Datavisualisatie met Tableau

1. Introductie tot Tableau

Overzicht

Tableau Software is een softwarebedrijf met hoofdkantoor in Seattle, Washington, dat interactieve datavisualisatieproducten maakt gericht op business intelligence. Tableau werd opgericht aan de afdeling Computer Science van Stanford University tussen 1997 en 2002(Wikipedia)

De belangrijkste producten van Tableau zijn:

Tableau Desktop, Tableau Public en Tableau Online bieden allemaal het maken van datavisualisaties; de keuze hangt af van het type werk.

In deze tutorial werken we met Tableau Desktop. De link naar de referentiebron staat hier.

Installatie

Download, afhankelijk van je productkeuze, de software op je computer. Nadat je de licentieovereenkomst hebt geaccepteerd, kun je de installatie verifiëren door op het Tableau-icoon te klikken. Als het volgende scherm verschijnt, ben je klaar om te beginnen.

2. Aan de slag

In dit onderdeel leren we enkele basisbewerkingen in Tableau om vertrouwd te raken met de interface.

Tableau-werkruimte

De Tableau-werkruimte is een verzameling van werkbladen, menubalk, werkbalk, markkaarten, schappen en veel andere elementen waar we later meer over leren. Bladen kunnen werkbladen, dashboards of verhalen zijn. De onderstaande afbeelding markeert de belangrijkste onderdelen van de werkruimte. Echte vertrouwdheid komt echter pas wanneer we met echte data werken.

Verbinding maken met een databron

Om te beginnen met werken met Tableau, moeten we Tableau verbinden met de databron. Tableau is compatibel met veel databronnen. De door Tableau ondersteunde databronnen verschijnen aan de linkerkant van het openingsscherm. Enkele veelgebruikte databronnen zijn Excel, tekstbestand, relationele database of zelfs een server. Je kunt ook verbinden met een clouddatabase zoals Google Analytics, Amazon Redshift, enz.

Het startscherm van Tableau Desktop toont de beschikbare databronnen waarmee je verbinding kunt maken. Dit is ook afhankelijk van de Tableau-versie, aangezien de betaalde versie meer mogelijkheden biedt. Aan de linkerkant van het scherm staat een Connect-paneel dat de beschikbare bronnen toont. Bestandstypen worden eerst vermeld, gevolgd door veelvoorkomende servertype of servers waarmee recent is verbonden. Onder het tabblad Open kun je eerder gemaakte werkmappen openen. Tableau Desktop biedt ook enkele voorbeeldwerkboeken onder Sample Workbooks.

Hands On

Verbinding maken met de Sample-Superstore-dataset

We werken met een voorbeeldset genaamd de Superstore-dataset, die vooraf is geladen in Tableau. We downloaden het bestand echter hier zodat we kunnen zien hoe je verbinding maakt met een Excel-databron. De data komt van een supermarkt. Het bevat informatie over producten, omzet, winst, enz. Ons doel als data-analisten is de data te analyseren en kritieke verbeterpunten te vinden binnen dit fictieve bedrijf.

Steps

1. Importeer de data in de Tableau-werkruimte vanaf de computer.

2. Onder het tabblad Sheets worden drie bladen zichtbaar: Orders, People en Returns. We focussen echter alleen op de Orders-data. Dubbelklik op het blad Orders; het opent net als een spreadsheet.

3. We zien dat de eerste drie rijen data er anders uitzien en niet in het gewenste formaat staan. Hier gebruiken we de Data Interpreter, ook aanwezig onder het tabblad Sheets. Door erop te klikken, krijgen we een netjes opgemaakt blad.

Hands On

Een weergave maken

We beginnen met het genereren van een eenvoudige grafiek. In dit onderdeel leren we onze data kennen en beginnen we vragen te stellen om inzichten te krijgen. Er zijn enkele belangrijke termen die we hier tegenkomen.

Dimension

Measures

Aggregation

Dimensions zijn kwalitatieve gegevens, zoals een naam of datum. Standaard classificeert Tableau data met kwalitatieve of categorische informatie als dimension, bijvoorbeeld elk veld met tekst- of datumwaarden. Deze velden verschijnen doorgaans als kolomkoppen voor rijen data, zoals Customer Name of Order Date, en bepalen ook de mate van detaillering in de weergave.

Measures zijn kwantitatieve numerieke gegevens. Standaard behandelt Tableau elk veld met dit soort data als measure, bijvoorbeeld verkooptransacties of winst. Data die als measure is geclassificeerd, kan worden geaggregeerd op basis van een gegeven dimension, bijvoorbeeld totale omzet (Measure) per regio (Dimension).

Aggregation is het optillen van gegevens op rijniveau naar een hogere categorie, zoals de som van omzet of totale winst.

Tableau sorteert velden automatisch in Measures en Dimensions. Bij een afwijking kun je dit ook handmatig aanpassen.

Steps

1. Ga naar het werkblad. Klik op het tabblad Sheet 1 linksonder in de Tableau-werkruimte.

   

2. Eenmaal op het werkblad, sleep je in de Data-pane uit Dimensions het veld Order Date naar de kolomshelf.

   Door Order Date naar de kolomshelf te slepen, wordt in de dataset een kolom voor elk jaar met Orders gemaakt. Onder elke kolom is een 'Abc'-indicator zichtbaar, wat impliceert dat je hier tekst of numerieke data kunt slepen. Als we hier Sales neerzetten, wordt een kruistabel gemaakt die de totale omzet per jaar laat zien.

3. Sleep op vergelijkbare wijze uit het tabblad Measures het veld Sales naar de rijenshelf.

Tableau vult een grafiek met omzet geaggregeerd als som. De totaal geaggregeerde omzet per jaar op basis van orderdatum wordt weergegeven. Tableau toont standaard een lijngrafiek voor een weergave met een tijdsveld, in dit voorbeeld Order Date.

Hands On

Wat vertelt de lijngrafiek hierboven? Dat de omzet er veelbelovend uitziet en met de tijd lijkt toe te nemen. Een waardevol inzicht, maar het zegt weinig over welke producten bijdragen aan de stijgende omzet. Laten we dieper graven voor meer inzichten.

De weergave verfijnen

Laten we dieper ingaan op welke producten meer omzet drijven. We beginnen met het toevoegen van productcategorieën om totaalomzet op een andere manier te bekijken.

Steps

1. Category staat in het Dimensions-pane. Sleep dit naar de kolomshelf en plaats het naast YEAR(Order Date). De Category moet rechts van Year staan. De weergave verandert dan meteen van een lijn- naar een staafdiagram. De grafiek toont de totale Sales voor elk Product per jaar.

   Learn More

   Beweeg je muis over een van de staven om informatie over elk datapunt (oftewel markering) te zien in een tooltip. De tooltip toont de totale omzet voor die categorie. Hier is de tooltip voor de categorie Office Supplies in 2016:

   

   Om labels toe te voegen, klik je op Show Mark Labels op de werkbalk.

   

   Het staafdiagram kan ook horizontaal in plaats van verticaal worden weergegeven. Klik hiervoor op Swap op de werkbalk.

   

 2. De weergave hierboven toont netjes de sales per category, d.w.z. furniture, office supplies en technology. We kunnen ook afleiden dat de meubelomzet sneller groeit dan die van kantoorartikelen, behalve in 2016. Het is dus verstandig om verkoopinspanningen op meubels te richten in plaats van op kantoorartikelen. Maar meubels is een brede categorie met veel verschillende items. Hoe identificeren we welk meubelitem het meest bijdraagt aan de omzet?

Om die vraag te beantwoorden, kijken we naar producten per Sub-category om te zien welke items de grote verkooppers zijn. Stel dat we binnen de categorie Furniture alleen details willen zien over bookcases, chairs, furnishings en tables. We dubbelklikken of slepen de Sub-Category-dimension naar de kolomshelf.

Sub-category is opnieuw een discreet veld. Het splitst de Category verder op en toont een staaf voor elke sub-category, uitgesplitst naar categorie en jaar. Visueel is dit echter een enorme hoeveelheid data. In het volgende onderdeel leren we over filters, kleur en andere manieren om de weergave begrijpelijker te maken.

Hands On

3. De resultaten benadrukken

In dit onderdeel focussen we op specifieke resultaten. Filters en kleuren helpen om de details die ons interesseren te benadrukken.

Filters toevoegen aan de weergave

Met filters kun je waarden in de weergave opnemen of uitsluiten. We voegen hier twee eenvoudige filters toe om het eenvoudiger te maken om productomzet per subcategorie voor een specifiek jaar te bekijken.

Steps

Klik in de Data-pane, onder Dimensions, met de rechtermuisknop op Order Date en selecteer Show Filter. Herhaal dit ook voor het veld Sub->category.

Filters zijn een soort kaarten en kunnen eenvoudig met drag-and-drop over het werkblad worden verplaatst.

Kleuren toevoegen aan de weergave

Kleuren kunnen helpen om patronen visueel te herkennen.

Steps

Sleep in de Data-pane, onder Measures, Profit naar Color op de Marks-kaart.

Te zien is dat Bookcases, Tables en zelfs Machine bijdragen aan negatieve winst, oftewel verlies. Een krachtig inzicht.

Hands On

Belangrijkste bevindingen

Laten we de filters van dichterbij bekijken om meer te weten te komen over de onrendabele producten.

Steps

1. Vink in de weergave, in de Sub-Category-filterkaart, alle vakjes uit behalve Bookcases, Tables en Machines. Dit onthult een interessant feit. In sommige jaren waren Bookcases en Machines eigenlijk winstgevend. In 2016 werd Machines echter onrendabel.
2. Selecteer All in de Sub-Category-filterkaart om alle subcategorieën weer te tonen.
3. Sleep uit Dimensions Region naar de Rows-shelf en plaats het links van het tabblad Sum(Sales). We merken dat Machines in het Zuiden een sterker negatief resultaat laten zien dan in de andere regio's.
4. Geef het blad nu een naam. Linksonder in de werkruimte dubbelklik je op Sheet 1 en typ je Sales by Product and Region.
5. Om de weergave te behouden, kun je in Tableau het werkblad dupliceren zodat je op een ander blad kunt doorgaan waar je gebleven was.
6. Klik in je werkmap met de rechtermuisknop op het blad Sales by Product and Region en selecteer Duplicate en hernoem het gedupliceerde blad naar Sales-South.
7. Sleep in het nieuwe werkblad uit Dimensions Region naar de Filters-shelf om het als filter toe te voegen.
8. Vink in het dialoogvenster Filter Region alle vakjes uit behalve South en klik op OK. Nu kunnen we focussen op omzet en winst in het South. We zien dat de verkoop van Machines in 2014 en opnieuw in 2016 negatief was. Dit onderzoeken we in het volgende onderdeel.
9. Vergeet tot slot niet om de resultaten op te slaan via File > Save As. Noem onze werkmap Regional Sales and Profits.

Hands On

4. Kaartweergave

Een kaartweergave maken

Kaartweergaven zijn nuttig wanneer we naar geografische data kijken (het veld Region). In dit voorbeeld herkent Tableau automatisch dat de velden Country, State, City en Postal Code geografische informatie bevatten.

Steps

1. Maak een nieuw werkblad.
2. Voeg State en Country uit de Data-pane toe aan Detail op de Marks-kaart. We krijgen de kaartweergave.
3. Sleep Region naar de Filters-shelf en filter vervolgens naar alleen South. De kaart zoomt nu in op alleen de South-regio en een markering vertegenwoordigt elke staat.
4. Sleep de measure Sales naar het tabblad Color op de Marks-kaart. We krijgen een gevulde kaart met kleuren die het omzetrange per staat tonen.
5. We kunnen het kleurschema wijzigen door op Color op de Marks-kaart te klikken en Edit Colors te selecteren. Experimenteer met de beschikbare paletten.
6. We zien dat Florida het best presteert qua omzet. Als we over Florida bewegen, zien we een totaal van 89.474 USD aan omzet, vergeleken met bijvoorbeeld South Carolina, met slechts 8.482 USD. Laten we nu prestaties beoordelen op basis van Profit, omdat winst een betere indicator is dan alleen omzet.
7. Sleep Profit naar Color op de Marks-kaart. We zien nu dat Tennessee, North Carolina en Florida een negatieve winst hebben, ook al leken ze het goed te doen qua omzet. Hernoem het blad naar Profit Map.

Hands On

De details induiken

Kaarten helpen ons om data in brede lijnen te visualiseren. In de vorige stap ontdekten we dat Tennessee, North Carolina en Florida een negatieve winst hebben. In dit onderdeel tekenen we een staafdiagram om de reden voor de negatieve winst te verkennen.

Steps

1. Dupliceer het werkblad Profit Map en noem het Negative Profit Bar Chart.

2. Klik op Show Me op het werkblad Negative Profit Bar Chart. Show Me toont de manieren waarop je een grafiek kunt plotten met de items op het werkblad. Selecteer in Show Me de optie voor horizontale staven; de weergave wordt direct horizontaal in plaats van verticaal.

3. Je kunt meer dan één staaf tegelijk selecteren door simpelweg te klikken en te slepen. We willen focussen op drie staten: Tennessee, North Carolina en Florida. Selecteer daarom alleen de bijbehorende staven.

   Learn More

   Hiërarchieën maken
   Hiërarchieën zijn handig wanneer we vergelijkbare velden willen groeperen, zodat we snel tussen niveaus in de visualisatie kunnen inzoomen.

   1. Sleep in de Data-pane een veld en laat het direct bovenop een ander veld vallen of klik met rechts op het veld en selecteer
   2. Sleep aanvullende velden naar de hiërarchie. Velden kunnen ook opnieuw worden geordend door ze te slepen. In de huidige viz maken we de volgende hiërarchieën: Location, Order en Product.
      

4. Klik op de rijenplank op het pluspictogram bij het veld State om door te zoomen naar het niveau City.

   1. Dat is veel data. We kunnen een N-Filter gebruiken om de zwakste presteerders te tonen. Sleep daarvoor City van de Data-pane naar de Filters-shelf. Klik op By field en vervolgens op de Top-dropdown en selecteer Bottom om de zwakste prestaties te tonen. Typ 5 in het tekstvak om de onderste 5 in de dataset te tonen.

We zien nu dat Jacksonville en Miami, Florida; Burlington, North Carolina; en Knoxville en Memphis, Tennessee de slechtst presterende steden zijn op winst. Er is nog een markering in de weergave—Jacksonville, North Carolina—die hier niet thuishoort, omdat die wel winstgevend is. Dit betekent dat er een probleem is met het toegepaste filter. We gebruiken de Tableau Order of Operations.

1. Klik op de Filters-shelf met de rechtermuisknop op de set Inclusions (Country, State) en selecteer Add to Context. We zien dat nu Concord (North Carolina) verschijnt, terwijl Miami (Florida) verdwenen is. Dit klopt nu.

2. Maar Jacksonville (North Carolina) staat er nog steeds, wat onjuist is. Klik op de rijenplank op het pluspictogram bij City om in te zoomen naar Postal Code. Klik met rechts op de postcode van Jacksonville, NC, 28540, en selecteer Exclude om Jacksonville handmatig uit te sluiten.

3. Sleep Postal Code van de rijenplank. Dit is de eindweergave.

   

Hands On

Belangrijkste bevindingen

Laten we nu alleen focussen op de verlieslatende onderdelen, oftewel de producten, en de locaties identificeren waar zulke producten worden verkocht.

Steps

1. Sleep Sub-Category naar de rijen om verder in te zoomen.
2. Sleep op vergelijkbare wijze Profit naar Color op de Marks-kaart. Zo spotten we snel producten met negatieve winst.
3. Klik met rechts op Order Date en selecteer Show Filter. Het lijkt erop dat Machines, Tables en Binders slecht presteren. Wat doen we dus? Een oplossing is om de verkoop van deze producten in Jacksonville, Concord, Burlington, Knoxville en Memphis te stoppen. Laten we verifiëren of die beslissing klopt.
4. Ga terug naar het eerder gemaakte blad Profit Map.
5. Klik nu op het veld Sub-Category om de optie Show Filter te selecteren.
6. Sleep Profit onder Measures naar de Label-Marks-kaart.
7. Klik opnieuw op Order Date en selecteer Show Filter. Wis in het filter de items waarvan we denken dat ze bijdragen aan negatieve winst. Vink dus de vakjes voor Binders, Machines en Tables uit. Nu blijven alleen de winstgevende onderdelen over. Dit toont aan dat items zoals Binders, Machines en Tables inderdaad verliezen veroorzaakten in sommige gebieden en dat onze bevindingen klopten.

Hands On

5. Dashboard

Een dashboard is een verzameling weergaven waarmee je verschillende data tegelijkertijd kunt vergelijken.

Een dashboard maken

Steps

1. Klik op de knop New dashboard.
2. Sleep Sales in the South naar het lege dashboard.
3. Sleep Profit Map naar het dashboard en laat het bovenop de weergave Sales in the South vallen. Beide weergaven zijn tegelijk te zien. Om data zo te presenteren dat anderen het begrijpen, kun je het dashboard naar wens rangschikken.
4. Klik in de dashboardweergave op het werkblad Sales South onder Region en verwijder de Show Header. Herhaal dit voor alle andere koppen. Zo benadruk je alleen wat nodig is en verberg je minder belangrijke informatie.
5. Verberg op de Profit Map ook de titel en voer dezelfde stappen uit voor de kaart Sales South.
6. We zien dat de filterkaarten Sub-Category en Year of Order Date rechts zijn gedupliceerd. Verwijder de extra's door ze simpelweg weg te klikken. Klik tot slot op Year of Order Date. Er verschijnt een vervolgkeuzepijl; selecteer Single Value (Slider). Nu kan de magie beginnen. Experimenteer door verschillende jaren op de slider te kiezen; de Sales veranderen mee.
7. Sleep het filter SUM(Profit) naar de onderkant van het dashboard, onder Sales in South, voor een beter overzicht.

Hands On

Interactiviteit toevoegen

Om het dashboard interactiever te maken—zoals bekijken welke subcategorieën winstgevend zijn in welke staten—moeten we een paar wijzigingen doorvoeren.

Steps

1. Begin met de Profit Map. Wanneer je op de kaart klikt, verschijnt rechtsboven een pictogram Use as filter. Klik daarop. Als we een kaart selecteren, wordt de omzet voor die staat gemarkeerd in de kaart Sales-South.
2. Voor Year of Order Date klik je op de dropdownoptie en ga je naar Apply to Worksheets > Selected Worksheets. Er opent een dialoogvenster. Selecteer All en vervolgens OK. Wat doet deze optie? Hij past filters toe op alle werkbladen met dezelfde databron.
3. Verken en experimenteer. In de visualisatie hieronder kunnen we de kaart Sales South filteren om producten te bekijken die alleen in North Carolina worden verkocht. We kunnen vervolgens eenvoudig de winst per jaar verkennen.
4. Hernoem het dashboard naar Regional Sales and Profit.

Hands On

Het verkopen van Machines in North Carolina leverde het bedrijf dus geen winst op.

6. Story

Een dashboard is een toffe functie, maar Tableau biedt ook de mogelijkheid om resultaten te presenteren in de vorm van verhalen. Dat bespreken we in dit onderdeel.

Een story bouwen

Steps

1. Klik op de knop New story.
2. Sleep vanuit het Story-pane aan de linkerkant het eerder gemaakte werkblad Sales in the South naar de weergave.
3. Bewerk de tekst in het grijze vak boven het werkblad. Dit is het onderschrift. Noem het Sales and profit by year.
4. Verhalen zijn vrij specifiek. Hier vertellen we een verhaal over de verkoop van Machines in North Carolina. Klik in het Story-pane op Duplicate om het eerste onderschrift te dupliceren, of maak een nieuwe.
5. Selecteer in het filter Sub-Category alleen Machines. Dit helpt om de omzet en winst van Machines per jaar te beoordelen.
6. Hernoem het onderschrift naar Machine sales and profit by year.

Hands On

Een conclusie trekken

Het is duidelijk dat Machines in North Carolina tot verlies leiden. Dit kun je echter niet aantonen door naar de totale winst en omzet te kijken. Daarvoor hebben we regionale winst nodig.

Steps

1. Selecteer in het Story-pane Blank. Sleep het al gemaakte dashboard Regional Sales and Profit op het canvas.
2. Voorzie het van het onderschrift Low performing items in the South.
3. Selecteer Duplicate om een ander storypunt te maken met het dashboard Regional Profit. Selecteer North Carolina in het staafdiagram, omdat we daar meer over willen laten zien.
4. Selecteer All voor de jaren.
5. Voeg voor de duidelijkheid een onderschrift toe, zoals Profit in NC : 2013-2016.
6. Selecteer een jaar, bijvoorbeeld 2014. Voeg een onderschrift toe, bijvoorbeeld Profit in NC : 2014, en klik op Duplicate. Herhaal dit voor de overige jaren.
7. Klik op de presentatiemodus en laat de story zich ontvouwen.

Hands On

We hebben nu een idee welke producten wanneer zijn geïntroduceerd in de markt van North Carolina en hoe ze presteerden. We hebben niet alleen een manier gevonden om negatieve winst aan te pakken, maar dit ook succesvol onderbouwd met data. Dat is het voordeel van Story in Tableau.

7. Tableau-integratie met R, Python & SQL

Naast de verschillende visualisatievoordelen die Tableau biedt, heeft het ook geweldige out-of-the-box koppelingsmogelijkheden. Tableau integreert eenvoudig met talen als Python en R en zelfs met DBMS zoals SQL. Dit biedt extra functionaliteit en is handig voor data scientists die gewend zijn te werken in Python of R. Ze kunnen R- en Python-scripts rechtstreeks in Tableau importeren en profiteren van de visualisaties, die veel sterker zijn dan die van deze talen. Bovendien zijn de visualisatiemogelijkheden van Tableau eenvoudig te gebruiken en erg intuïtief, wat data scientists veel tijd bespaart.

In dit onderdeel zien we hoe we Tableau met deze externe bronnen kunnen verbinden en wat de voordelen daarvan zijn.

Tableau en R

R is een populaire statistische taal voor geavanceerde voorspellende analyses, zoals lineaire en niet-lineaire modellering, statistische toetsen, tijdreeksanalyse, classificatie, clustering, enz.(Tableau 8.1 and R) Tableau in combinatie met R heeft de volgende voordelen:

• Benut de statistische kracht van Tableau door gebruikers toegang te geven tot geavanceerde R-bibliotheken voor betere en diepere inzichten uit de data.
• Tableau’s uitgebreide data-exploratieopties en de mogelijkheid om met meerdere bronnen te verbinden zijn handig voor R-gebruikers.
• Daarnaast stelt het Tableau-gebruikers in staat te profiteren van de kracht van R zonder de taal zelf te hoeven kennen.

Hoe integreert Tableau met R?

R-functies en -modellen kunnen in Tableau worden gebruikt door nieuwe berekende velden te maken die dynamisch de R-engine aanroepen en waarden aan R doorgeven. De resultaten worden vervolgens teruggegeven aan Tableau voor visualisatie.

Tableau Desktop instellen met R

• Rserve downloaden en installeren.

Je moet het pakket Rserve downloaden en installeren zodat Tableau verbinding kan maken en R-scriptfuncties kan gebruiken. Voer in de R-console de volgende opdrachten in:

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

Tableau verbinden met de R-server

Nadat Rserve succesvol is geïnstalleerd, open je Tableau Desktop en volg je onderstaande stappen.

1. Ga naar Help > Settings and Preferences and select Manage External Service Connection.

   

2. Voer als servernaam “Localhost” (of “127.0.0.1”) in en als poort “6311”.

3. Klik op de knop “Test Connection”. Je zou een melding met succes moeten zien. Klik op OK om te sluiten.

R-scripts gebruiken in Tableau

Na het succesvol afronden van de bovenstaande stappen kunnen we in Tableau Desktop nieuwe berekende velden maken die de SCRIPT_*-functies gebruiken om R-functieaanroepen te doen.

Aan de slag: we gebruiken de ingebouwde Sample Superstore-dataset om Profit te berekenen met zowel een R-script als met Tableau’s drag-and-drop. Vervolgens vergelijken we beide resultaten.

Steps

1. Open een Tableau-werkmap en maak verbinding met de Sample Superstore-data.
2. Maak verbinding met Rserve. Zodra Tableau Desktop is verbonden met Rserve, kan het de R-engine aanroepen via berekende velden.

3. We maken nu een berekend veld met de naam Expected Profit.

   Er zijn vier functies beschikbaar voor gebruik met R, die allemaal beginnen met script:

   • SCRIPT_REAL: geeft reële getallen terug
   • SCRIPT_STR: geeft tekenreeksen terug
   • SCRIPT_INT : geeft gehele getallen terug
   • SCRIPT_BOOL: geeft booleans terug
   • In dit voorbeeld gebruiken we de functie SCRIPT_REAL. We maken een eenvoudige lineaire regressie in Tableau.

4. Open het berekende veld en voeg het volgende script in.

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

   Het bovenstaande script hoort bij het lineaire regressiemodel in R. Dit model heeft één afhankelijke variabele (arg1) en drie onafhankelijke variabelen (arg2, arg3, arg4). Deze argumenten zijn placeholders; wanneer het script naar R wordt teruggestuurd, worden de argumenten vervangen door de Tableau-kolommen waarmee ze overeenkomen. 5. Voer de Tableau-velden in die overeenkomen met elk van de variabelen. De afhankelijke variabele is hier profit, dus zetten we SUM(Profit) eerst, omdat dat overeenkomt met argument 1. Voor de andere drie argumenten gebruiken we respectievelijk de average unit price, average order quantity en average discount.

5. Deze inputs worden nu allemaal in het model opgenomen om de verwachte winstniveaus te bepalen. We kunnen deze berekening nu gebruiken in Tableau-visualisaties. Sleep Category naar de rijen en vervolgens Profit naar de kolommen. Sleep daarna Expected Profit naar de kolommen.

6. We kunnen nu het model analyseren om te zien hoe de verwachte winst berekend in R zich verhoudt tot de daadwerkelijke winst. We kunnen verder analyseren door klantsegmenten naar Color te slepen; zo maken we een gestapeld staafdiagram en kunnen we ook Order Dates gebruiken om data uit te splitsen per jaar of per kwartaal.

Hands On

Je zou je kunnen afvragen: dit alles had toch ook in Tableau gekund zonder R? Waarom dan Rserve downloaden en configureren en scripts schrijven? R is een zeer krachtige taal dankzij de mogelijkheid om te voorspellen met veelgebruikte bibliotheken met bekende algoritmes. Stel je voor hoe prettig het is om in Tableau voorspellingen te doen door een simpel R-script aan te roepen en het resultaat direct in Tableau’s visualisaties op te nemen.

Tableau en Python

Python is een veelgebruikte generalistische programmeertaal. Python biedt veel bibliotheken voor statistische analyse, voorspellend modelleren of machine learning. Tableau verbinden met Python is een van de beste benaderingen voor voorspellende analyses. TabPy is een pakket dat hiervoor is ontwikkeld. Door Tableau te verbinden met de TabPy-server kan Pythoncode on-the-fly worden uitgevoerd en als visualisaties worden weergegeven.

Hoe integreert Tableau met Python?

Wanneer we TabPy met Tableau gebruiken, kunnen we berekende velden in Python definiëren en zo direct vanuit onze visualisaties profiteren van talloze machine-learningbibliotheken.

Tableau Desktop instellen met Python

Tabpy downloaden en installeren.

Om Pythoncode binnen een Tableau-werkmap uit te voeren, is een Python-server nodig om die code te draaien. Het TabPy-framework doet dit. Download TabPy van Github via deze link. Of volg onderstaande stappen:

conda install -c anaconda tabpy-server

Ga daarna met cd naar de map met de gedownloade tabpy-server en voer uit.

python setp.py

Tableau verbinden met TabPy

De volgende stap is Tableau met TabPy verbinden. Ga hiervoor naar Help > Settings and Performance > Manage External Service Connection:

Test de verbinding. Als alles goed gaat, verschijnt een melding “successfully connected”.

Python-scripts gebruiken in Tableau

De Pythonintegratie in Tableau is erg nuttig. Neem bijvoorbeeld Sentimentanalyse. Dat is een veelvoorkomend probleem in de ML-community en kan worden aangepakt met verschillende machine-learningalgoritmen. Met een combinatie van Tableau en Python kan dit echter met een paar regels Pythoncode worden bereikt. De resultaten kunnen vervolgens in Tableau worden gevisualiseerd voor verdere inzichten. Laten we dit zien met een voorbeeld(Leverage the power of Python in Tableau with TabPy)

Sentimentanalyse met TabPy

We gebruiken de dataset met mobiele reviews die je hier kunt downloaden.

Steps:

1. Importeer de dataset in Tableau Desktop.
2. Maak verbinding met TabPy. Zodra Tableau Desktop is verbonden met Tabpy, kan het de Python-engine aanroepen via berekende velden.

3. We maken nu een berekend veld met de naam Sentiment als volgt: `

   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]))`
   

   We gebruiken hier de tool VADER sentiment analysis. Dit is een lexicon- en regelgebaseerde tool die specifiek is afgestemd op sentimenten in sociale media. Om deze tool te gebruiken, moet je hem eerst installeren. Lees meer op hun githubpagina.

4. Sleep nu Reviews naar de rijen en Sentiment naar de Text en Color Marks-kaart en zie de magie. We krijgen zonder moeite de sentimentanalyse van de review. Visualiseren wordt ook supermakkelijk. Positieve reviews worden groener, negatieve roder.

   

Het bovenstaande voorbeeld toont duidelijk de kracht van Tableau’s integratie met Python. Met de sentimentsscores bij de hand kunnen we dieper graven. Als ondernemer kan ik bijvoorbeeld de negatieve reviews filteren en de redenen overwegen. Ik kan ook filteren op positieve reviews om te zien welke producten klanten blij maken.

Tableau en SQL Server

Er schuilt verborgen waarde in onze Microsoft SQL Server-data, verstopt onder standaardrapporten en complexe BI-tools. Tableau levert overal inzicht door iedereen in staat te stellen geavanceerde visuele analyses van SQL Server-data te doen. We kunnen Tableau live verbinden met SQL Server voor geoptimaliseerde, platformspecifieke queries, of data rechtstreeks naar Tableau’s analytische engine halen om de database te ontlasten.

Tableau biedt een geoptimaliseerde live connector voor SQL Server, zodat we grafieken, rapporten en dashboards kunnen maken terwijl we direct met onze data werken. Tijdens de analyse herkent Tableau elk schema in SQL Server, zodat we onze data niet hoeven te manipuleren.

We lopen door een voorbeeld om te laten zien hoe je een SQL Server-database met Tableau Desktop verbindt en deze vervolgens gebruikt om visualisaties te maken.

Steps:

1. Log in op de SQL Server.
2. Open Tableau Desktop en maak onder Servers verbinding met MS SQL.
3. Plak de servernaam in het dialoogvenster en klik op OK. Dit verbindt Tableau met SQL Server. Selecteer de gewenste database. In dit voorbeeld kiezen we salesDB. We kunnen vervolgens een tabel kiezen, bijvoorbeeld Sales Log. De tabel wordt in de Tableau-omgeving geïmporteerd. We kunnen nu de volledige data of een deel ervan extraheren naar een nieuw werkblad. We kunnen zelfs het aantal te extraheren rijen opgeven.
4. In het nieuwe werkblad hebben we de geëxtraheerde data uit MS SQL. Vanaf hier werken we ermee zoals met elk ander Tableau-werkblad.

Hands On:

Zo kunnen we eenvoudig SQL Server met Tableau verbinden en data er rechtstreeks in extraheren. Tableau stelt gebruikers in staat om met één klik te wisselen tussen verbindingen om in-memoryqueries toe te passen op een grotere dataset.

8. Het werk opslaan

Tableau Desktop

Om een Tableau-werkmap lokaal op te slaan, kies je File > Save. Geef de bestandsnaam van de werkmap op in het dialoogvenster Save As. Tableau slaat het bestand standaard op met de extensie .twb.

Tableau Public

Met Tableau Public worden alle weergaven en data openbaar en heeft iedereen op internet er toegang toe. Select Server > Tableau Public > Save to Tableau Public en voer de inloggegevens in.

Tableau Server

Als de data vertrouwelijk is en het verhaal met het hele team moet worden gedeeld, is Tableau Server handig. Om een verhaal te publiceren naar Tableau Server, kies je Select Server > Publish Workbook of klik op Share op de werkbalk. Zorg er wel voor dat je eerst een account aanmaakt.

Conclusie

Dit is alles wat we nodig hebben om een goede visualisatie in Tableau te maken, al zul je in elke fase vaak meer itereren dan we hier deden. Met experimenteren en oefenen wordt Tableau steeds vertrouwder en ontgrendel je geweldige functies om data te analyseren en te presenteren. Laat hieronder een reactie achter bij vragen, en veel visualiseerplezier.

Bekijk ook onze Creating Tableau Visualizations Using AirBnB Dataset Tutorial.