预测分析和时间序列分析等常见分析方案和提示

Ian Coe

2017/04/28

Tableau 在高级分析方面投入了大量资源，无论问题有多复杂，您都能通过预测分析、时间序列分析等高级分析方案找到其根源。我们更新了白皮书 Advanced Analytics with Tableau（使用 Tableau 进行高级分析），其中包含不断改进的功能集的相关信息，以及 Tableau 如何通过关键的内置高级功能处理分析项目的各个阶段。

在本文中，我们将谈论 Tableau 处理分析师和数据科学家每天所应对方案的方法，并提供用于实施复杂数据分析的资源。

分段和同期群分析

Tableau 提升了调查流程以实现快速灵活的同期群分析。通过根据所需维度切分和切割数据，转换不同的视角探索问题。自动化聚类分析 - 一种机器学习技术，还可帮助您改善分段。这通常用于发现高维度数据集中难以看见的模式。

使用聚类分析自动分割数据。

Tableau 允许您快速分割数据并对其分类，从而较轻松地执行强大的同期群分析。这些功能还可帮助数据科学家调查初步假设和测试方案。

请查阅以下关于执行分段和同期群分析的特色资源：

计算字段（在线帮助）
聚类分析（在线帮助）
集（在线帮助）
组（在线帮助）

方案和假设分析

通过将 Tableau 灵活的前端和强大的输入功能结合使用，您可以快速修改计算并测试不同的方案。凭借其集、组、拖放式分段和参数，Tableau 实现了从理论和问题到专业外观仪表板的转换，甚至允许非专业人员提出问题并测试自己的方案。

使用此参数驱动型销售报表，您可以掌握组织内指标、佣金和工资所产生的影响。

简化的假设分析使您能够专注于分析的更复杂方面，并提出更佳见解。同时，您还可以轻松创建直观的可视化，帮助任何人使用数据。

请查阅以下关于方案和假设分析的特色资源：

参数（在线帮助）
故事（在线帮助）

复杂计算和统计函数

Tableau 拥有强大的计算语言，使您可以轻松地通过任意计算扩展分析，并利用简洁的表达式执行复杂的数据操作。与摘要卡功能配合使用，Tableau 可为您提供从嵌套基本聚合到统计数据计算的内置选项，例如标准差、模式、峰度、不对称度、相关性和协方差。

详细级别表达式用于计算第一季度购买日期总销售额的运行总和。

借助表计算，只需点击几次或使用简单的表达式即可完成复杂的数据库工作，例如操纵聚合数据，创建复杂滞后和生成依赖于数据结构的聚合。两者都允许非技术用户自行操作，能为专家们节省大量时间，还可避免编写耗时的 SQL 代码。

请查阅以下关于计算和统计函数的特色资源：

智能创作语言（在线帮助）
详细级别表达式（在线帮助）
快速表计算（在线帮助）
统计函数（培训视频）

时间序列和预测分析

Tableau 本身支持丰富的时间序列分析，这意味着您可以探索季节性和趋势、对数据采样、运行预见性分析（如预测）并在强大的 UI 中执行其他常见的时间序列操作。

预测会按照区域自动预测销售额。

简单的预测分析几乎可为任何数据项目带来巨大的价值。Tableau 支持复杂的配置和简便的交互式建模，可同时为数据科学家和最终用户提供服务。

请查阅以下关于时间序列和预测分析的特色资源：

趋势分析（实际操作）
预测（在线帮助）

外部服务集成

R 和 Python 插件为 Tableau 前端提供了功能性和易用性，使您能够利用其他平台上现有的统计工作，并处理有细微差别的机器学习工作流。

R 和 Tableau 用于计算和可视化重要测试的结果。

Tableau 与 Python 和 R 的结合允许您将复杂建模的结果表示为美观、引人入胜的可视化效果以供使用。所有技能水平的用户都可以通过与嵌入仪表板的控件进行交互，提出假设问题并评估假设方案。

请查阅以下关于 R 和 Python 集成的特色资源：

R（在线帮助）
Python（操作说明）

硬核分析

Tableau 在许多方面都超越其他分析平台：我们设计 Tableau 时充分兼顾到了业务用户和数据科学家。秉承让用户尽快提出关于数据的有趣问题的使命，Tableau 平台向每位用户都提供了宝贵的功能。

若要更深入地了解 Tableau 的分析功能，请阅读我们最近更新的 Advanced Analytics with Tableau（使用 Tableau 进行高级分析）白皮书。

预测分析和时间序列分析等高级分析方案