Co to Column Chart with Variance?

Po polsku wykres kolumnowy z odchyleniem, choć to tłumaczenie nie do końca odzwierciedla faktyczną funkcjonalność. Wizualizacja pozwala porównywać dwie wartości, np. aktualne i prognozowane, aktualne i przeszłe, aktualne z planowanymi itd. Na pierwszym wykresie słupkowym pokazuje je jedna za drugą, a na drugim odkłada różnice między nimi – także w słupkach. Wykres podobny jest do mojego szablonu wykresu finansowego dla Excela.

Pobierz 3AG Systems – Column Chart with Variance

Nie raz opisywałem na blogu zasady korzystania z wizualizacji niestandardowych, a ta niczym się nie różni. Najpierw pobierz plik z wizualizacją ze sklepu z aplikacjami Microsoft; wyszukaj 3AG Systems – Column Chart with Variance lub kliknij tutaj i pobierz wizualizację.

Po pobraniu pliku otwórz Power BI i w panelu Wizualizacje kliknij na kropki, a następnie Importuj z pliku.

Znajdź plik, który właśnie pobrałeś i wybierz go. Po załadowaniu powinien pojawić się komunikat o pomyślnym zaimportowaniu elementu wizualnego.

Ikonka 3AG System – Column Chart with Variance jest na końcu możliwych wizualizacji do wyboru.

Wykres dodany! Możesz przystąpić do przygotowania wykresu.

Jakie inne wykresy dostarczyła użytkownikom Power BI firma 3AG Systems?

Ten wykres to 1 z kilku wykresów od 3AG Systems, które znajdziemy w Power BI. Zamiast odchylenia wartościowego znajdziemy procentowe (relative variance), zamiast kolumn słupki (bar) i wreszcie mój ulubiony wykres panelowy (small multiples).

Jak przygotować wykres?

Posługuję się standardowo danymi sprzedażowymi od 2011 do 2014. Moim celem będzie porównywanie sprzedaży tegorocznej z zeszłoroczną, planami i prognozami. Do tego mam dołączone regiony sprzedażowe, informacje o celach sprzedażowych i oznaczenia lat sprzedaży.
Zaczniemy od porównania sprzedaży tegorocznej z zeszłoroczną. Kliknij na ikonkę Column Chart with Variance, a następnie uzupełnij pola Category, Actual oraz Previous Year.

W Category wstawię Region z tabeli regiony, a w pozostałe pola sumy sprzedaży tegorocznej i zeszłorocznej. Efekt?

Nic się nie dzieje, a oba słupki są takiej samej wysokości. Brakuje filtru. Dodajmy fragmentator z latami i zobaczmy, jak zmieniła się sprzedaż np. w 2013 w porównaniu z 2012.

Tu już się dzieje! Interpretację zacznijmy od wykresu na dole. Ciemne słupki oznaczają sprzedaż tegoroczną, czyli z 2013. Szare natomiast to sprzedaż z 2012. Czasami wyższe są słupki ciemne, a czasami te jaśniejsze – odzwierciedleniem tego jest wykres powyżej. To właśnie on pokazuje wariancję – o ile wzrosła lub spadła sprzedaż w porównaniu z poprzednim rokiem dla każdego regionu.

Wiele wykresów, jeden dashboard

Jak już wspomniałem na początku, Column Chart with Variance pozwala porównywać wartości aktualne, przeszłe, prognozowane i cele (plany). 3AG przewidziało, że być może będziemy potrzebować wstawić wszystkie te wykresy na jednym raporcie. Przygotowałem wykresy porównujące sprzedaż z planami i prognozami. Kolory słupków i gradienty różnią się w zależności od pokazywanych kategorii wartości.

Każdy wykres można dostosowywać do własnych potrzeb, np. zmieniając jednostkę etykiet danych. Na wykresie ze sprzedażą w porównaniu z planami zmieniłem jednostki na tysiące.

W polu Category można wstawić nie tylko klasyczne zmienne kategoryczne, które wymagają później filtru np. po latach, ale także same lata.

Wtedy zastosowanie filtru jest zbędne.

Czy plany mojej firmy są realne? Sprawdź sam!

Porównywanie wartości to kwintesencja analizy danych. Sprzedaż rośnie, maleje, plany są wyśrubowane – dowiesz się tego tylko wtedy, gdy porównasz wartości. Wizualizacja Column Chart with Variance pozwala porównać wyniki dla różnych okresów, ale także automatycznie tworzy wykres odchyleń. Co więcej, kolory i symbole wykorzystywane w wizualizacji są spójne ze Standardem Międzynarodowej Komunikacji Biznesowej (IBCS), więc z powodzeniem można ją wykorzystać do wdrożenia standardu. Pozostaje jednak jeszcze pole do rozwoju. Wykresy nie mają możliwości przeskalowania, przez co w przypadku większych różnic, mniejsze będą niezauważalne. Nie ma też opcji pokazania procentowych różnic – aby to zrobić, trzeba pobrać kolejną niestandardową wizualizację, która jest dedykowana pokazaniu zmian procentowych. Problemem może być także brak możliwości formatowania, co szczególnie widać na wykresie z prognozami – etykiety nakładają się na siebie, przez co są niejasne. Nie ma też możliwości interakcji z wykresem. Niemniej, skorzystanie z wizualizacji Column Chart with Variance to świetny sposób na czytelne przedstawienie danych i szybką informację o różnicach. Spróbuj sam!

Wiele filtrów automatycznie

Najnowsza aktualizacja Power BI Analizuj > Znajdź różnice w tej dystrybucji wygląda bardzo obiecująco. Dlaczego? Program korzysta z uczenia maszynowego (ML – machine learning), by znaleźć takie filtry, które najsilniej wpływają na różnicę rozkładu np. zysku w zależności od kategorii produktów. Chociaż nie wszystkie propozycje muszą być trafne, parę może naprowadzić Cię na trop, gdzie szukać kolejnych klientów lub jak zaprojektować kampanię marketingową. Zobacz przykład!

Znajdź różnice w dystrybucji zysku ze sprzedaży

Tradycyjnie posługuję się przykładem z wykorzystaniem danych sprzedażowych. Przygotowałem dashboard z wizualizacją zysku i sprzedaży według kategorii, daty zamówienia i regionu.

Kolor słupka na wykresie zysku ze względu na kategorię produktu zależy od wysokości sprzedaży: sprzedaż urządzeń technicznych i mebli jest identyczna, ale poziom zysku diametralnie różny.

Co z tym zyskiem? Zapytajmy Power BI! Kliknij prawym przyciskiem myszy na wykres i wybierz Analizuj > Znajdź różnice w tej dystrybucji, by włączyć lipcową (2018) nowość.

Power BI wykorzystuje uczenie maszynowe, by przejrzeć wszystkie kategorie w Twoich danych i znaleźć najlepsze, które mogą odpowiadać za różnice dystrybucji zysku w 3 kategoriach. Do tej pory można to było robić ręcznie – ustawiać różne filtry i patrzeć, czy wykresy się różnią. Bardziej zaawansowaną metodą byłoby zrobienie modelu. Od teraz czasochłonną pracę możesz wykonać automatycznie w parę sekund. Zobaczmy rezultaty!

Machine learning w akcji, czyli jak czytać raport z analizy różnic w dystrybucji rozkładu

Korzystanie z metod uczenia maszynowego od razu staje się prostsze, gdy można je wykonać jednym kliknięciem. Wynikiem analizy różnicy w rozkładach jest okno z wieloma wykresami dla kilku kategorii.

Jedną z analizowanych kategorii jest województwo. W raporcie z analizy różnic w dystrybucji Power BI wskaże najwyżej 3 elementy danej kategorii. Zobacz, że województw mamy 16, a Power BI pokazuje tylko 3, które uważa, że najbardziej wpływają na rozkład zysku.

Zobaczmy, co się wyświetla. W komunikacie nad wykresem Power BI wskazuje, jaki odsetek w całej bazie osób mieszka w trzech wskazanych województwach.

Co to oznacza? Jeśli próba jest mała, a odsetek obserwacji niewielki, znaleziony wpływ cechy na dystrybucję może być przypadkowy. W tym przypadku mieszkańców województwa lubelskiego jest 7,5%, podlaskiego 4,6%, a wielkopolskiego 9%. Nie są to najgorsze udziały zwłaszcza, że województw mamy 16.
Następnie przechodzimy do wykresu.

Pojawiają się tak naprawdę 2 wykresy: szary jest taki sam jak na dashboardzie, a zielony jest przefiltrowany po danej cesze – w tym przykładzie pokazuje zysk dla województwa lubelskiego. Jeśli wciśniesz Ctrl, możesz zaznaczyć więcej niż jeden filtr.

Power BI udostępnia dwie opcje porównywania wartości. Pierwsza, automatycznie włączona, to możliwość porównania proporcji. Na naszym wykresie pojawiają się dwie skale – po lewej dla filtrowanych województw, a po prawej ogólna. Pozwala ona zauważyć różnice kształtów i wysokości słupków, gdy różnica między ogólnymi wielkościami a filtrowanymi jest duża. Druga opcja to porównywanie wartości bezwzględnych; wtedy skala jest jedna.

Pozwala to zobrazować, czy potencjalnie różnicujące cechy faktycznie stanowią znaczny wkład w całość.

Raport… i co dalej?

Jak czytamy na stronie Power BI, funkcja analizy różnic w dystrybucji jest na razie w fazie testowej i może być jeszcze zmieniana. Potencjał ku temu już ma! Wróćmy do prawego górnego rogu wykresu dla województw. Znajdują się tu ikony kciuków oraz plus.

Możemy poczuć się jak w mediach społecznościowych i ocenić analizę kciukami – podoba się, jest trafna lub nie. Plusik natomiast służy do dodania wykresu do dashboardu. Uważasz, że trop znaleziony przez Power BI jest słuszny? Chcesz go pokazać? Umieść go w swoim raporcie!

Modelowanie bez modelowania

Lipcowa aktualizacja Power BI wprowadza bardzo ciekawe rozwiązanie – jednym kliknięciem analizujesz, skąd bierze się różnica rozkładu cechy wśród różnych kategorii. Dzięki temu znalezienie odpowiedzi na pytania dlaczego staje się łatwiejsze. Pamiętaj jednak, że nie zawsze automatyczne analizy będą bezbłędne – na ich jakość ma wpływ wielkość Twojej bazy danych oraz liczba osób posiadających daną cechę. Analiza różnic dystrybucji ma jednak spory potencjał, więc już teraz warto się nią zainteresować, poznać możliwości i testować. Powodzenia!