Trực quan hóa dữ liệu với Tableau

1. Giới thiệu về Tableau

Tổng quan

Tableau Software là một công ty phần mềm có trụ sở tại Seattle, Washington, sản xuất các sản phẩm trực quan hóa dữ liệu tương tác tập trung vào trí tuệ doanh nghiệp (BI). Tableau được thành lập tại Khoa Khoa học Máy tính của Đại học Stanford trong giai đoạn 1997–2002(Wikipedia)

Các sản phẩm chính của Tableau bao gồm:

Tableau Desktop, Tableau Public và Tableau Online đều hỗ trợ tạo trực quan dữ liệu; lựa chọn phụ thuộc vào loại công việc.

Trong hướng dẫn này, chúng ta sẽ làm việc với Tableau Desktop. Liên kết tài liệu tham khảo nằm tại đây.

Cài đặt

Tùy theo sản phẩm bạn chọn, hãy tải phần mềm về máy tính. Sau khi chấp nhận thỏa thuận cấp phép, bạn có thể xác minh cài đặt bằng cách nhấp vào biểu tượng Tableau. Nếu màn hình sau xuất hiện, bạn đã sẵn sàng.

2. Bắt đầu

Trong phần này, chúng ta sẽ học một số thao tác cơ bản trong Tableau để làm quen với giao diện của nó.

Không gian làm việc Tableau

Không gian làm việc của Tableau là tập hợp các trang tính, thanh menu, thanh công cụ, thẻ Marks, các kệ (shelves) và nhiều thành phần khác mà chúng ta sẽ tìm hiểu ở các phần sau. Trang tính có thể là worksheet, dashboard hoặc story. Hình dưới làm nổi bật các thành phần chính của không gian làm việc. Tuy nhiên, bạn sẽ quen thuộc hơn khi làm việc với dữ liệu thực tế.

Kết nối tới nguồn dữ liệu

Để bắt đầu làm việc với Tableau, chúng ta cần kết nối Tableau với nguồn dữ liệu. Tableau tương thích với rất nhiều nguồn dữ liệu. Các nguồn dữ liệu được Tableau hỗ trợ hiển thị ở phía bên trái của màn hình mở đầu. Một số nguồn dữ liệu thường dùng là Excel, tệp văn bản, cơ sở dữ liệu quan hệ hoặc thậm chí trên máy chủ. Bạn cũng có thể kết nối đến cơ sở dữ liệu đám mây như Google Analytics, Amazon Redshift, v.v.

Màn hình khởi động của Tableau Desktop hiển thị các nguồn dữ liệu mà bạn có thể kết nối. Nó cũng phụ thuộc vào phiên bản Tableau vì bản trả phí cung cấp nhiều khả năng hơn. Ở phía bên trái, có khung Connect nêu bật các nguồn khả dụng. Các loại tệp được liệt kê trước, tiếp theo là các loại máy chủ phổ biến, hoặc các máy chủ được kết nối gần đây. Bạn có thể mở các workbook đã tạo trước đó trong thẻ Open. Tableau Desktop cũng cung cấp một số workbook mẫu trong Sample Workbooks.

Hands On

Kết nối với tập dữ liệu Sample-Superstore

Chúng ta sẽ làm việc với tập dữ liệu mẫu tên là Superstore, vốn được cài sẵn trong Tableau. Tuy nhiên, chúng ta sẽ tải tệp từ đây để biết cách kết nối tới nguồn dữ liệu Excel. Dữ liệu là của một siêu thị, chứa thông tin về sản phẩm, doanh số, lợi nhuận, v.v. Mục tiêu của chúng ta là phân tích dữ liệu và tìm ra các điểm cần cải thiện quan trọng trong công ty giả định này.

Steps

1. Nhập dữ liệu vào không gian làm việc của Tableau từ máy tính.

2. Trong thẻ Sheets, sẽ hiển thị ba sheet là Orders, People và Returns. Tuy nhiên, chúng ta chỉ tập trung vào dữ liệu Orders. Nhấp đúp vào sheet Orders, nó sẽ mở ra giống như một bảng tính.

3. Quan sát ba hàng đầu tiên có vẻ khác và không đúng định dạng mong muốn. Ta sử dụng Data Interpreter, cũng có trong thẻ Sheets. Nhấp vào đó, bạn sẽ nhận được trang tính được định dạng gọn gàng.

Hands On

Tạo một View

Chúng ta sẽ bắt đầu bằng cách tạo một biểu đồ đơn giản. Trong phần này, chúng ta sẽ làm quen với dữ liệu và bắt đầu đặt câu hỏi để khai thác insight. Có một số thuật ngữ quan trọng sẽ xuất hiện.

Dimension

Measures

Aggregation

Dimensions là dữ liệu định tính, như tên hoặc ngày. Theo mặc định, Tableau tự động phân loại dữ liệu chứa thông tin định tính hoặc phân loại là dimension, ví dụ bất kỳ trường nào có giá trị văn bản hoặc ngày. Các trường này thường xuất hiện như tiêu đề cột cho các hàng dữ liệu, như Customer Name hoặc Order Date, và cũng xác định mức độ chi tiết hiển thị trong view.

Measures là dữ liệu định lượng dạng số. Theo mặc định, Tableau xem bất kỳ trường nào chứa loại dữ liệu này là measure, ví dụ giao dịch bán hàng hoặc lợi nhuận. Dữ liệu được phân loại là measure có thể được tổng hợp dựa trên một dimension nhất định, ví dụ tổng doanh số (Measure) theo vùng (Dimension).

Aggregation là việc cuộn dữ liệu ở cấp hàng lên một cấp cao hơn, như tổng doanh số hoặc tổng lợi nhuận.

Tableau tự động sắp xếp các trường vào Measures và Dimensions. Tuy nhiên, nếu có bất thường, bạn cũng có thể thay đổi thủ công.

Steps

1. Vào worksheet. Nhấp vào thẻ Sheet 1 ở góc dưới bên trái không gian làm việc.

   

2. Khi ở trong worksheet, từ Dimensions trong khung Data, kéo Order Date lên kệ Columns.

   Khi kéo Order Date lên kệ Columns, một cột cho mỗi năm đặt hàng được tạo trong tập dữ liệu. Chỉ báo 'Abc' hiển thị dưới mỗi cột ngụ ý rằng có thể kéo dữ liệu văn bản hoặc số vào đây. Ngược lại, nếu kéo Sales vào đây, sẽ tạo ra một bảng chéo hiển thị tổng Doanh số cho mỗi năm.

3. Tương tự, từ thẻ Measures, kéo trường Sales lên kệ Rows.

Tableau hiển thị một biểu đồ với doanh số được tổng hợp theo tổng. Tổng doanh số theo năm dựa trên ngày đặt hàng được hiển thị. Tableau luôn hiển thị biểu đồ đường cho view có trường thời gian, trong ví dụ này là Order Date.

Hands On

Biểu đồ đường trên truyền tải điều gì? Nó cho thấy doanh số khá hứa hẹn và có xu hướng tăng theo thời gian. Đây là một insight giá trị, nhưng chưa nói rõ về những sản phẩm đóng góp vào sự tăng trưởng doanh số. Hãy đi sâu hơn để có thêm insight.

Tinh chỉnh View

Hãy đi sâu hơn để tìm hiểu sản phẩm nào thúc đẩy doanh số. Bắt đầu bằng cách thêm danh mục sản phẩm để nhìn tổng doanh số theo một góc khác.

Steps

1. Category nằm trong khung Dimensions. Kéo nó lên kệ Columns và đặt cạnh YEAR(Order Date). Category nên đặt bên phải Year. Khi làm vậy, view lập tức chuyển từ biểu đồ đường sang cột. Biểu đồ hiển thị Sales tổng cho mỗi Product theo năm.

   Learn More

   Để xem thông tin về từng điểm dữ liệu (mark) trong view, di chuột lên một thanh để hiện tooltip. Tooltip hiển thị tổng doanh số cho danh mục đó. Đây là tooltip cho danh mục Office Supplies năm 2016:

   

   Để thêm nhãn vào view, nhấp Show Mark Labels trên thanh công cụ.

   

   Biểu đồ cột cũng có thể hiển thị theo chiều ngang thay vì dọc. Nhấp Swap trên thanh công cụ để thực hiện.

   

 2. View trên hiển thị rõ sales theo category, tức furniture, office supplies và technology. Ta cũng có thể suy ra doanh số furniture tăng nhanh hơn office supplies trừ năm 2016. Do đó, sẽ hợp lý khi tập trung bán furniture hơn office supplies. Nhưng furniture là danh mục rộng với nhiều mặt hàng khác nhau. Làm sao xác định mặt hàng furniture nào đóng góp doanh số cao nhất?

Để trả lời, chúng ta xem sản phẩm theo Sub-category để biết mặt hàng bán chạy. Giả sử với danh mục Furniture, ta muốn xem chi tiết chỉ bookcases, chairs, furnishings và tables. Hãy nhấp đúp hoặc kéo dimension Sub-Category lên kệ Columns.

Sub-category là một trường rời rạc khác. Nó phân tách sâu hơn Category và hiển thị một cột cho mỗi sub-category theo category và năm. Tuy nhiên, lượng dữ liệu hiển thị là rất lớn và khó nắm bắt bằng mắt. Ở phần tiếp theo, chúng ta sẽ học về bộ lọc, màu sắc và các cách khác để giúp view dễ hiểu hơn.

Hands On

3. Nhấn mạnh kết quả

Trong phần này, chúng ta sẽ tập trung vào các kết quả cụ thể. Bộ lọc và màu sắc giúp làm nổi bật các chi tiết mà chúng ta quan tâm.

Thêm bộ lọc vào view

Bộ lọc có thể dùng để bao gồm hoặc loại trừ các giá trị trong view. Ở đây, chúng ta thêm hai bộ lọc đơn giản vào worksheet để dễ dàng xem doanh số sản phẩm theo sub-category cho một năm cụ thể.

Steps

Trong khung Data, dưới Dimensions, nhấp phải Order Date và chọn Show Filter. Lặp lại với trường Sub->category.

Filters là dạng thẻ và có thể di chuyển trong worksheet bằng thao tác kéo thả đơn giản.

Thêm màu sắc vào view

Màu sắc hữu ích để nhận diện trực quan các mẫu.

Steps

Trong khung Data, dưới Measures, kéo Profit vào Color trên thẻ Marks.

Có thể thấy Bookcases, Tables và thậm chí Machines tạo ra lợi nhuận âm, tức thua lỗ. Đây là một insight mạnh mẽ.

Hands On

Phát hiện chính

Hãy xem kỹ các bộ lọc để tìm hiểu thêm về những sản phẩm không có lãi.

Steps

1. Trong view, ở thẻ bộ lọc Sub-Category, bỏ chọn tất cả trừ Bookcases, Tables và Machines. Điều này làm nổi bật một thực tế thú vị. Ở một số năm, Bookcases và Machines thực tế có lãi. Tuy nhiên, năm 2016, Machines bị lỗ.
2. Chọn All trong thẻ bộ lọc Sub-Category để hiển thị lại tất cả sub-category.
3. Từ Dimensions, kéo Region lên kệ Rows và đặt bên trái thẻ Sum(Sales). Ta nhận thấy Machines ở khu vực South có lợi nhuận âm cao hơn so với các vùng khác.
4. Đặt tên cho sheet. Ở góc dưới bên trái không gian làm việc, nhấp đúp Sheet 1 và nhập Sales by Product and Region.
5. Để bảo toàn view, Tableau cho phép nhân bản worksheet để tiếp tục ở sheet khác từ nơi đã dừng.
6. Trong workbook, nhấp phải sheet Sales by Product and Region và chọn Duplicate, rồi đổi tên sheet nhân bản thành Sales-South.
7. Trong worksheet mới, từ Dimensions, kéo Region lên kệ Filters để thêm làm bộ lọc trong view.
8. Trong hộp thoại Filter Region, bỏ chọn tất cả trừ South rồi nhấp OK. Giờ ta có thể tập trung vào doanh số và lợi nhuận ở South. Ta thấy doanh số Machines có lợi nhuận âm năm 2014 và một lần nữa vào 2016. Chúng ta sẽ điều tra ở phần tiếp theo.
9. Cuối cùng, đừng quên lưu kết quả bằng cách chọn File > Save As. Hãy đặt tên workbook là Regional Sales and Profits.

Hands On

4. Bản đồ (Map View)

Tạo Map View

Map view hữu ích khi chúng ta xem dữ liệu địa lý (trường Region). Ở ví dụ này, Tableau tự động nhận ra các trường Country, State, City và Postal Code chứa thông tin địa lý.

Steps

1. Tạo một worksheet mới.
2. Thêm State và Country trong khung Data vào Detail trên thẻ Marks. Ta thu được map view.
3. Kéo Region lên kệ Filters, rồi lọc chỉ còn South. Map view phóng to khu vực South, và mỗi mark đại diện cho một bang.
4. Kéo measure Sales vào thẻ Color trên Marks. Ta được bản đồ tô màu, thể hiện khoảng doanh số ở mỗi bang.
5. Ta có thể thay đổi bảng màu bằng cách nhấp Color trên Marks và chọn Edit Colors. Hãy thử các bảng màu có sẵn.
6. Ta quan sát thấy Florida có doanh số tốt nhất. Di chuột lên Florida, hiển thị tổng 89.474 USD doanh số, so với South Carolina, ví dụ, chỉ có 8.482 USD. Giờ hãy đánh giá hiệu quả bằng Profit vì Profit là chỉ báo tốt hơn so với chỉ Sales.
7. Kéo Profit vào Color trên Marks. Giờ ta thấy Tennessee, North Carolina và Florida có lợi nhuận âm, dù trước đó có vẻ doanh số tốt. Đổi tên sheet thành Profit Map.

Hands On

Đi sâu vào chi tiết

Bản đồ giúp chúng ta hình dung dữ liệu ở mức tổng quan. Ở bước trước, chúng ta phát hiện Tennessee, North Carolina và Florida có lợi nhuận âm. Trong phần này, hãy vẽ biểu đồ cột để khám phá nguyên nhân lỗ.

Steps

1. Nhân bản worksheet Profit Map và đặt tên Negative Profit Bar Chart.

2. Nhấp Show Me trên worksheet Negative Profit Bar Chart. Show Me hiển thị các cách vẽ biểu đồ giữa các mục trong worksheet. Từ Show Me chọn tùy chọn thanh ngang, view sẽ cập nhật từ dọc sang ngang ngay lập tức.

3. Ta có thể chọn nhiều thanh cùng lúc bằng cách nhấp và kéo chuột qua chúng. Chúng ta chỉ muốn tập trung vào ba bang: Tennessee, North Carolina và Florida, nên chỉ chọn các thanh tương ứng.

   Learn More

   Tạo Hierarchies
   Hierarchies hữu ích khi muốn nhóm các trường tương tự để có thể drill down nhanh giữa các cấp trong biểu đồ.

   1. Trong khung Data, kéo một trường và thả trực tiếp lên trên một trường khác hoặc nhấp phải vào trường và chọn
   2. Kéo các trường bổ sung vào hierarchy. Các trường cũng có thể sắp xếp lại trong hierarchy bằng cách kéo đến vị trí mới. Trong biểu đồ hiện tại, ta sẽ tạo các hierarchy sau: Location, Order và Product.
      

4. Trên kệ Rows, nhấp biểu tượng dấu cộng trên trường State để drill down đến cấp City.

   1. Đó là rất nhiều dữ liệu. Ta có thể dùng N-Filter để lọc và lộ ra nhóm yếu nhất. Kéo City từ khung Data lên kệ Filters. Chọn By field rồi nhấp menu thả xuống Top và chọn Bottom để hiển thị nhóm yếu. Nhập 5 để hiển thị top 5 kém nhất trong tập dữ liệu.

Giờ ta thấy Jacksonville và Miami (Florida); Burlington (North Carolina); và Knoxville và Memphis (Tennessee) là các thành phố có lợi nhuận kém nhất. Có một mark khác—Jacksonville, North Carolina—không phù hợp vì nơi này có doanh số có lãi. Điều này nghĩa là có vấn đề trong bộ lọc đã áp dụng. Chúng ta sẽ dùng Tableau Order of Operations.

1. Trên kệ Filters, nhấp phải tập Inclusions (Country, State) và chọn Add to Context. Ta thấy giờ Concord (North Carolina) xuất hiện trong view trong khi Miami (Florida) biến mất. Điều này hợp lý.

2. Nhưng Jacksonville (North Carolina) vẫn còn, là không đúng. Trên kệ Rows, nhấp biểu tượng dấu cộng trên thẻ City để drill down đến cấp Postal Code. Nhấp phải postal code của Jacksonville, NC, 28540, rồi chọn Exclude để loại trừ Jacksonville thủ công.

3. Kéo Postal Code ra khỏi kệ Rows. Đây là view cuối cùng.

   

Hands On

Phát hiện chính

Giờ hãy tập trung vào các thực thể gây lỗ, tức Sản phẩm, và xác định địa điểm bán các sản phẩm đó.

Steps

1. Kéo Sub-Category lên Rows để drill down thêm.
2. Tương tự, kéo Profit vào Color trên thẻ Marks. Điều này giúp nhanh chóng phát hiện các sản phẩm có lợi nhuận âm.
3. Nhấp phải Order Date và chọn Show Filter. Có vẻ Machines, Tables và Binders hoạt động kém. Vậy chúng ta nên làm gì? Một giải pháp là ngừng bán các sản phẩm này ở Jacksonville, Concord, Burlington, Knoxville và Memphis? Hãy kiểm chứng quyết định của chúng ta.
4. Quay lại thẻ sheet Profit Map đã tạo trước đó.
5. Bây giờ, nhấp vào trường Sub-Category để chọn tùy chọn Show Filter.
6. Kéo Profit từ dưới Measures lên thẻ Label trên Marks.
7. Tiếp tục, nhấp vào Order Date và chọn Show Filter. Từ bộ lọc, hãy bỏ chọn các mục mà ta cho rằng góp phần vào lợi nhuận âm. Vậy, bỏ chọn Binders, Machines và Tables. Giờ chúng ta chỉ còn lại các thực thể có lãi. Điều này cho thấy các thực thể như Binders, Machines và Tables thực sự gây lỗ ở một số khu vực và chúng ta đã đúng trong nhận định.

Hands On

5. Dashboard

Dashboard là tập hợp nhiều view, cho phép so sánh nhiều loại dữ liệu đồng thời.

Tạo Dashboard

Steps

1. Nhấp nút New dashboard.
2. Kéo Sales in the South vào dashboard trống.
3. Kéo Profit Map vào dashboard và thả lên phía trên view Sales in the South. Cả hai view sẽ hiển thị cùng lúc. Để trình bày dữ liệu sao cho người khác dễ hiểu, ta có thể sắp xếp dashboard theo ý muốn.
4. Trên worksheet Sales South trong chế độ xem dashboard, nhấp dưới Region và bỏ Show Header. Lặp lại với các header khác. Việc này giúp nhấn mạnh nội dung cần thiết và ẩn thông tin kém quan trọng.
5. Trên Profit Map, ẩn Title và thực hiện tương tự cho bản đồ Sales South.
6. Ta thấy thẻ bộ lọc Sub-Category và Year of Order Date bị lặp ở bên phải. Hãy loại bỏ bản thừa bằng cách nhấp dấu x. Cuối cùng, nhấp vào Year of Order Date. Mũi tên thả xuống xuất hiện, chọn Single Value (Slider). Giờ hãy để điều kỳ diệu diễn ra. Thử chọn các năm khác nhau trên thanh trượt và doanh số thay đổi tương ứng.
7. Kéo bộ lọc SUM(Profit) xuống dưới cùng dashboard, bên dưới Sales in South để dễ xem.

Hands On

Thêm tính tương tác

Để dashboard tương tác hơn, như xem sub-category nào có lãi ở bang nào, cần thực hiện vài thay đổi.

Steps

1. Bắt đầu với Profit Map. Khi nhấp vào bản đồ, biểu tượng Use as filter xuất hiện ở góc trên phải. Nhấp vào đó. Nếu chọn bất kỳ bang nào trên bản đồ, Sales tương ứng ở bản đồ Sales-South sẽ được tô sáng.
2. Với Year of Order Date, nhấp vào menu thả xuống và vào Apply to Worksheets > Selected Worksheets. Một hộp thoại mở ra. Chọn All rồi OK. Tùy chọn này làm gì? Nó áp dụng bộ lọc cho tất cả worksheet dùng cùng nguồn dữ liệu.
3. Khám phá và thử nghiệm. Trong trực quan hóa dưới đây, chúng ta có thể lọc bản đồ Sales South để xem sản phẩm được bán chỉ ở North Carolina. Sau đó, ta dễ dàng khám phá lợi nhuận theo từng năm.
4. Đổi tên Dashboard thành Regional Sales and Profit.

Hands On

Vì vậy, bán Machines ở North Carolina không mang lại lợi nhuận cho công ty.

6. Story

Dashboard là một tính năng thú vị, nhưng Tableau cũng cho phép trình bày kết quả ở chế độ thuyết trình dưới dạng story, mà chúng ta sẽ thảo luận trong phần này.

Xây dựng Story

Steps

1. Nhấp nút New story.
2. Từ khung Story bên trái, kéo worksheet Sales in the South (đã tạo trước) vào view.
3. Chỉnh sửa văn bản trong hộp màu xám phía trên worksheet. Đây là caption. Đặt tên Sales and profit by year.
4. Story khá cụ thể. Ở đây, chúng ta sẽ kể câu chuyện về việc bán Machines ở North Carolina. Trong khung Story, nhấp Duplicate để nhân bản caption đầu tiên, hoặc bạn có thể tạo cái mới.
5. Trong bộ lọc Sub-Category, chọn chỉ Machines. Điều này giúp đánh giá doanh số và lợi nhuận của Machines theo năm.
6. Đổi caption thành Machine sales and profit by year.

Hands On

Đưa ra kết luận

Rõ ràng Machines ở North Carolina đang gây lỗ. Tuy nhiên, điều này không thể chứng minh chỉ bằng cách nhìn Profit và Sales tổng thể. Ta cần lợi nhuận theo vùng.

Steps

1. Trong khung Story, chọn Blank. Kéo dashboard Regional Sales and Profit đã tạo lên canvas.
2. Đặt caption là Low performing items in the South.
3. Chọn Duplicate để tạo một điểm story khác với dashboard Regional Profit. Chọn North Carolina trên biểu đồ cột vì chúng ta muốn trình bày nhiều hơn về bang này.
4. Chọn All các năm.
5. Thêm caption để rõ ràng, như Profit in NC : 2013-2016.
6. Chọn một năm, ví dụ 2014. Thêm caption, chẳng hạn Profit in NC : 2014 rồi nhấp tab Duplicate. Lặp lại cho các năm còn lại.
7. Nhấp chế độ thuyết trình và để story trình chiếu.

Hands On

Giờ ta đã hình dung được sản phẩm nào được giới thiệu vào thị trường North Carolina khi nào, và chúng thể hiện ra sao. Không chỉ tìm ra cách xử lý lợi nhuận âm, chúng ta còn củng cố bằng dữ liệu. Đây là ưu thế của Story trong Tableau.

7. Tích hợp Tableau với R, Python & SQL

Bên cạnh nhiều ưu điểm về trực quan hóa, Tableau còn có khả năng kết nối “out-of-the-box” tuyệt vời. Tableau dễ dàng tích hợp với các ngôn ngữ như Python và R, và cả hệ quản trị CSDL như SQL. Điều này mang lại nhiều lợi ích về chức năng và hữu ích cho Nhà khoa học Dữ liệu vốn quen làm việc với Python hoặc R. Họ có thể trực tiếp nhập script R và Python vào Tableau và tận dụng các trực quan hóa vượt trội hơn của Tableau. Ngoài ra, khả năng trực quan của Tableau dễ dùng và trực quan, giúp tiết kiệm nhiều thời gian cho Nhà khoa học Dữ liệu.

Trong phần này, chúng ta sẽ xem cách kết nối Tableau với các nguồn ngoài này và lợi ích của từng kết nối.

Tableau và R

R là ngôn ngữ thống kê phổ biến dùng để thực hiện các phân tích dự đoán tinh vi như mô hình tuyến tính và phi tuyến, kiểm định thống kê, phân tích chuỗi thời gian, phân loại, phân cụm, v.v.(Tableau 8.1 và R) Kết hợp Tableau với R có các ưu điểm sau:

• Tận dụng sức mạnh thống kê của Tableau bằng cách cho phép người dùng truy cập các thư viện R chuyên sâu để rút ra insight tốt hơn và sâu hơn từ dữ liệu.
• Tùy chọn khám phá dữ liệu nâng cao và khả năng kết nối đa nguồn của Tableau hữu ích cho người dùng R.
• Hơn nữa, nó còn cho phép người dùng Tableau hưởng lợi từ sự hữu dụng của R mà không cần biết ngôn ngữ này.

Tableau tích hợp với R như thế nào?

Các hàm và mô hình R có thể dùng trong Tableau bằng cách tạo các trường tính toán mới gọi động engine R và truyền giá trị vào R. Kết quả sau đó được trả về Tableau để sử dụng cho mục đích trực quan.

Thiết lập Tableau Desktop với R

• Tải và cài đặt Rserve.

Bạn cần tải và cài gói Rserve để Tableau kết nối và sử dụng các hàm script R. Trong console R, nhập các lệnh sau:

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

Kết nối Tableau với R Server

Sau khi cài đặt Rserve thành công, mở Tableau Desktop và làm theo các bước dưới đây.

1. Vào Help > Settings and Preferences và chọn Manage External Service Connection.

   

2. Nhập tên máy chủ là “Localhost” (hoặc “127.0.0.1”) và cổng “6311”.

3. Nhấp nút “Test Connection”. Bạn sẽ thấy thông báo kết nối thành công. Nhấn OK để đóng.

Bắt đầu dùng script R trong Tableau

Sau khi hoàn tất các bước trên, chúng ta có thể tạo trường tính toán mới trong Tableau Desktop sử dụng các hàm SCRIPT_* để gọi hàm R.

Hãy bắt tay vào làm và xem cách dùng khả năng của Tableau với R. Chúng ta sẽ dùng tập dữ liệu Sample Superstore tích hợp sẵn để tính Profit bằng cả script R và tính năng kéo thả của Tableau. Sau đó so sánh kết quả.

Steps

1. Mở workbook Tableau và kết nối tới dữ liệu sample superstore.
2. Kết nối tới Rserve. Khi Tableau Desktop đã kết nối Rserve, nó có thể gọi engine R thông qua các trường tính toán.

3. Giờ chúng ta sẽ tạo một trường tính toán tên Expected Profit.

   Có bốn hàm dùng với R, đều bắt đầu bằng từ script. Các hàm là:

   • SCRIPT_REAL: trả về số thực
   • SCRIPT_STR: trả về chuỗi
   • SCRIPT_INT: trả về số nguyên
   • SCRIPT_BOOL: trả về boolean
   • Trong ví dụ này, chúng ta sẽ dùng SCRIPT_REAL. Ta sẽ tạo một hồi quy tuyến tính đơn giản trong Tableau.

4. Mở hộp thoại trường tính toán và chèn script sau.

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

   Script trên tương ứng mô hình hồi quy tuyến tính trong R. Mô hình có một biến phụ thuộc (arg1) và ba biến độc lập (arg2, arg3, arg4). Các tham số này chỉ là chỗ giữ; khi script được gửi về R, chúng sẽ được thay thế bằng các cột Tableau tương ứng. 5. Nhập các trường Tableau tương ứng từng biến. Biến phụ thuộc ở đây là profit, nên ta đặt SUM(Profit) đầu tiên vì tương ứng arg1. Tương tự, ta dùng average unit price, average order quantity và average discount cho ba tham số còn lại.

5. Những đầu vào này sẽ được đưa vào mô hình để xác định mức lợi nhuận kỳ vọng. Giờ ta có thể dùng phép tính này trong các trực quan Tableau. Kéo category lên Rows rồi kéo Profit lên Columns. Sau đó kéo Expected Profit lên Columns.

6. Ta có thể phân tích mô hình để xem lợi nhuận kỳ vọng tính bằng R so với lợi nhuận thực tế. Ta có thể tiếp tục phân tích bằng cách kéo customer segments vào Color để tạo biểu đồ cột xếp chồng, và cũng có thể dùng ordered dates để tách dữ liệu theo năm hoặc quý.

Hands On

Có thể bạn thắc mắc: tất cả phép tính trên có thể làm trong Tableau mà không cần R. Vậy tại sao phải tải và cấu hình Rserve trong Tableau và viết script? R là ngôn ngữ mạnh nhờ khả năng dự báo, sử dụng các thư viện phổ biến chứa thuật toán nổi tiếng một cách dễ dàng. Hãy tưởng tượng việc dự báo cho doanh nghiệp ngay trong Tableau bằng cách gọi một script R đơn giản, rồi tích hợp vào trực quan của Tableau sẽ tuyệt như thế nào.

Tableau và Python

Python là ngôn ngữ lập trình đa dụng được dùng rộng rãi. Python cung cấp rất nhiều thư viện để phân tích thống kê, mô hình dự đoán hoặc machine learning. Kết nối Tableau với Python là một trong những cách tốt nhất cho phân tích dự đoán. TabPy là gói được phát triển để làm điều đó. Để Tableau khai thác sức mạnh của Python, có thể kết nối tới máy chủ TabPy để thực thi mã Python tức thời và hiển thị kết quả dưới dạng trực quan.

Tableau tích hợp với Python như thế nào?

Khi dùng TabPy với Tableau, chúng ta có thể định nghĩa các trường tính toán bằng Python, từ đó tận dụng sức mạnh của nhiều thư viện machine learning ngay trong trực quan.

Thiết lập Tableau Desktop với Python

Tải và cài đặt Tabpy.

Chạy mã Python trong một workbook Tableau cần một máy chủ Python để thực thi. Khung TabPy đảm nhiệm việc này. Tải TabPy từ Github tại liên kết này. Hoặc làm theo các bước dưới:

conda install -c anaconda tabpy-server

Sau đó cd đến thư mục chứa máy chủ tabpy đã tải và chạy.

python setp.py

Kết nối Tableau với TabPy

Bước tiếp theo là kết nối Tableau với TabPy. Thực hiện bằng cách vào Help > Settings and Performance > Manage External Service Connection:

Kiểm tra kết nối. Nếu mọi thứ suôn sẻ, bạn sẽ thấy thông báo “kết nối thành công”.

Bắt đầu dùng script Python trong Tableau

Tích hợp Python trong Tableau rất hữu ích. Lấy ví dụ bài toán Phân tích cảm xúc (Sentiment Analysis). Đây là bài toán phổ biến trong cộng đồng Machine Learning và có thể thực hiện bằng nhiều thuật toán học máy. Tuy nhiên, kết hợp Tableau và Python, ta có thể làm điều đó chỉ với vài dòng Python. Kết quả sau đó được trực quan trong Tableau để có thêm insight. Hãy xem ví dụ này(Khai thác sức mạnh Python trong Tableau với TabPy)

Phân tích cảm xúc với TabPy

Chúng ta sẽ dùng tập dữ liệu đánh giá điện thoại di động có thể tải tại đây.

Steps:

1. Nhập tập dữ liệu vào Tableau Desktop
2. Kết nối với TabPy. Khi Tableau Desktop đã kết nối Tabpy, nó có thể gọi engine Python thông qua các trường tính toán.

3. Giờ chúng ta sẽ tạo một trường tính toán tên Sentiment như sau: `

   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]))`
   

   Chúng ta dùng công cụ VADER sentiment analysis. Đây là công cụ dựa trên từ điển và luật, đặc biệt phù hợp với cảm xúc biểu đạt trên mạng xã hội. Để dùng công cụ này, bạn cần cài đặt trước. Vui lòng đọc thêm tại trang github.

4. Bây giờ, kéo Reviews lên rows và Sentiment lên Text và Color trên thẻ Marks và xem điều kỳ diệu. Ta có phân tích cảm xúc của các đánh giá mà không gặp rắc rối. Đồng thời, việc trực quan hóa kết quả cũng cực kỳ dễ. Các đánh giá tích cực có màu xanh tăng dần, còn tiêu cực có màu đỏ.

   

Ví dụ trên cho thấy sức mạnh do tích hợp Python với Tableau mang lại. Có điểm số cảm xúc trong tay, ta có thể khai thác sâu hơn. Chẳng hạn, với vai trò chủ doanh nghiệp, tôi có thể lọc các đánh giá tiêu cực và cân nhắc nguyên nhân, hoặc lọc đánh giá tích cực để hiểu sản phẩm nào khiến khách hàng hài lòng.

Tableau và SQL Server

Có một giá trị tiềm ẩn trong dữ liệu Microsoft SQL Server bị chôn vùi dưới các báo cáo tiêu chuẩn và công cụ BI phức tạp. Tableau mang lại insight ở mọi nơi bằng cách giúp bất kỳ ai cũng có thể thực hiện phân tích trực quan nâng cao với dữ liệu SQL Server. Chúng ta có thể kết nối trực tiếp Tableau với SQL Server để truy vấn tối ưu theo nền tảng, hoặc đưa dữ liệu trực tiếp vào engine phân tích của Tableau để giảm tải cho cơ sở dữ liệu.

Tableau cung cấp kết nối live tối ưu với SQL Server để tạo biểu đồ, báo cáo và dashboard trong khi làm việc trực tiếp với dữ liệu. Khi đào sâu phân tích, Tableau nhận biết mọi schema dùng trong SQL Server, nên ta không cần thao tác lại dữ liệu.

Hãy đi qua ví dụ kết nối cơ sở dữ liệu SQL Server với Tableau Desktop và sử dụng để tạo trực quan hóa.

Steps:

1. Đăng nhập vào SQL Server
2. Mở Tableau Desktop và dưới mục Servers, kết nối tới MS SQL.
3. Dán tên máy chủ trong hộp thoại mở ra và nhấp OK. Tableau sẽ kết nối tới SQL Server. Chọn cơ sở dữ liệu mong muốn. Trong ví dụ này, chúng ta chọn salesDB. Sau đó, có thể chọn từ danh sách TABLES, ví dụ Sales Log. Bảng sẽ được nhập vào môi trường Tableau. Giờ ta có thể chọn trích xuất toàn bộ dữ liệu hoặc một phần sang worksheet mới. Ta cũng có thể chỉ định số hàng cần trích xuất.
4. Trong worksheet mới, ta có dữ liệu đã trích xuất từ MS SQL. Từ đây, làm việc như với bất kỳ worksheet Tableau nào khác.

Hands On:

Đây là cách chúng ta dễ dàng kết nối SQL Server với Tableau và trích xuất dữ liệu trực tiếp vào đó. Tableau cho phép chuyển đổi kết nối chỉ với một cú nhấp để áp dụng truy vấn trong bộ nhớ cho tập dữ liệu lớn hơn.

8. Lưu công việc

Tableau Desktop

Để lưu workbook Tableau cục bộ, chọn File > Save. Chỉ định tên tệp workbook trong hộp thoại Save As. Mặc định Tableau lưu tệp với phần mở rộng .twb.

Tableau Public

Với Tableau Public, mọi view và dữ liệu đều công khai và bất kỳ ai trên internet cũng có thể truy cập. Select Server > Tableau Public > Save to Tableau Public và nhập thông tin đăng nhập.

Tableau Server

Nếu dữ liệu là bí mật và cần chia sẻ story với toàn bộ nhóm, Tableau Server rất hữu ích. Để xuất bản story lên Tableau Server, chọn Select Server > Publish Workbook hoặc click Share trên thanh công cụ. Hãy chắc chắn tạo tài khoản trước.

Kết luận

Vậy là đủ để tạo một trực quan hóa tốt trong Tableau, mặc dù bạn có thể sẽ chỉnh sửa nhiều hơn ở mỗi giai đoạn so với ví dụ này. Với thử nghiệm và luyện tập, Tableau sẽ trở nên quen thuộc và mở khóa nhiều tính năng tuyệt vời giúp phân tích và trình bày dữ liệu. Vui lòng để lại bình luận bên dưới nếu có thắc mắc hoặc câu hỏi, chúc bạn Trực quan hóa vui vẻ.

Xem thêm Hướng dẫn tạo trực quan Tableau bằng bộ dữ liệu AirBnB.