的にどのデータセットでもこれを実行できることです。このチュートリアルの完全なビデオは、このブログの下部でご覧いただけます。

LuckyTemplates が分析ツールとしていかに素晴らしいかを紹介します。

これには、さまざまな DAX の数式と分析手法をモデルに組み込み、最終的にはLuckyTemplates で利用できるすべての動的視覚化機能を使用して効果的な方法で視覚化することが含まれます。

このチュートリアルをご覧になる際に理解していただきたい、最も重要な概念は、これがさまざまな方法で応用できるということです。

そこで、散布図における外れ値の説明から始めます。次に、この特定の方法で視覚化できるようにするために実装する必要があるさまざまな数式テクニックを示します。

目次

• 散布図の外れ値
• データモデルの内部
• DAX を使用した外れ値の検出
• 結論

散布図の外れ値

外れ値を検出した場合、主に解決する必要があるのは、外れ値を構成する背後にあるロジックです。

しかし最初に、それがレポートに視覚的にどのような影響を与えるか、そして消費者が私たちが何を見せようとしているのかを理解することがどれほど簡単で効果的であるかを紹介したいと思います。

これら 2 つのグラフを見ると、最初のグラフ (左) は 2 番目のグラフ (右) とまったく同じことを示しています。ただし、2 番目のグラフに凡例またはスライサー フィルターを作成した点が異なります。私たちの異常値が何であるか。

したがって、顧客の売上高と利益率が同時に一定のレベル以上である場合、それはデータセットの外れ値になります。

私たちはそれらの顧客が誰であるかを知りたいので、最初のグラフですべての顧客とその利益率を単に見るよりも、2 番目のグラフのほうがはるかによくそれを事実上確認できます。

さらに、顧客をより深く掘り下げることができます。フィルターを選択できます。

または、グラフを作成し、[フィルター フィールド] セクションにフィルターを追加します。

このグラフを使用すると、外れ値とみなされる顧客を詳しく調べることができます。次に、データ モデルを見て、これがどのように適用されるかを見てみましょう。

データモデルの内部

まず注意すべきことは、ここではセグメント化して顧客のグループを作成しているため、これを動的な方法で行う必要があるということです。動的に何かを行うには、DAX数式内で実行する必要があります。

モデルに計算列を物理的に作成することはできないため、このモデルに別の時間枠を設定できれば、必要な結果が得られることを期待しています。計算列を配置すると、静的な情報が取得されます。更新時にのみ更新されます。

動的にロジックを実行する最初の方法は、サポート テーブルを用意することです。ここのデータ モデルでわかるように、私はこの異常値検出ロジックを作成しました。これは補助テーブルなので、何にも接続されていません。

このテーブル内に、外れ値検出のためのロジックを入力します。

当社では、異常値を最小利益率 35%、最大利益率 100% で識別しますが、異常値ではないものはゼロから最大 35 までの利益率を示します。

売上高についても同様で、総売上高が 55,000 を超えることで異常値を特定するロジックがいくつかあります。

したがって、これを独自のロジックに適用する方法を考えてください。外れ値を検出する 3 つの異なるパラメーターまたは変数がある場合があります。

次に、このテーブルを反復処理する数式を作成し、顧客が外れ値ロジックに一致するか、外れ値なしロジックに一致するかを評価しましょう。

DAX を使用した外れ値の検出

各顧客を調査し、外れ値として評価されるか外れ値として評価されないかを判断する必要があることに留意してください。

外れ値を特定するために、各顧客の総売上高に対してCALCULATEを使用します。これが、すべての顧客をフィルタリングする際のVALUES関数の機能です。次に、外れ値検出ロジックを実行します。

一方、外れ値ではない場合も、顧客ごとにいくつかのロジックを実行しますが、主な違いはこの二重線 (||) であり、これは「and」 (&&) ではなく「or」を表します。

ここで「and」を実行すると、外れ値検出ロジックで示されているように、5 万 5,000 未満と 35 パーセント未満の結果だけが表示されます。

次に、ビジュアライゼーション内に含めることができる 1 つの式を作成する必要があります。それが、Sales Grouping式です。

この計算は、SELECTEDVALUE (外れ値検出ロジック) がOutlierである場合、外れ値 Salesを返したいことを示しています。そうでない場合は、非異常値 Salesを返します。

これにより、ビジュアライゼーションで適用される選択やフィルターのさまざまな結果やさまざまな数式を統合または取得できるようになります。

多少の違いがあることは否定できませんが、これは、特に外れ値検出分析において、LuckyTemplates における DAX がいかに優れているかを示しています。

データ外れ値の詳細 – DAX を使用して LuckyTemplates で検出および分析する方法
LuckyTemplates で DAX テクニックを使用してデータ内のクラスターを評価する方法
動的外れ値トリガー ポイントの作成 – 高度な LuckyTemplates 分析テクニック

結論

このチュートリアルで紹介するアプローチは実際には 1 つの方法にすぎませんが、ここから多くのことを学んでいただければ幸いです。そこではかなり高度なロジックを実行し、散布図を使用して非常に効果的な方法でそれを紹介しました。

外れ値検出には非常に多くのアプリケーションがあります。特に散布図との比較を行う場合など、非常に具体的な洞察を徹底的に掘り下げたり紹介したりしたい場合、これはビジュアライゼーションに価値を追加し、より多くの洞察を得るのに最適な方法です。

したがって、数式の組み合わせやビジュアライゼーション内への数式の配置など、数式のすべての要素を理解できれば、これらをさまざまな方法で適用して、独自のデータ セットで結果を表示することができます。

乾杯！