Visualizzazione dei dati con Tableau

1. Introduzione a Tableau

Panoramica

Tableau Software è un’azienda con sede a Seattle, Washington, che produce prodotti interattivi per la visualizzazione dei dati focalizzati sulla business intelligence. Tableau è stata fondata presso il Dipartimento di Informatica dell’Università di Stanford tra il 1997 e il 2002(Wikipedia)

I principali prodotti offerti da Tableau sono:

Tableau Desktop, Tableau Public e Tableau Online offrono tutti la creazione di visualizzazioni; la scelta dipende dal tipo di lavoro

In questo tutorial lavoreremo con Tableau Desktop. Il link alla fonte di riferimento è qui.

Installazione

A seconda del prodotto scelto, scarica il software sul computer. Dopo aver accettato il contratto di licenza, puoi verificare l’installazione cliccando sull’icona di Tableau. Se compare la seguente schermata, sei pronto per iniziare.

2. Primi passi

In questa sezione impareremo alcune operazioni di base in Tableau per familiarizzare con l’interfaccia.

Area di lavoro di Tableau

L’area di lavoro di Tableau è un insieme di fogli, barra dei menu, barra degli strumenti, scheda dei marcatori, ripiani e molti altri elementi che conosceremo nelle sezioni successive. I fogli possono essere fogli di lavoro, dashboard o storie. L’immagine seguente evidenzia i componenti principali dell’area di lavoro. Tuttavia, la vera familiarità arriva quando inizieremo a lavorare con dati reali.

Connessione a una fonte dati

Per iniziare a lavorare con Tableau, dobbiamo connetterlo alla fonte dati. Tableau è compatibile con molte fonti dati. Le fonti supportate compaiono sul lato sinistro della schermata iniziale. Alcune fonti usate di frequente sono Excel, file di testo, database relazionali o anche su un server. Si può anche connettere a database cloud come Google Analytics, Amazon Redshift, ecc.

La schermata di avvio di Tableau Desktop mostra le fonti dati disponibili a cui ci si può connettere. Dipende anche dalla versione di Tableau, poiché quella a pagamento offre più possibilità. Sul lato sinistro c’è il riquadro Connect che elenca le fonti disponibili. I tipi di file sono elencati per primi, seguiti dai tipi di server comuni o dai server a cui ci si è connessi di recente. Puoi aprire le cartelle di lavoro già create dalla scheda Open. Tableau Desktop fornisce anche alcune cartelle di lavoro di esempio sotto Sample Workbooks.

Hands On

Connessione al dataset Sample-Superstore

Lavoreremo con un dataset di esempio chiamato Superstore, pre-caricato in Tableau. Tuttavia, scaricheremo il file da qui per capire come connetterci a una fonte dati Excel. I dati riguardano una catena di negozi: includono informazioni su prodotti, vendite, profitti, ecc. Come Data Analyst, il nostro obiettivo è analizzare i dati e trovare aree critiche di miglioramento in questa azienda fittizia.

Steps

1. Importa i dati nell’area di lavoro di Tableau dal computer.

2. Sotto la scheda Sheets, diventeranno visibili tre fogli: Orders, People e Returns. Ci concentreremo solo sui dati di Orders. Fai doppio clic su Orders: si aprirà come un foglio di calcolo.

3. Notiamo che le prime tre righe sono un po’ diverse e non nel formato desiderato. Qui utilizziamo il Data Interpreter, presente anch’esso sotto la scheda Sheets. Cliccandoci, otteniamo un foglio ben formattato.

Hands On

Creazione di una vista

Partiremo generando un grafico semplice. In questa sezione conosceremo i nostri dati e inizieremo a porci domande per ricavarne insight. Ecco alcuni termini importanti che incontreremo.

Dimension

Measures

Aggregation

Le Dimensioni sono dati qualitativi, come un nome o una data. Per impostazione predefinita, Tableau classifica automaticamente come dimensione qualsiasi dato che contenga informazioni qualitative o categoriali, ad esempio campi con valori testuali o di data. Questi campi compaiono in genere come intestazioni di colonna per le righe di dati, come Customer Name o Order Date, e definiscono anche il livello di granularità mostrato nella vista.

Le Misure sono dati quantitativi numerici. Per impostazione predefinita, Tableau tratta come misura qualsiasi campo che contenga questo tipo di dati, ad esempio transazioni di vendita o profitto. I dati classificati come misura possono essere aggregati in base a una data dimensione, ad esempio vendite totali (Misura) per regione (Dimensione).

L’Aggregazione è il raggruppamento dei dati a livello di riga in una categoria superiore, come la somma delle vendite o il profitto totale.

Tableau ordina automaticamente i campi tra Misure e Dimensioni. In caso di anomalie, si può modificare manualmente.

Steps

1. Vai al foglio di lavoro. Clicca sulla scheda Sheet 1 in basso a sinistra nell’area di lavoro.

   

2. Una volta nel foglio, da Dimensions nel riquadro Dati, trascina Order Date sul ripiano Columns.

   Trascinando Order Date nel ripiano delle colonne, viene creata una colonna per ogni anno di ordini nel dataset. Sotto ogni colonna è visibile un indicatore "Abc", che implica che qui si possono trascinare dati testuali o numerici. Se al contrario trascinassimo Sales qui, verrebbe creata una tabella a doppia entrata che mostra le vendite totali per ogni anno.

3. Allo stesso modo, dalla scheda Measures, trascina il campo Sales sul ripiano Rows.

Tableau popola un grafico con le vendite aggregate come somma. Vengono mostrate le vendite totali aggregate per ogni anno in base alla data dell’ordine. Tableau utilizza sempre un grafico a linee per una vista che include un campo temporale, come in questo esempio Order Date.

Hands On

Cosa comunica il grafico a linee sopra? Mostra che le vendite sembrano promettenti e aumentano nel tempo. È un insight prezioso, ma dice poco sui prodotti che contribuiscono all’aumento delle vendite. Approfondiamo per ottenere ulteriori informazioni.

Raffinare la vista

Andiamo più a fondo per capire quali prodotti trainano le vendite. Iniziamo aggiungendo le categorie di prodotto per osservare i totali delle vendite in un altro modo.

Steps

1. Category si trova nel riquadro Dimensions. Trascinalo sul ripiano delle colonne e posizionalo accanto a YEAR(Order Date). Category deve essere a destra di Year. Così facendo, la vista passa subito da un grafico a linee a uno a barre. Il grafico mostra le Sales complessive per ogni Product per anno.

   Learn More

   Per visualizzare le informazioni su ciascun punto dati (ovvero marcatore), passa il mouse su una delle barre per mostrare un tooltip. Il tooltip visualizza le vendite totali per quella categoria. Ecco il tooltip per la categoria Office Supplies nel 2016:

   

   Per aggiungere etichette alla vista, clicca su Show Mark Labels nella barra degli strumenti.

   

   Il grafico a barre può essere visualizzato anche orizzontalmente invece che verticalmente. Clicca su Swap nella barra degli strumenti.

   

 2. La vista sopra mostra bene le sales per category, cioè furniture, office supplies e technology. Possiamo anche dedurre che le vendite di furniture stanno crescendo più rapidamente di quelle di office supplies, tranne che nel 2016. Quindi conviene puntare gli sforzi di vendita sui furniture invece che sugli office supplies. Ma furniture è una categoria ampia con molti articoli diversi. Come possiamo identificare quali articoli di arredamento contribuiscono di più alle vendite?

Per rispondere a questa domanda, decidiamo di guardare i prodotti per Sub-category per vedere quali articoli vendono di più. Diciamo che, per la categoria Furniture, vogliamo guardare solo bookcases, chairs, furnishings e tables. Fai doppio clic o trascina la dimensione Sub-Category sul ripiano Columns.

La sub-category è un altro campo discreto. Suddivide ulteriormente la Category e visualizza una barra per ogni sub-category in base a categoria e anno. Tuttavia, è una quantità enorme di dati difficile da interpretare visivamente. Nella prossima sezione, impareremo filtri, colori e altri modi per rendere la vista più comprensibile.

Hands On

3. Mettere in evidenza i risultati

In questa sezione cercheremo di concentrarci su risultati specifici. Filtri e colori servono ad aggiungere enfasi ai dettagli che ci interessano.

Aggiungere filtri alla vista

I filtri possono essere usati per includere o escludere valori nella vista. Qui proviamo ad aggiungere due semplici filtri al foglio di lavoro per semplificare l’analisi delle vendite per sottocategoria in un anno specifico.

Steps

Nel riquadro Dati, sotto Dimensions, fai clic destro su Order Date e seleziona Show Filter. Ripeti anche per il campo Sub->category.

I filtri sono un tipo di scheda e possono essere spostati sul foglio semplicemente con drag-and-drop

Aggiungere colori alla vista

I colori possono aiutare a identificare visivamente dei pattern.

Steps

Nel riquadro Measures, trascina Profit su Color nella scheda Marks.

Si vede che Bookcases, Tables e persino Machine contribuiscono a un profitto negativo, cioè a una perdita. Un insight potente.

Hands On

Risultati chiave

Esaminiamo più da vicino i filtri per scoprire di più sui prodotti non redditizi.

Steps

1. Nella vista, nella scheda filtro Sub-Category, deseleziona tutte le caselle tranne Bookcases, Tables e Machines. Emerge un fatto interessante: in alcuni anni Bookcases e Machines erano redditizi. Tuttavia, nel 2016 Machines è diventata non redditizia.
2. Seleziona All nella scheda filtro Sub-Category per mostrare di nuovo tutte le sottocategorie.
3. Da Dimensions, trascina Region sul ripiano Rows e posizionalo a sinistra della scheda Sum(Sales). Notiamo che le macchine nel South registrano un profitto negativo complessivo più alto rispetto alle altre regioni.
4. Diamo ora un nome al foglio. In basso a sinistra dell’area di lavoro, fai doppio clic su Sheet 1 e digita Sales by Product and Region.
5. Per preservare la vista, Tableau permette di duplicare il foglio di lavoro così da continuare in un altro foglio da dove abbiamo lasciato.
6. Nella cartella di lavoro, fai clic destro sul foglio Sales by Product and Region e seleziona Duplicate, quindi rinomina il foglio duplicato in Sales-South.
7. Nel nuovo foglio, da Dimensions, trascina Region sul ripiano Filters per aggiungerlo come filtro nella vista.
8. Nella finestra di dialogo Filter Region, deseleziona tutte le caselle tranne South e clicca OK. Ora possiamo concentrarci su vendite e profitto nel South. Scopriamo che le vendite di macchine hanno avuto profitto negativo nel 2014 e di nuovo nel 2016. Indagheremo nella prossima sezione
9. Infine, non dimenticare di salvare i risultati selezionando File > Save As. Chiamiamo la cartella di lavoro Regional Sales and Profits.

Hands On

4. Vista mappa

Creare una vista mappa

Le viste mappa sono utili quando analizziamo dati geografici (il campo Region). Nell’esempio corrente, Tableau riconosce automaticamente che i campi Country, State, City e Postal Code contengono informazioni geografiche.

Steps

1. Crea un nuovo foglio di lavoro.
2. Aggiungi State e Country dal riquadro Dati a Detail nella scheda Marks. Otteniamo la vista mappa.
3. Trascina Region sul ripiano Filters, quindi filtra solo South. La vista mappa ora fa zoom solo sulla regione South e un marcatore rappresenta ciascuno stato.
4. Trascina la misura Sales sulla scheda Color dei Marks. Otteniamo una mappa riempita con colori che mostrano l’intervallo di vendite in ciascuno stato.
5. Possiamo cambiare la palette dei colori cliccando su Color nella scheda Marks e selezionando Edit Colors. Possiamo provare le palette disponibili.
6. Osserviamo che la Florida ha le migliori performance in termini di vendite. Passando il mouse sulla Florida, compaiono vendite totali per 89.474 USD, rispetto, ad esempio, al South Carolina con sole 8.482 USD. Valutiamo ora le performance in base al Profit, dato che il profitto è un indicatore migliore delle sole vendite.
7. Trascina Profit su Color nella scheda Marks. Ora vediamo che Tennessee, North Carolina e Florida hanno profitto negativo, anche se sembrava che andassero bene per vendite. Rinomina il foglio in Profit Map

Hands On

Scendere nei dettagli

Le mappe ci permettono di visualizzare i dati a colpo d’occhio. Nel passaggio precedente abbiamo scoperto che Tennessee, North Carolina e Florida hanno profitto negativo. In questa sezione disegniamo un grafico a barre per esplorare le ragioni del profitto negativo.

Steps

1. Duplica il foglio Profit Map e chiamalo Negative Profit Bar Chart.

2. Clicca su Show Me nel foglio Negative Profit Bar Chart. Show Me presenta i vari modi in cui si può tracciare un grafico tra gli elementi presenti nel foglio. Da Show Me seleziona l’opzione a barre orizzontali: la vista si aggiorna istantaneamente da barre verticali a orizzontali.

3. Possiamo selezionare più barre alla volta cliccando e trascinando il cursore su di esse. Vogliamo concentrarci solo sui tre stati, cioè Tennessee, North Carolina e Florida. Quindi selezioneremo solo le barre che li riguardano.

   Learn More

   Creare gerarchie
   Le gerarchie sono utili quando vogliamo raggruppare campi simili per poter scendere rapidamente tra i livelli nella viz.

   1. Nel riquadro Dati, trascina un campo e rilascialo direttamente sopra un altro campo oppure fai clic destro sul campo e seleziona
   2. Trascina eventuali campi aggiuntivi nella gerarchia. I campi possono anche essere riordinati nella gerarchia semplicemente trascinandoli in una nuova posizione. Nella viz corrente creeremo le seguenti gerarchie: Location, Order e Product.
      

4. Sul ripiano Rows, clicca sull’icona a forma di più nel campo State per scendere al livello City.

   1. Sono molti dati. Possiamo usare il N-Filter per filtrare e rivelare i peggiori performer. Trascina City dal riquadro Data sul ripiano Filters. Clicca su By field, poi sul menu a discesa Top e seleziona Bottom per mostrare i peggiori. Digita 5 nella casella di testo per mostrare i 5 peggiori nel dataset.

Ora vediamo che Jacksonville e Miami, Florida; Burlington, North Carolina; e Knoxville e Memphis, Tennessee sono le città con le peggiori performance per profitto. C’è un altro marcatore nella vista—Jacksonville, North Carolina—che non dovrebbe esserci, dato che è profittevole. Significa che c’è un problema nel filtro applicato. Ci aiuteremo con l’Order of Operations di Tableau.

1. Sul ripiano Filters, fai clic destro sul set Inclusions (Country, State) e seleziona Add to Context. Ora Concord (North Carolina) appare nella vista mentre Miami (Florida) è scomparsa. Ora ha senso.

2. Ma Jacksonville (North Carolina) è ancora presente, il che è errato. Sul ripiano Rows, clicca sull’icona a forma di più sulla scheda City per scendere al livello Postal Code. Fai clic destro sul CAP di Jacksonville, NC, 28540, e seleziona Exclude per escludere Jacksonville manualmente.

3. Trascina Postal Code fuori dal ripiano Rows. Questa è la vista finale.

   

Hands On

Risultati chiave

Concentriamoci ora solo sulle entità in perdita, cioè i prodotti, e identifichiamo anche le località in cui sono venduti.

Steps

1. Trascina Sub-Category su Rows per approfondire ulteriormente.
2. Allo stesso modo, trascina Profit su Color nella scheda Marks. Questo ci consente di individuare rapidamente i prodotti con profitto negativo.
3. Fai clic destro su Order Date e seleziona Show Filter. Sembra che Machines, tables e binders performino male. Cosa dovremmo fare? Una soluzione potrebbe essere interrompere la vendita di questi prodotti a Jacksonville, Concord, Burlington, Knoxville e Memphis. Verifichiamo se la decisione è corretta.
4. Torniamo alla scheda del foglio Profit Map creata in precedenza.
5. Ora clicca sul campo Sub-Category per selezionare l’opzione Show Filter.
6. Trascina Profit da sotto Measures sulla scheda Label dei Marks.
7. Di nuovo, clicca su Order Date e seleziona Show Filter. Dal filtro deselezioniamo gli elementi che pensiamo contribuiscano al profitto negativo: togli la spunta a Binders, Machines e Tables. Restiamo così solo con le entità profittevoli. Questo mostra che elementi come binders, machines e tables causavano effettivamente perdite in alcune aree e che le nostre conclusioni erano corrette.

Hands On

5. Dashboard

Una dashboard è una raccolta di più viste che consente di confrontare diversi dati simultaneamente.

Creare una dashboard

Steps

1. Clicca sul pulsante New dashboard.
2. Trascina Sales in the South nella dashboard vuota
3. Trascina Profit Map nella dashboard e rilasciala sopra la vista Sales in the South. Entrambe le viste sono visibili insieme. Per presentare i dati in modo comprensibile, possiamo disporre la dashboard a nostro piacimento.
4. Nel foglio Sales South nella vista dashboard, clicca sotto Region e disattiva Show Header. Ripeti lo stesso per tutti gli altri header. Questo aiuta a mettere in risalto solo ciò che serve e a nascondere le informazioni meno importanti.
5. In Profit Map, nascondi il Title e fai lo stesso per la mappa Sales South.
6. Vediamo che la scheda filtro Sub-Category e Year of Order Date sono duplicate a destra. Eliminiamo i duplicati cliccando sulla X. Infine, clicca su Year of Order Date. Appare una freccia a discesa: seleziona Single Value (Slider). Ora lascia che la magia avvenga. Prova a scegliere anni diversi sullo slider e le vendite varieranno di conseguenza.
7. Trascina il filtro SUM(Profit) in fondo alla dashboard sotto Sales in South per una visione migliore.

Hands On

Aggiungere interattività

Per rendere la dashboard più interattiva, ad esempio per vedere quali sottocategorie sono redditizie in quali stati, servono alcune modifiche.

Steps

1. Partiamo dalla Profit Map. Cliccando sulla mappa, compare l’icona Use as filter in alto a destra. Cliccaci. Se selezioniamo una mappa, le vendite corrispondenti a quello stato saranno evidenziate nella mappa Sales-South.
2. Per Year of Order Date, clicca sul menu a discesa e vai su Apply to Worksheets > Selected Worksheets. Si apre una finestra di dialogo. Seleziona All e poi OK. Cosa fa questa opzione? Applica i filtri a tutti i fogli con la stessa fonte dati.
3. Esplora e sperimenta. Nella visualizzazione sotto, possiamo filtrare la mappa Sales South per vedere i prodotti venduti solo in North Carolina. Possiamo poi esplorare facilmente i profitti anno per anno.
4. Rinomina la Dashboard in Regional Sales and Profit.

Hands On

Quindi, vendere macchine in North Carolina non ha portato profitti all’azienda.

6. Story

La dashboard è una funzione interessante, ma Tableau ci permette anche di presentare i risultati in modalità presentazione sotto forma di storie, di cui parliamo in questa sezione.

Creare una Story

Steps

1. Clicca sul pulsante New story.
2. Dal riquadro Story a sinistra, trascina il foglio Sales in the South (creato in precedenza) nella vista.
3. Modifica il testo nel riquadro grigio sopra il foglio. Questa è la didascalia. Chiamala Sales and profit by year.
4. Le storie sono piuttosto specifiche. Qui racconteremo una storia sulla vendita di macchine in North Carolina. Nel riquadro Story, clicca su Duplicate per duplicare la prima didascalia, oppure creane una nuova.
5. Nel filtro Sub-Category, seleziona solo Machines. Questo aiuta a valutare vendite e profitto delle macchine per anno.
6. Rinomina la didascalia in Machine sales and profit by year.

Hands On

Trarre una conclusione

È chiaro che le macchine in North Carolina portano a una perdita di profitto. Tuttavia, questo non si può dimostrare guardando il Profit e le Sales nel loro complesso. Per questo serve il Profit regionale.

Steps

1. Nel riquadro Story, seleziona Blank. Trascina sulla tela la dashboard già creata Regional Sales and Profit.
2. Dai la didascalia Low performing items in the South.
3. Seleziona Duplicate per creare un altro punto della storia con la dashboard Regional Profit. Seleziona North Carolina nel grafico a barre dato che vogliamo mostrarne di più.
4. Seleziona All gli anni.
5. Aggiungi una didascalia per chiarezza, ad esempio Profit in NC : 2013-2016.
6. Seleziona un anno, ad esempio 2014. Aggiungi la didascalia Profit in NC : 2014 e poi clicca sulla scheda Duplicate. Ripeti lo stesso passaggio per tutti gli anni restanti.
7. Clicca sulla modalità presentazione e lascia che la story si sviluppi.

Hands On

Ora abbiamo un’idea di quali prodotti sono stati introdotti nel mercato del North Carolina, quando e come hanno performato. Non solo abbiamo individuato un modo per affrontare il profitto negativo, ma siamo anche riusciti a sostenerlo con i dati. Questo è il vantaggio delle Story in Tableau.

7. Integrazione di Tableau con R, Python e SQL

Oltre ai vari vantaggi di visualizzazione offerti da Tableau, dispone di ottime capacità di connessione pronte all’uso. Tableau può integrarsi facilmente con linguaggi come Python e R e persino con DBMS come SQL. Questo offre maggiori funzionalità e torna utile ai Data Scientist abituati a lavorare in Python o R. Possono importare direttamente gli script R e Python in Tableau e sfruttarne le visualizzazioni, nettamente superiori a quelle ottenute in questi linguaggi. Inoltre, le funzionalità di visualizzazione di Tableau sono facili e intuitive, facendo risparmiare molto tempo ai Data Scientist.

In questa sezione vedremo come collegare Tableau a queste fonti esterne e i vantaggi di tali connessioni.

Tableau e R

R è un linguaggio statistico molto diffuso usato per analisi predittive avanzate, come modelli lineari e non lineari, test statistici, analisi di serie temporali, classificazione, clustering, ecc.(Tableau 8.1 and R) Usare Tableau insieme a R presenta i seguenti vantaggi:

• Sfrutta la potenza statistica di Tableau dando accesso a librerie R sofisticate per insight migliori e più profondi dai dati.
• Le opzioni avanzate di esplorazione dei dati di Tableau e la capacità di connettersi a più fonti sono utili per gli utenti R.
• Inoltre consente agli utenti Tableau di beneficiare dell’utilità del linguaggio R senza doverlo conoscere davvero.

Come si integra Tableau con R?

Funzioni e modelli R possono essere usati in Tableau creando nuovi campi calcolati che invocano dinamicamente il motore R e passano valori a R. I risultati vengono poi restituiti a Tableau per essere utilizzati nella visualizzazione.

Configurare Tableau Desktop con R

• Scarica e installa Rserve.

Devi scaricare e installare il pacchetto Rserve affinché Tableau possa connettersi e usare le funzioni degli script R. Nella console R, inserisci i seguenti comandi:

install.packages(“Rserve”)
library(Rserve)
Rserve() / Rserve(args = ‘ — no-save’)

Connettere Tableau al server R

Dopo aver installato correttamente Rserve, apri Tableau Desktop e segui i passaggi sotto.

1. Vai su Help > Settings and Preferences and select Manage External Service Connection.

   

2. Inserisci come nome server “Localhost” (o “127.0.0.1”) e come porta “6311”.

3. Clicca sul pulsante “Test Connection”. Dovresti vedere un messaggio di connessione avvenuta con successo. Clicca OK per chiudere.

Iniziare a usare gli script R in Tableau

Dopo aver completato correttamente i passaggi, potremo creare nuovi campi calcolati in Tableau Desktop che utilizzano le funzioni SCRIPT_* per effettuare chiamate a R.

Mettiamoci al lavoro e vediamo come usare le capacità di Tableau con R. Utilizzeremo il dataset Sample Superstore integrato per calcolare il Profit sia con script R sia con la funzione di drag-and-drop di Tableau. Confronteremo poi i risultati.

Steps

1. Apri una cartella di lavoro Tableau e connettiti ai dati Sample Superstore.
2. Connettiti a Rserve. Una volta che Tableau Desktop è connesso a Rserve, può invocare il motore R tramite campi calcolati.

3. Creeremo ora un campo calcolato chiamato Expected Profit.

   Quattro funzioni sono disponibili per l’uso con R, e iniziano tutte con la parola script. Le funzioni sono:

   • SCRIPT_REAL: restituisce numeri reali
   • SCRIPT_STR: restituisce stringhe
   • SCRIPT_INT : restituisce interi
   • SCRIPT_BOOL: restituisce booleani
   • Per questo esempio, useremo la funzione SCRIPT_REAL. Creeremo una semplice regressione lineare in Tableau.

4. Apri il campo calcolato e inserisci il seguente script.

   SCRIPT_REAL("fit <- lm(.arg1 ~ .arg2 +  .arg3 + .arg4)
   fit$fitted
   ",
   SUM([Profit]),  AVG([Sales]),  AVG([Quantity]),   AVG([Discount]))
   

   Lo script sopra riguarda un modello di regressione lineare in R. Questo modello avrà una variabile dipendente (arg1) e tre variabili indipendenti (arg2, arg3, arg4). Questi argomenti sono solo segnaposto e, quando lo script viene passato a R, saranno sostituiti dalle colonne di Tableau corrispondenti. 5. Inserisci i campi di Tableau che corrispondono a ciascuna variabile. La variabile dipendente qui è il profitto, quindi metteremo SUM(Profit) per primo, dato che corrisponde all’argomento 1. Allo stesso modo useremo prezzo unitario medio, quantità media per ordine e sconto medio per gli altri tre argomenti.

5. Questi input verranno ora inseriti nel modello per determinare i livelli di profitto atteso. Siamo pronti a usare questo calcolo nelle visualizzazioni di Tableau. Trascina category su Rows e poi Profit su Columns. Ora trascina Expected Profit su Columns.

6. Possiamo ora analizzare il modello per vedere come l’Expected profit calcolato in R si confronta con i profitti reali. Possiamo continuare l’analisi trascinando i segmenti di cliente su Colors per creare un grafico a barre in pila e utilizzare le date degli ordini per suddividere i dati per anni o trimestri.

Hands On

Si potrebbe pensare che tutti i calcoli sopra si potessero fare in Tableau senza usare R. Allora perché scaricare e configurare Rserve in Tableau e scrivere script? R è un linguaggio potente per la sua capacità di fare forecast, utilizzando librerie diffuse con algoritmi noti in modo semplice. Immagina quanto sarebbe comodo fare previsioni per il business in Tableau, chiamando un semplice script R e incorporandolo poi nelle visualizzazioni di Tableau.

Tableau e Python

Python è un linguaggio di programmazione generico molto usato. Fornisce numerose librerie per analisi statistiche, modellazione predittiva o machine learning. Collegare Tableau a Python è uno dei modi migliori per l’analisi predittiva. TabPy è un pacchetto sviluppato per questo scopo. Per consentire a Tableau di sfruttare la potenza di Python, può essere connesso al server TabPy per eseguire codice Python al volo e mostrare i risultati sotto forma di visualizzazioni.

Come si integra Tableau con Python?

Quando usiamo TabPy con Tableau, possiamo definire campi calcolati in Python, sfruttando così la potenza di numerose librerie di machine learning direttamente dalle visualizzazioni.

Configurare Tableau Desktop con Python

Scarica e installa Tabpy.

Eseguire codice Python all’interno di una cartella di lavoro Tableau richiede un server Python che lo esegua. Il framework TabPy svolge questo compito. Scarica TabPy da Github a questo link. In alternativa, puoi seguire i passaggi seguenti:

conda install -c anaconda tabpy-server

Poi vai nella directory contenente il server TabPy scaricato ed esegui.

python setp.py

Collegare Tableau a TabPy

Il passo successivo è collegare Tableau a TabPy. Si può fare andando su Help > Settings and Performance > Manage External Service Connection:

Testa la connessione. Se tutto va bene, vedrai un messaggio “successfully connected”.

Iniziare a usare gli script Python in Tableau

L’integrazione di Python in Tableau è molto utile. Prendiamo ad esempio il problema della Sentiment Analysis. È un tema comune nella community del machine learning e può essere affrontato con vari algoritmi di machine learning. Tuttavia, usando una combinazione di Tableau e Python, lo stesso si ottiene con poche righe di codice Python. I risultati possono poi essere visualizzati in Tableau per ulteriori insight. Vediamolo con un esempio(Leverage the power of Python in Tableau with TabPy)

Sentiment Analysis con TabPy

Useremo il dataset di recensioni mobile, scaricabile da qui.

Steps:

1. Importa il dataset in Tableau Desktop
2. Connettiti a TabPy. Una volta che Tableau Desktop è connesso a Tabpy, può invocare il motore Python tramite campi calcolati.

3. Creeremo ora un campo calcolato chiamato Sentiment come segue: `

   SCRIPT_REAL("from vaderSentiment.vaderSentiment import  SentimentIntensityAnalyzer  
   vs = []  
   analyzer  = SentimentIntensityAnalyzer()  
   for i in range(0,len(_arg1)):  
    a = analyzer.polarity_scores(_arg1[i])['compound']  
    vs.append(a)  
   return vs",ATTR([Reviews]))`
   

   Qui usiamo lo strumento di VADER sentiment analysis. È uno strumento basato su lessico e regole, specificamente tarato per i sentiment espressi sui social media. Per usarlo, devi prima installarlo. Leggi di più sulla loro pagina GitHub.

4. Ora trascina Reviews su Rows e Sentiment sulle schede Text e Color Marks e osserva il risultato. Otteniamo l’analisi del sentiment delle recensioni senza sforzo. Inoltre, visualizzare i risultati è semplicissimo: le recensioni positive sono in verde in ordine crescente, mentre quelle negative sono in rosso.

   

L’esempio sopra mostra chiaramente la potenza dell’integrazione di Tableau con Python. Avendo a disposizione i punteggi di sentiment, possiamo approfondire i dettagli. Per esempio, come titolare d’azienda posso filtrare le recensioni negative e riflettere sulle cause. Posso anche filtrare quelle positive per capire quali prodotti rendono felici i clienti.

Tableau e SQL Server

Nei dati di Microsoft SQL Server c’è un valore nascosto, sepolto sotto report standard e strumenti BI complessi. Tableau porta insight ovunque, permettendo a chiunque di fare analisi visiva avanzata dei dati di SQL Server. Possiamo connettere Tableau a SQL Server in live per query ottimizzate specifiche della piattaforma, oppure portare direttamente i dati nel motore analitico di Tableau per alleggerire il database.

Tableau fornisce un connettore live ottimizzato per SQL Server, così possiamo creare grafici, report e dashboard lavorando direttamente con i dati. Approfondendo l’analisi, Tableau riconosce qualsiasi schema usato in SQL Server, quindi non dobbiamo manipolare i dati.

Vediamo un esempio che mostra come collegare un database SQL Server a Tableau Desktop e usarlo per creare visualizzazioni.

Steps:

1. Accedi a SQL Server
2. Apri Tableau Desktop e, sotto Servers, connettiti a MS SQL.
3. Incolla il nome del server nella finestra di dialogo che si apre e clicca OK. Questo collega Tableau a SQL Server. Seleziona il database desiderato. In questo esempio scegliamo salesDB. Possiamo poi selezionare da un elenco di TABLES, ad es. Sales Log. La tabella viene importata nell’ambiente Tableau. Ora possiamo scegliere di estrarre l’intero dato o una parte in un nuovo foglio. Possiamo anche specificare il numero di righe da estrarre.
4. Nel nuovo foglio abbiamo i dati estratti da MS SQL. Da qui possiamo lavorare come in qualsiasi altro foglio di Tableau.

Hands On:

Ecco come possiamo collegare facilmente SQL Server a Tableau ed estrarre i dati direttamente al suo interno. Tableau consente agli utenti di passare da una connessione all’altra con un clic per applicare query in-memory a dataset più grandi.

8. Salvare il lavoro

Tableau Desktop

Per salvare localmente una cartella di lavoro Tableau, seleziona File > Save. Specifica il nome del file della cartella di lavoro nella finestra Save As. Per impostazione predefinita, Tableau salva il file con estensione .twb.

Tableau Public

Con Tableau Public tutte le viste e i dati sono pubblici e chiunque su Internet può accedervi. Select Server > Tableau Public > Save to Tableau Public e inserisci le credenziali.

Tableau Server

Se i dati sono riservati e la storia va condivisa con tutto il team, Tableau Server è l’ideale. Per pubblicare una storia su Tableau Server, seleziona Select Server > Publish Workbook oppure click Share nella barra degli strumenti. Assicurati però di creare prima un account.

Conclusione

Questo è tutto ciò che serve per creare una buona visualizzazione in Tableau, anche se potresti trovarti a rivedere molti più passaggi rispetto a quanto fatto qui. Con sperimentazione e pratica, Tableau diventa molto più familiare e sprigiona funzioni straordinarie per aiutarti ad analizzare e presentare i dati. Scrivi nei commenti in caso di dubbi o domande, e buona visualizzazione.

Dai un’occhiata al nostro Tutorial sulla creazione di visualizzazioni Tableau usando il dataset AirBnB.