Tableau Veri Harmanlama (Data Blending) Eğitimi

Veri Harmanlama — Güdü

Günümüzde şirketler, iş sorunlarını çözmek için farklı kaynaklardan gelen verileri kullanıyor. Verileri verimli şekilde toplamak ve birleştirmek, kuruluşlara akıllı karar alma süreçlerinde yardımcı olmak için tüm Veri Bilimciler ve Veri Mühendisleri açısından temel bir beceri haline geldi. 

Bu Tableau veri harmanlama eğitimi, önce güçlü veri birleştirme yaklaşımını kavramanızı sağlayacak, ardından faydalarını inceleyecek. Sonrasında bazı dezavantajlarına değinecek ve en sonunda Tableau ile veri harmanlamaya ilişkin sık sorulan soruların bazılarını ele alacağız.  

Tableau'da Veri Harmanlama ve Join'ler

Gerçek hayatta Excel elektronik tabloları, SQL, CSV vb. gibi birden çok kaynaktan gelen bilgilerle uğraşırsınız. Bir veri bilimci olarak, küresel iş içgörüleri üretmek için bunları sıklıkla birbiriyle ilişkilendirmeniz gerekir.

Tableau, bu sorunu join, harmanlama (blending) ve ilişkiler (relationships) gibi farklı yaklaşımlarla ele almanıza yardımcı olabilir. 

Bu bölümde, ilk iki yaklaşım arasındaki farkı anlamaya odaklanacağız.

Tableau'da Join Nedir?

Daha önce SQL ile çalıştıysanız, temel join kavramlarına (left, right, inner, cross ve full outer join) aşina olabilirsiniz. Tableau kullanırken de aynıları geçerlidir.

Bu join'lerin amacı, aynı kaynaktan gelen farklı tabloları, bu tablolar arasındaki mantıksal sütun ilişkilerine dayanarak birleştirmektir. Örneğin, bir Excel dosyasını bir SQL tablosuyla birleştirmeye çalışmak başarısız olur, çünkü aynı kaynaktan gelmezler.

Ayrıca, tabloları birleştirirken iki tabloda kullanılan sütunların aynı olması gerekir ve bu veri tiplerini değiştirmek join'in bozulmasına yol açar. 

Son olarak, Tableau'da join'lerde yinelenen sütunları kaldırmak mümkün değildir.

SQL'e aşina değilseniz, verilerinizi SQL ile sorgulamak için temel becerileri edinmenize yardımcı olacak çeşitli kurslarla SQL öğrenebilirsiniz.

Tableau'da Harmanlama (Blending) Nedir?

Join ve ilişkilere kıyasla veri harmanlama, daha iyi görselleştirmeler için tek bir veri kümesi oluşturmak amacıyla verileri veritabanları, iş zekâsı sistemleri, bulut sistemleri, düz dosyalar, web servisleri vb. gibi birden çok kaynaktan bir araya getirir. 

Neden Veri Harmanlama için Tableau?

Tableau, analitik ve görselleştirme için sezgisel sürükle-bırak arayüzü sunan, kod yazmadan kullanılabilen bir İş Zekâsı aracıdır. Teknik olmayan yapısı, onu sektörde öne çıkarır. 

Ek olarak hızlıdır ve ister bulutta ister kurum içinde olsun, elektronik tablolar, SQL veritabanları, web servisleri vb. gibi birden çok kaynaktan verileri birbirine bağlama imkânı sunar.

Tableau ile veri harmanlama da aynı esnekliği sağlar ve herhangi bir programlama becerisi gerekmeden birden çok kaynaktan gelen verileri birleştirmeyi kolaylaştırır.

Tableau'yu ilk kez kullanıyorsanız, Tableau'ya Giriş kursumuz, becerilerinizi geliştirmenize ve etkili panolar oluşturmak için Tableau'yu güvenle keşfetmenize yardımcı olabilir.

Tableau'da Veri Nasıl Harmanlanır: Adım Adım Kılavuz

Veri harmanlama kavramını daha iyi anlamak için bu bölüm, Tableau ile veri harmanlamayı adım adım nasıl yapacağınızı gösterir. 

1. Kullanım Senaryosunu Anlayın 

Aşağıdaki örnek, farklı Afrika başkentlerinde faaliyet gösteren bir yapay zekâ şirketi olan Zoom.AI'nin iki departmanının 2020 ve 2021 gelirlerini analiz etmektedir. Veriler şu bağlantıda mevcuttur.

2. Veri sütunlarını anlayın

Her iki verinin de aynı biçimde olduğunu ve aynı mesajı verdiğini görüyoruz. Ancak ilk iki sütunun adları farklı (Departman 1 için Period, Capitals; Departman 2 için Year, Cities). 

Mevcut veri biçimine join uygulamaya çalışmak başarısız olacaktır, çünkü join'e dahil edilen sütunların aynı olması gerekir. Veri harmanlamanın, önceden sütunları normalleştirmeye gerek kalmadan bu verileri nasıl akıllıca birleştirebileceğini göreceğiz. 

3. Veri Bağlantıları Oluşturun

Verilerimizin farklı dosyalarda tutulduğunu bildiğimize göre, bunların bir araya getirilebileceği bir alanı Tableau'da oluşturmamız gerekir; bu da aşağıda gösterildiği gibi Tableau'da Veri Bağlantıları (Data Connections) oluşturarak yapılır: 

Departman verilerimiz sol üst köşedeki Data sekmesinde görünüyor; bu da başarıyla yüklendikleri anlamına gelir. 

4. Veri Harmanlamaya Başlayın

İlk departman için gelirin başkentlere göre nasıl değiştiğini görselleştirerek başlayalım. Bunu aşağıdaki iki adımla yapabilirsiniz: 

• Revenue sütununu Tableau'nun Columns bölümüne sürükleyip bırakın.  
• Capitals sütununu Tableau'nun Rows bölümüne sürükleyip bırakın. 

Amacımız, veri harmanlamayı kullanarak departmanların gelirini karşılaştırmaktır. Bu amaçla, aşağıda gösterildiği gibi, Cities sütununa sahip olan ikinci departmanın verileri için de aynı sürükle-bırak işlemini yapmamız gerekir. 

Departman 2'nin sonucu açıklık sağlaması için turuncu renkle ilişkilendirilmiştir.

Görselleştirme bozuldu; neden?

Bunun nedeni, Tableau'ya Capitals sütununun Cities sütunuyla aynı bilgi düzeyine sahip olduğunu belirtmemiş olmamız; bu da görselleştirmede Cities sütunu için yıldız işaretlerinin görünmesine yol açıyor. 

Tam da burada, Cities ve Capitals sütunlarının aynı şeyi ifade ettiğini belirterek böyle bir sorunu gidermemize olanak tanıyan veri harmanlama işe yarar. Aşağıda gösterilmiştir.

Sorunu çözdükten sonra, solda Cities sütununun üzerinde turuncu bir zincir⛓ işareti görebiliriz. Bu, Cities sütununun bağlama alanı (linking field) olarak kullanıldığı anlamına gelir.

5. Daha Fazla Veri Harmanlama 

Artık verileri doğru şekilde nasıl harmanlayacağınızı anladığınıza göre, aynı analizi yıl/period düzeyinde yapalım. Bunu yapmak için Period ve Year sütunları arasında bir bağlantı oluşturmamız yeterli; aksi halde öncekiyle aynı sorunla karşılaşırız.

Bu, veri harmanlamanın temelini kapsar. Artık veri harmanlamayı nasıl yapacağınızı bildiğinize göre, kursumuzla Tableau kullanarak gelişmiş görselleştirmeler oluşturmayı öğrenebilirsiniz.

Tableau'da Veri Harmanlamanın Faydaları Nelerdir?

Önceki eğitimden de görebileceğiniz gibi, veri harmanlama kullanmak join'lere kıyasla birçok fayda sağlar. Bunlardan bazıları aşağıda gösterilmiştir:

1. Veri sütunlarında ön işleme yok

Veri harmanlama ile farklı verileri birleştirebilmek için maliyetli sütun ön işleme adımları yapmamıza gerek yoktur; çünkü ilgili sütunları basitçe belirtmek, veri harmanlama algoritmasının verileri nasıl verimli şekilde birleştireceğini anlaması için yeterlidir.

2. Ayrıntı düzeyi (granülarite) sorununa daha iyi bir çözüm

Veri harmanlama, farklı ayrıntı düzeylerine sahip verileri birleştirme söz konusu olduğunda daha iyi esneklik sağlar. Departman gelir verilerimizin yıllık yerine aylık düzeyde organize edildiğini hayal edelim. 

Basit join'ler kullanmak, aşağıda gösterildiği gibi, yıllık satırlar her aylık satır için çoğaltılacağından hatalı bir sonuca yol açar. Veri harmanlama, ay bilgilerini yıllık düzeye toplayarak bu sorunu çözebilir.

3. Ekip üretkenliği 

Önceki granülarite durumunu ele alalım. Veri harmanlama olmadan, toplama ve yinelenenleri kaldırma gibi bazı veri ön işleme adımlarını gerçekleştirmemiz gerekecekti. Büyük veri kümeleriyle uğraşırken bu tür ön işleme adımları hızla zaman alıcı hale gelebilir. 

4. Daha iyi karar alma için hızlı analiz

Doğru karar alma, veriye daha iyi bir genel bakışa sahip olmaya dayanır. İki departmanın özünü yakalamak yalnızca birkaç tıklama ve sürükle-bırak işlemi aldı. Join'ler kullanmak hatalı sonuçlara ve dolayısıyla hatalı karar alma süreçlerine yol açabilir.

Tableau Veri Harmanlamanın Sınırlamaları

Veri harmanlamanın avantajlarına karşın, aşağıda görüldüğü gibi bazı sakıncaları da vardır:

• Veri harmanlama arka planda left join ile çalışır ve başka tür join'ler yapmaz. 
• Farklı granülarite düzeylerine sahip verileri harmanlarken sıra önemlidir. İkincil verinin her zaman en küçük granülarite düzeyine sahip olması gerekir; çünkü toplama işlemi ona uygulanır. 
• COUNT, MEAN, MEDIAN ve SUM gibi toplanamaz (non-additive) hesaplamalar veri harmanlamadan olumsuz etkilenir. 

Sonuç

Bu eğitim, veri harmanlama kullanımının arkasındaki motivasyonlarla ilgili temel noktaları, join'lere kıyasla veri bilimciler için bazı faydalarını ve nasıl çalıştığını daha iyi anlamak için uygulamalı bir çalışmayı kapsadı. 

Bu eğitimin, birden çok veri kaynağı kullanarak iş probleminiz hakkında daha fazla içgörü edinmeniz için gerekli becerileri sağlamasını umuyoruz. Tableau'da verileri bağlama hakkında daha fazla bilgi için kursumuza göz atın.