LuckyTemplates에서 이상치 결과 감지 및 표시

이 자습서에서는 이상값 검색 분석을 통해 이상값 결과를 검색하고 시각화합니다. 데이터가 고유하거나 맞춤화될 필요도 없습니다. 좋은 점은 기본적으로 모든 데이터 세트에서 이 작업을 수행할 수 있다는 것입니다. 이 블로그 하단에서 이 튜토리얼의 전체 비디오를 볼 수 있습니다.

LuckyTemplates가 분석 도구로서 얼마나 놀라운지 보여드리겠습니다.

여기에는 다양한 DAX 수식 및 분석 기술을 모델에 통합한 다음 궁극적으로 LuckyTemplates에서 사용할 수 있는 모든 동적 시각화 기능을 사용하여 효과적인 방식으로 시각화하는 작업이 포함됩니다.

이 튜토리얼을 볼 때 여러분이 가져갔으면 하는 핵심이자 가장 중요한 개념은 이것이 매우 다양한 방식으로 적용될 수 있다는 것입니다.

따라서 분산형 차트의 이상값에 대한 설명부터 시작하겠습니다. 그런 다음 이 특정 방식으로 시각화하기 위해 구현해야 하는 다양한 수식 기술을 보여 드리겠습니다.

목차

• 분산형 차트의 이상값
• 데이터 모델 내부
• DAX를 사용한 이상값 감지
• 결론

분산형 차트의 이상값

이상값 을 감지하는 경우 해결해야 할 주요 사항은 이상값을 구성하는 논리입니다.

하지만 먼저 보고서에 시각적으로 얼마나 영향을 미칠 수 있는지 , 그리고 소비자가 우리가 보고서에 보여주려는 내용을 파악하는 것이 얼마나 쉽고 효과적인지 보여주고 싶습니다 .

이제 이 두 차트를 보면 첫 번째 차트(왼쪽)는 두 번째 차트(오른쪽)와 정확히 같은 것을 보여주고 있습니다. 우리의 특이치가 무엇인지.

따라서 Customer Sales와 Profit Margins가 동시에 또는 특정 수준 이상인 경우 데이터 세트에서 이상치입니다.

우리는 그 고객이 누구인지 알고 싶기 때문에 첫 번째 차트에서 모든 고객과 고객의 이윤을 보는 것보다 두 번째 차트에서 훨씬 더 잘 볼 수 있습니다.

또한 고객을 훨씬 더 잘 파악할 수 있습니다. 필터를 선택할 수 있습니다 .

또는 차트를 만들고 필터 필드 섹션에 필터를 넣습니다 .

이 차트를 사용하면 이상치로 간주되는 이러한 고객을 드릴할 수 있습니다. 이제 이것이 어떻게 적용되는지 알아보기 위해 데이터 모델을 살펴보겠습니다.

데이터 모델 내부

가장 먼저 주목해야 할 점은 여기에서 고객 그룹을 생성하고 세분화하기 때문에 동적 방식으로 이 작업을 수행해야 한다는 것입니다. 동적 작업을 수행하려면 DAX 수식 내에서 수행해야 합니다 .

모델에서 계산된 열을 물리적으로 만들 수 없으며 이 모델에 다른 시간 프레임을 입력하면 원하는 결과를 얻을 수 있기를 바랍니다. 계산된 열을 입력하면 정적 정보를 얻게 됩니다. 새로 고침 시에만 업데이트됩니다.

동적 방식으로 논리를 수행하는 첫 번째 방법은 지원 테이블을 갖는 것입니다 . 여기 데이터 모델에서 볼 수 있듯이 이 Outlier Detection Logic을 만들었습니다 . 그것은 지지 테이블입니다. 즉, 아무것도 연결되어 있지 않습니다.

이 테이블 안에는 이상값 감지를 위한 로직을 입력하는 곳이 있습니다 .

우리는 이상치를 최소 35%의 이익 마진과 100%의 최대 마진으로 식별하는 반면, 비이상치는 0에서 최대 35까지입니다.

판매의 경우에도 마찬가지입니다. 총 판매액이 5만 5천 이상인 이상값을 식별하는 몇 가지 논리가 있습니다.

따라서 이것을 자신의 논리에 어떻게 적용할 수 있는지 생각해 보십시오. 이상값을 감지할 세 가지 매개변수 또는 변수가 있을 수 있습니다.

이제 이 테이블을 반복하는 수식을 만들고 고객이 이상치 논리와 일치하는지 또는 이상치 없음 논리와 일치하는지 고객을 평가해 보겠습니다.

DAX를 사용한 이상값 감지

각 고객을 살펴보고 그들이 이상치로 평가하는지 아니면 이상치로 평가하지 않는지 판단해야 한다는 점을 명심하십시오.

이상값을 식별하기 위해 각 고객 에 대해 총 매출 에 대해 CALCULATE를 사용합니다 . 이것이 VALUES 함수가 하는 일입니다. 우리는 모든 고객을 FILTER합니다 . 그런 다음 Outlier Detection Logic을 살펴봅니다 .

반면 비이상치의 경우 각 고객에 대해 몇 가지 논리를 실행하지만 주요 차이점은 이 이중선(||)이며 "및"(&&)이 아니라 "또는"을 나타냅니다.

여기에서 "and"를 수행하면 Outlier Detection Logic에 표시된 대로 55,000% 미만과 35% 미만인 결과만 표시됩니다.

다음으로 비주얼리제이션에 넣을 수 있는 하나의 수식을 만들어야 합니다. 이것이 영업 그룹화 수식입니다.

이 계산은 IF SELECTEDVALUE(Outlier Detection Logic) 가 Outlier 이면 Outlier Sales를 반환하려고 합니다 . 그렇지 않은 경우 Non-outlier Sales 를 반환합니다 .

그런 다음 시각화에 적용되는 선택 또는 필터에 대해 다른 결과 또는 다른 공식을 통합하거나 검색할 수 있습니다.

약간의 기능이 있다는 것을 부인할 수는 없지만, 이는 LuckyTemplates, 특히 이상치 검색 분석에서 DAX가 얼마나 놀라운지 보여줍니다.

데이터 이상값 심층 분석 – DAX를 사용하여 LuckyTemplates에서 검색 및 분석하는 방법 DAX
기술을 사용하여 데이터의 클러스터를 평가하는 방법 LuckyTemplates에서
동적 이상값 트리거 포인트 생성 – 고급 LuckyTemplates 분석 기술

결론

이 튜토리얼에서 보여드리는 접근 방식은 실제로는 한 가지 방법일 뿐이지만 여기에서 많은 것을 배웠기를 바랍니다. 우리는 거기에 약간의 고급 논리를 사용했고 분산형 차트를 사용하여 정말 효과적인 방법으로 보여주었습니다.

이상치 탐지를 위한 많은 응용 프로그램이 있습니다. 특히 분산형 차트와 일부 비교를 수행할 때 매우 구체적인 통찰력을 실제로 드릴하거나 보여주고 싶다면 시각화에 가치와 더 많은 통찰력을 추가할 수 있는 완벽한 방법입니다.

따라서 수식을 결합하고 시각화에 배치하는 것을 포함하여 수식의 모든 요소를 ​​이해할 수 있다면 이를 다양한 방법으로 적용하여 자신의 데이터 세트로 결과를 보여줄 수 있습니다.

건배!