Nieuw in de release van Tableau 2018.3! Met heatmaps krijgt iedereen die met dichte, overlappende data werkt, gemakkelijk inzicht in de concentratie van de data. Zo wordt het gemakkelijker om ruimtelijke patronen in geografische data te herkennen. Maar heatmaps bieden meer gebruiksmogelijkheden dan alleen voor kaarten. Je kunt ze gebruiken voor spreidingsdiagrammen, puntenplots en nog veel meer!

Het is eenvoudig om heatmaps te maken in Tableau. Verander het type markering in dichtheid en je kunt aan de slag. Tableau biedt ook enkele configuratieopties voor het werken met heatmaps. Pas de dichtheid rond een markering aan met de schuifregelaar Grootte om het gebied te wijzigen waar markeringen van invloed zijn, pas een gewicht toe op de dichtheid door metingen op kleur, of toon meer of minder hotspots in de data met de schuifregelaar voor intensiteit. We hebben ook nieuwe kleurenpaletten gemaakt die zijn ontworpen voor lichte of donkere achtergronden in overeenstemming met de aanbevolen visuele werkwijzen. En bestaande functies, zoals filters, pagina's en kleine veelvouden, werken allemaal intuïtief.

Er bestaan talloze praktische toepassingen voor heatmaps. In dit blogbericht lichten we enkele veelvoorkomende gebruiksscenario's uit.

Breedte- en lengtegraad in kaart brengen: vergelijking van 311 oproepen in New Orleans

Het is gebruikelijk dat gemeentelijke overheden thematische data over evenementen, incidenten en operationele activiteiten delen met het publiek. New York, Toronto en Melbourne zijn goede voorbeelden van steden die de transparantie vergroten via Open Data. Na een recent bezoek aan het bruisende New Orleans ter gelegenheid van Tableau Conference 2018 kreeg ik het idee om enkele van deze openbaar beschikbare data verder te verkennen. Ik besloot 311 oproepen van de afgelopen zes jaar te onderzoeken. 311 oproepen met kleine problemen die de inwoners van de stad willen oplossen.

Wanneer ik deze koppel aan de data in Tableau, kan ik eenvoudig een kaart maken van alle 311 oproepen met behulp van de velden voor lengte- en breedtegraad in de dataset.

Bron: Data NOLA Gov

Het probleem met een kaart zoals deze is dat het moeilijk is om zonder filters een zinnig patroon te vinden in de data. Voor een beter idee van de ruimtelijke concentratie binnen data, kan ik gebruikmaken van Filter weergeven om de typen gemelde problemen te onderzoeken. Er zijn echter nog te veel data om inzicht te krijgen en als ik verder filter, wordt mijn analyse beperkt. Het is lastig om deze twee typen problemen te vergelijken, omdat de datapunten zeer vergelijkbare locaties lijken te dekken.

Met heatmaps zijn ruimtelijke concentraties direct herkenbaar. Bij de vergelijking van 311 typen problemen of categorische data zijn de verschillen duidelijk. Verander het type markering in dichtheid en vergelijk zelf.

Heatmaps maken het gemakkelijker om ruimtelijke patronen te begrijpen, maar je kunt nog een stap verder gaan en laten zien hoe die patronen in de loop van de tijd veranderen. Met Pagina's kun je gemakkelijk het probleem van verlaten voertuigen bestuderen en zien dat het aantal gemelde incidenten elk jaar toeneemt, maar dat de concentratiegebieden relatief hetzelfde zijn gebleven. Daarnaast kun je in Pagina's de dichtheid berekenen voor de hele dataset, zodat je relatieve vergelijkingen kunt zien terwijl je de data animeert.

Spreidingsdiagram: patronen ontdekken in de data over schotpogingen in basketbal

Analytics heeft de manier veranderd waarop bedrijven werken. Een van de meest algemeen zichtbare toepassingen van analytics komt uit de sportwereld. In bijna elke sport worden ruimtelijke patronen van schoten, doelpunten, verdedigingen en bewegingen van spelers onderzocht. Teams hopen hiermee een voorsprong op de concurrentie te behalen. Basketbal is een sport die veel data produceert, maar het kan lastig zijn om patronen te ontdekken. Hier is een weergave van alle schotpogingen in de NBA in een steekproef van 100 wedstrijden.

De lijn van de driepunters valt op, maar verder laten de data geen patronen zien om verder te verkennen. Nu kun je heatmaps in Tableau gebruiken om nieuwsgierigheid om te zetten in inzicht. Wat is de verdeling van schotpogingen in de NBA? Wat zijn de tendensen per team? Laten we kijken.

Schotpogingen van alle teams in de NBA

Als we de schotpogingen van alle teams vergelijken, vallen enkele dingen op. Bij de Trailblazers zien we een redelijk gelijkmatige spreiding van de plekken vanwaar wordt geschoten voor driepunters, maar er is vrijwel geen concentratie in het middellange bereik. Bij de Warriors is er een balans tussen schoten op afstand, met een hoog percentage vanaf de middellange afstand en schoten dicht bij de basket.

Vergeet niet om een passende achtergrondafbeelding te kiezen wanneer je sportdata deelt en analyseert. Hier heb ik een basketbalveld toegevoegd om de visuele analyse te vergemakkelijken.

Puntenplot: productbestellingen in de loop van de tijd analyseren

Heatmaps zijn perfect voor het bekijken van dichte data in een spreidingsdiagram, maar ze kunnen ook op andere creatieve manieren worden gebruikt in Tableau. Laten we eens kijken naar een recente geschiedenis van productbestellingen. Er zijn veel handige manieren om data in de loop van de tijd te visualiseren, maar laten we beginnen met een eenvoudige visualisatie van elke afzonderlijke bestelling.

In deze weergave zie ik geen specifiek patroon, behalve het bekende gegeven dat kopieermachines geen bestseller zijn. Als we de weergave omschakelen naar de markering Vorm, wordt het iets gemakkelijker om concentraties (of patronen) van bestellingen te zien.

Ik kan zien dat er vaker papier wordt besteld dan boekenkasten, kopieermachines, enveloppen en kantoorbenodigdheden, maar ik moet deze weergave nader onderzoeken om mijn volgende vraag te bepalen. Kijk wat er gebeurt wanneer ik heatmaps gebruik.

Met heatmaps zie je direct een trend voor elk product en kun je producten ook vergelijken. Je kunt data gebruiken voor elke gebeurtenis met tijdsverloop, zoals individuele bestellingen per klant, stortingen en opnamen bij geldautomaten, en natuurobservaties. Heatmaps bieden diverse manieren om je data te verkennen en verklaren.

Met heatmaps in Tableau krijg je gemakkelijk inzicht in de concentraties binnen je datasets. Heatmaps zijn flexibel en configureerbaar, dus je kunt ze gebruiken voor kaarten en andere toepassingen. Je kunt je eigen perfecte weergave creëren met behulp van kleur, grootte, filters, pagina's en acties. Bekijk meer voorbeelden van heatmaps in onze Viz Gallery.