Als je met echte data werkt en snel informatie wilt halen, is Tableau het perfecte hulpmiddel voor jou. Met Tableau hoef je geen ingewikkelde code in R of Python te schrijven om direct dynamische datavisualisaties te maken en kun je allerlei analytische problemen oplossen.
Een demonstratie van die efficiëntie vind je in Tableau’s verzameling van 10 voorbeelden van interactieve kaartvisualisaties, waaronder voorbeelden die visueel de verhalen vertellen van de bevolking van Manhattan, het Amerikaanse elektriciteitssysteem analyseren en de verborgen oorzaken onderzoeken van Amerikaanse uurwerkers die het minimumloon of minder verdienen. Tableau laat ook een galerij zien met de Visualizations of the Day.
Daarom kiezen meer dan 64.000 bedrijven Tableau als webplatform om data in realtime te analyseren, besluitvormende inzichten te genereren en optimale oplossingen te bouwen voor organisatorische uitdagingen. Denk aan grote organisaties als Netflix, Lenovo en LinkedIn. In deze Tableau-tutorial voor beginners lopen we je door het maken van een paar basisvisualisaties met Tableau.
Introductie
Tableau is een krachtig en flexibel hulpmiddel om data te beheren en analyseren. Eerst maakt het de integratie van data uit meerdere bronnen mogelijk. Vervolgens faciliteert het het maken van mooie en interactieve dashboards die je met andere gebruikers kunt delen. Tot slot is het voor iedereen toegankelijk: de intuïtieve interface van Tableau is ontworpen voor zowel dataprofessionals als niet-technische gebruikers. Tableau kent vijf belangrijke componenten, elk met een ander toepassingsgebied:
- Tableau Desktop — Een desktopapplicatie waarmee gebruikers data kunnen verzamelen, transformeren en visualiseren. Tableau Desktop is alleen beschikbaar met een abonnement. De datavisualisaties kunnen zowel lokaal als online worden opgeslagen.
- Tableau Public — Een gratis versie van Tableau-software die de meeste functionaliteiten van Tableau Desktop biedt. In tegenstelling tot Tableau Desktop kan het alleen CSV-, Excel- en tekstbestanden verwerken. Er is ook een limiet van 15 miljoen rijen en al je werk kan niet lokaal worden opgeslagen - alleen op Tableau Server.
- Tableau Reader — Een toepassing met alleen-lezenfunctie om Tableau-bestandstypen te openen en te bekijken.
- Tableau Online — Een cloudversie van Tableau-software die een manier biedt om dashboards online te publiceren en te delen. Het wordt volledig door Tableau gehost.
- Tableau Server — Net als Tableau Online stelt het gebruikers in staat om datavisualisaties die met Tableau zijn gemaakt te hosten en op te slaan. Het verschil met Tableau Online is dat het niet volledig door Tableau wordt gehost, maar op publieke cloudplatforms zoals AWS, Google Cloud Platform en Microsoft Azure.
Hoewel Tableau Public gratis is, zijn alle andere versies betaald en te vinden op de officiële website. Voor deze tutorial focussen we op de gratis versie van Tableau, Tableau Public. Je kunt het hier downloaden.
Data importeren in Tableau
Als je Tableau Public hebt geïnstalleerd, kunnen we het openen en de data laden. In deze tutorial gebruiken we de dataset met wateronttrekkingen per hoofd van de bevolking van Our World in Data. Voor de context: wateronttrekking verwijst naar de hoeveelheid zoet water die uit oppervlaktewater, zoals rivieren, meren en grondwater wordt gehaald en wordt gebruikt voor landbouw, industrie en huishoudens. Zoals je waarschijnlijk uit het nieuws weet, is er wereldwijd veel variatie in de beschikbare hoeveelheid zoet water. We gebruiken Tableau om deze verschillen tussen landen te visualiseren.
Je moet eerst het CSV-bestand downloaden en het vervolgens opslaan als een tekstbestand, omdat Tableau Public slechts bepaalde bestandstypen kan laden. Je kunt op de Startpagina zien welke bestandstypen je kunt laden. Klik op ‘Text File’ in het linkermenu en open je tekstbestand. De nieuwe pagina toont de datapreview en de bijbehorende velden van de dataset. We zien dat we vier velden en 640 rijen hebben. Elke rij komt overeen met een ander land en een ander jaar.
Veel bewerkingen in Tableau lijken op die in Excel, zoals hernoemen, het gegevenstype wijzigen of nieuwe velden toevoegen. Eerst wijzigen we de namen van de eerste twee velden in ‘Country Name’ en ‘Country Code’. Hier hoeven we het gegevenstype niet te veranderen, omdat Tableau het type veld automatisch herkent. We hebben later ook de breedte- en lengtegraad nodig om een interactieve geografische kaart te bouwen. Dit kan door de geografische rol van het veld 'Country Name' te wijzigen van 'None' naar 'Country/Region'. Vervolgens drukken we op de knop Sheet 1, en verschijnen breedte- en lengtegraad als extra velden.
Datasets samenvoegen in Tableau
Begin met het downloaden van de dataset met alle landen en hun bijbehorende continenten van Our World in Data. Download vervolgens het CSV-bestand met de bevolking van elk land hier.
Als ze in je bestandssysteem beschikbaar zijn, kunnen we de datasets joinen. We slepen de tabel met de continenten naar het canvas. Om een relatie tussen de twee tabellen op te bouwen, moeten we de veldnamen specificeren waarop we willen joinen. Het doelfeld in de dataset met wateronttrekkingen is 'Country Name', terwijl 'Entity' het doelfeld is uit de tweede tabel. De gelijkheidsoperator (=) wordt geselecteerd om tabellen te combineren. Volg dezelfde procedure om de wereldbevolkingstabel met onze doeldata te combineren.
Et voilà! Nu zijn de drie tabellen gekoppeld op basis van de doelfelden en overeenkomende veldnamen. Deze stap is handig voor de volgende datavisualisaties.
Filters en kleuren toevoegen aan de weergave
Nu we tevreden zijn met onze data, kunnen we het eerste werkblad openen met onze eerste analyse. Laten we een grafiek maken die de ontwikkeling van wateronttrekkingen in de tijd laat zien. Links zien we onze geladen tabellen die een relatie met elkaar hebben. Voor nu focussen we alleen op de data over wateronttrekkingen. We onderscheiden de categorische velden in blauw (zoals 'Country Name') van de numerieke velden (bijvoorbeeld 'Year') die groen zijn. We hebben ook de eerder gegenereerde breedte- en lengtegraadvelden.
Om de grafiek te maken, gebruiken we de volgende stappen:
- Sleep het veld 'Year' naar de plank Columns om voor elk jaar een kolom te maken.
- Sleep het aantal wateronttrekkingen naar de plank Rows.
- Voeg de landnaam toe aan de View door deze in de plank Marks te plaatsen. Omdat het de bedoeling is het aantal wateronttrekkingen per land te onderscheiden, selecteren we het marktype van 'Country Name' en klikken we op de kleuroptie.
- De grafiek is moeilijk te lezen met zoveel landen. Laten we het beperken tot drie landen: de Verenigde Staten, China en Egypte. Sleep het veld 'Country Name' naar de plank Filters. Selecteer alleen de waarden waarin we geïnteresseerd zijn en klik op 'Ok'.
Merk op dat er wereldwijd een hoge variabiliteit is in de hoeveelheid zoet water, met name tussen de gekozen landen. Later kunnen we de relatie tussen wateronttrekkingen en de bevolkingen van landen onderzoeken.
Kaartweergaven in Tableau
Nu begint het leuke gedeelte: In de vorige sectie zagen we dat een scatterplot niet efficiënt is om de wateronttrekkingen van alle landen te tonen, omdat het er zoveel zijn. Om een grafiek te maken die alle landen kan omvatten, kunnen we de wereldkaart, onze locatie- en bevolkingsdata en de lengte- en breedtecoördinaten gebruiken. Deze drie velden zijn allemaal nodig om een kaartweergave te maken. Kijk hier voor probleemoplossing bij kaartweergaven in Tableau.
Een kaartweergave maken vereist de volgende stappen:
- De snelste manier om de initiële wereldkaart te maken is door op het veld 'Country Name' te klikken, dat dan automatisch aan het veld Marks wordt toegevoegd. Er zijn echter twee alternatieven: je kunt het naar het veld Marks slepen of het onder het gebied laten vallen waar de grafiek wordt opgebouwd. Al deze methoden creëren een kaart waarop elk land in de dataset met een stip is aangeduid.
- Voeg informatie toe over de hoeveelheid zoet water wereldwijd. Maar er is een probleem in de dataset: sommige landen hebben niet voor elk jaar informatie over wateronttrekking, dus we willen de laatste waarde per land laten zien in plaats van op jaar te filteren.
Hiervoor maken we een berekend veld, wat neerkomt op het bouwen van een nieuw veld op basis van andere velden. In dit geval willen we de meest recente of hoogste waarde van het veld Year binnen de drie groepen selecteren. Dit nieuwe veld heet “max year per country”. Gebruik de volgende formule om het veld te berekenen. Voor elk land, continent en jaar, gespecificeerd door de uitdrukking FIXED, vinden we het meest recente jaar, wat overeenkomt met het maximum van het jaar MAX([Year]).
{FIXED [Country Name],[Continent],[Year]: MAX([Year])} - Voeg het nieuwe berekende veld toe aan de plank Filters. Deze stap is belangrijk omdat het veld max year per country de contextfilter wordt voor deze datavisualisatie.
- Sleep het veld max year per country naar het veld Marks. Doe daarna hetzelfde voor het veld 'Total Water Withdrawal Per Capita'. Vervolgens kunnen we het marktype van 'Total Water Withdrawal Per Capita' selecteren en op de kleuroptie klikken.
We kunnen nu zien hoeveel water de landen gebruiken en belangrijke inzichten afleiden. Er is bijvoorbeeld een enorm verschil tussen de hoeveelheid wateronttrekking in de Verenigde Staten (extreem hoog) en landen in Afrika. Al deze details worden vastgelegd door deze levendige weergave.
Een dashboard bouwen in Tableau
Zoals je hebt gezien, moet elke datavisualisatie op een ander werkblad worden gemaakt. In dit voorbeeld slaan we de vorige wereldkaart op in een werkblad met de naam water, zodat we het later niet verwarren. Vervolgens hebben we een staafdiagram gemaakt dat de wateronttrekkingen per continent laat zien, gefilterd met max year per country zoals hiervoor. Dit werkblad heeft de naam continent gekregen.
Na het bouwen van twee of meer grafieken kun je ze combineren in een dashboard:
- Maak het dashboard door onderaan het venster op het pictogram New Dashboard te klikken. Er wordt een nieuw dashboard geopend met links de eerder gemaakte sheets.
- Begin met combineren door het werkblad Water naar het canvas te slepen.
- Doe hetzelfde met het werkblad Continent, dat onder de kaart wordt geplaatst.
Story bouwen
Een effectief alternatief voor het dashboard is een Story. Een story bestaat uit meerdere weergaven of dashboards en vormt een van de kernfuncties van Tableau. Zoals de naam suggereert, is het idee om het verhaal van je data te vertellen door verschillende datavisualisaties te combineren. Je kunt ook tekstbeschrijvingen aan de grafieken toevoegen.
Laten we de story gaan maken:
- Klik onderaan op het pictogram ‘New Story’
- Sleep de bestaande sheets naar de story. Het lijkt op het maken van slides voor een presentatie, met een weergave per slide en een navigatiebalk om van de ene grafiek naar de andere te gaan.
- De navigatiebalk kent een standaardnaam toe aan elke weergave. Als je liever de inhoud van elke grafiek specificeert, kun je beter de namen van de bijschriften in de navigatiebalk aanpassen.
- Voeg een tekstobservatie toe aan de wereldkaart.
Het werk opslaan
Nu is het tijd om al het werk op te slaan in Tableau Public, een gratis clouddienst. Er zijn drie hoofd stappen:
- Selecteer File → Save to Tableau Public as
- Je moet inloggen met je Tableau-account. Je kunt een account aanmaken als je er nog geen hebt.
- Zodra je bent ingelogd, kun je de gewenste naam voor je werkblad invoeren.
Het werkblad is nu gepubliceerd op je Tableau Public-profielpagina. Houd er rekening mee dat iedereen met je gepubliceerde werk kan interacteren of het werkblad kan downloaden.
Integratie van Tableau met R, Python en SQL Server
Een van de belangrijkste redenen voor Tableau’s populariteit onder data scientists is dat het naadloos integreert met de primaire data science-programmeertalen R, Python en SQL. Terwijl je Tableau onder de knie krijgt, kun je het dus ook leren integreren met de programmeertaal van jouw keuze en de kracht van twee geweldige data science-tools tegelijk benutten.
Eén manier om al deze talen te gebruiken is door de data die met SQL Server is opgehaald te laden, statistische analyses met R te doen en machinelearningmodellen op de data toe te passen met Python. Je kunt R of Python ook gebruiken om nieuwe velden te berekenen. Voor het integreren van R en Python zijn er enkele vereisten. Om de communicatie tussen R en Tableau mogelijk te maken, moet het pakket Rserve in R worden geïnstalleerd. Voor Python zijn er twee opties; de populairste optie is TabPy om nieuwe kolommen te berekenen en machinelearningmodellen te bouwen. Het andere, lichtere alternatief is AltTabPy, dat minder geavanceerde functies biedt dan TabPy, maar ontzettend efficiënt is en minder resources vereist. Let op dat deze integraties niet beschikbaar zijn met de gratis versie van Tableau, dus je hebt een abonnement nodig om ze te gebruiken.
Leer meer over Tableau
Door Tableau te leren, krijg je een uitstekend hulpmiddel in handen waarmee je met elk type data kunt werken en snel inzichten kunt opdoen terwijl je prachtige visualisaties maakt. Je kunt dieper in Tableau duiken met de cursussen van DataCamp:
