Detectando e apresentando resultados atípicos no LuckyTemplates

Neste tutorial, conduzirei você por uma análise de detecção de outliers, detectando e visualizando resultados de outliers. Seus dados nem precisam ser exclusivos ou personalizados. O melhor é que você pode fazer isso basicamente em qualquer conjunto de dados. Você pode assistir ao vídeo completo deste tutorial na parte inferior deste blog.

Vou mostrar a você como o LuckyTemplates é incrível como ferramenta analítica.

Envolve apenas a incorporação de uma variedade de fórmulas DAX e técnicas analíticas em seus modelos e, por fim, a visualização de maneira eficaz com todos os recursos de visualização dinâmica que temos disponíveis no LuckyTemplates.

O conceito chave e mais importante que quero que você aprenda ao visualizar este tutorial é que isso pode ser aplicado de muitas maneiras diferentes.

Portanto, começaremos com uma explicação sobre valores discrepantes em um gráfico de dispersão. Em seguida, mostrarei as diferentes técnicas de fórmula que você precisa implementar para poder visualizá-lo dessa maneira específica.

Índice

• Outliers em um gráfico de dispersão
• Dentro do modelo de dados
• Detecção de outlier usando DAX
• Conclusão

Outliers em um gráfico de dispersão

Se formos detectar um outlier , a principal coisa que precisamos descobrir é a lógica por trás do que compõe o outlier.

Mas, primeiro, quero mostrar como isso pode impactar visualmente nossos relatórios e como é mais fácil e eficaz para o consumidor descobrir o que estamos tentando mostrar a eles .

Agora, se olharmos para esses dois gráficos, o primeiro gráfico (à esquerda) mostra exatamente a mesma coisa que o segundo (à direita), exceto que criei uma legenda ou um filtro de segmentação no segundo gráfico, que mostra nos quais são nossos outliers.

Portanto, se as vendas do cliente e as margens de lucro estiverem ao mesmo tempo ou acima de um determinado nível, isso é um valor discrepante em nosso conjunto de dados.

Queremos ver quem são esses clientes e, portanto, podemos ver isso virtualmente no segundo gráfico muito melhor do que apenas olhar para todos os nossos clientes e suas margens de lucro no primeiro gráfico.

Além disso, podemos detalhar muito melhor nossos clientes. Podemos selecionar um filtro ,

ou crie um gráfico e coloque um filtro na seção Filtrar campos .

Este gráfico nos permite detalhar esses clientes que consideramos discrepantes. Agora vamos olhar para o nosso modelo de dados para ver como isso é aplicado.

Dentro do modelo de dados

A primeira coisa a observar é que precisamos fazer isso de forma dinâmica porque estamos segmentando, criando grupos de nossos clientes aqui. Para fazer qualquer coisa dinâmica, temos que fazer dentro das fórmulas DAX .

Não podemos criar fisicamente uma coluna calculada em nossos modelos e esperamos que, se colocarmos um período de tempo diferente nesse modelo, obteremos os resultados que desejamos. Se colocarmos colunas calculadas, obteremos essas informações estáticas. Ele só vai atualizar na atualização.

A primeira forma de fazer lógica de forma dinâmica é ter uma mesa de apoio . Então, como você pode ver aqui no modelo de dados, criei esta lógica de detecção de outliers . É uma mesa de apoio, ou seja, não está ligada a nada.

Dentro desta tabela é onde inserimos nossa lógica para detecção de valores discrepantes.

Identificamos nossos outliers por uma margem de lucro mínima de trinta e cinco por cento e uma margem máxima de cem por cento, enquanto nossos não outliers têm de zero a trinta e cinco.

O mesmo para vendas, temos alguma lógica que identificaria outliers por vendas totais acima de cinquenta e cinco mil.

Portanto, pense em como você pode aplicar essa sua própria lógica. Você pode ter três parâmetros ou variáveis ​​diferentes que detectarão o valor discrepante.

Agora vamos criar as fórmulas que percorrem esta tabela e avaliar os clientes se eles correspondem à lógica atípica ou à lógica não atípica.

Detecção de outlier usando DAX

Lembre-se de que precisamos examinar cada cliente e determinar se eles são avaliados como discrepantes ou não discrepantes.

Para identificar o outlier , usamos CALCULATE para nossas vendas totais , para cada cliente . E é isso que a função VALUES faz, pois FILTRAMOS todos os nossos clientes. Em seguida, passamos por nossa lógica de detecção de outliers .

Por outro lado, para nosso não-outlier , também executamos alguma lógica para cada cliente, mas a principal diferença é essa linha dupla (||), que é para “ou” e não “e” (&&).

Se fizermos "e" aqui, tudo o que mostrará serão os resultados abaixo de cinquenta e cinco mil e abaixo de trinta e cinco por cento, conforme indicado em nossa lógica de detecção de outlier.

Em seguida, precisamos criar uma fórmula que possamos colocar em nossa visualização, que é nossa fórmula de Agrupamento de Vendas .

Este cálculo está dizendo que IF SELECTEDVALUE (Outlier Detection Logic) é um Outlier , então queremos retornar Outlier Sales . Caso contrário, retornaremos Non-outlier Sales .

Isso nos permite integrar ou recuperar os diferentes resultados ou as diferentes fórmulas para qualquer seleção ou filtro aplicado em nossa visualização.

Não há como negar que há um pouco disso, mas isso apenas nos mostra como o DAX é incrível no LuckyTemplates, especialmente para análise de detecção de valores discrepantes.

Mergulhe profundamente nos valores discrepantes de dados – como descobrir e analisar no LuckyTemplates usando
DAX

Conclusão

A abordagem que mostro neste tutorial é, na verdade, apenas uma maneira, mas espero que você tenha aprendido muito com isso. Fizemos uma lógica bastante avançada lá e a mostramos de uma maneira realmente eficaz usando gráficos de dispersão.

Existem muitos aplicativos para detecção de outliers. Se você deseja realmente detalhar ou mostrar uma visão muito específica, especialmente quando estiver fazendo alguma comparação com um gráfico de dispersão, essa é uma maneira perfeita de agregar valor e mais informações às suas visualizações.

Portanto, se você puder entender todos os elementos das fórmulas, incluindo combinar as fórmulas e colocá-las em uma visualização, poderá aplicá-las de várias maneiras para mostrar os resultados com seus próprios conjuntos de dados.

Saúde!