Tipi di analisi Advisor informazioni strategiche
Advisor informazioni strategiche fornisce i risultati usando un'ampia gamma di tipi di analisi. Questi tipi di analisi forniscono visualizzazioni delle migliori pratiche per i grafici generati.
Vengono utilizzati svariati tipi di analisi in base agli input della ricerca e alle caratteristiche dei dati utilizzati. Cognitive Engine Qlik determina il miglior tipo di analisi per la propria domanda in base ai dati disponibili. La tabella seguente descrive i tipi di analisi. Non vengono elencate tutte le condizioni per ciascun tipo di analisi. La tabella elenca anche i grafici potenzialmente disponibili come alternative al momento di modificare un'analisi Advisor informazioni strategiche.
| Tipo di analisi | Descrizione | Dimensioni | Misure |
|---|---|---|---|
| Anomalia (picco) |
Identificare picchi anomali analizzando gli schemi ricorrenti nei dati cronologici. |
1 dimensione data/ora | 1 |
| Anomalia (trend) |
Identificare i punti di cambiamento analizzando i motivi nei dati cronologici. Il rilevamento dei punti di cambiamento identifica i momenti nel tempo in cui il processo sottostante che genera i dati sperimenta cambiamenti significativi. Questi possono includere modifiche improvvise nella baseline o trend nei dati. Possono includere anche cambiamenti nel livello di distribuzione del rumore nei dati. Le linee del grafico combinato tracciano la misura e le barre visualizzano possibili anomalie nei punti di cambiamento. |
1 dimensione data/ora | 1 |
| Suddivisione | Visualizzare le dimensioni nidificate dei dati che forniscono una scomposizione dei contributi relativi a una misura. | 2-3 | 1 |
| Suddivisione (geospaziale) | Dati di gruppi mediante divisioni geografiche semplici e gerarchiche. | 1-2 | 1-2 |
| Misura calcolata (KPI) | Riepilogare le prestazioni in un dato segmento o dimensione business utilizzando un Key Performance Indicator (KPI). | 0 | 1-2 |
| Clustering (k-means) |
Riunire i punti dati aggregati per similarità da 2 misure su una dimensione usando un algoritmo k-means di machine learning. |
1 | 2 |
| Confronto | Confrontare due misure per una dimensione. | 1 | 2 |
| Correlazione |
Identificare le relazioni complementari e inverse tra due valori dati. |
0-2 | 2 |
| Informazioni reciproche |
Creare una misura di certezza tra due coppie di valori usando un algoritmo di machine learning che applichi distribuzioni dati casuali. L'indicatore di dipendenza va dallo 0 percento (nessuna dipendenza) al 100 percento (forte dipendenza). Le informazioni reciproche selezionano un campo (misura o dimensione) come destinazione, dopodiché selezionano da 1 a 10 dimensioni o misure come driver. I risultati per questo tipo di analisi per gli stessi campi o selezioni possono variare per via della selezione casuale di dati. |
variabile | variabile |
| Panoramica |
Descrivere in che modo gli intervalli dati sono correlati gli uni agli altri in termini di misura assoluta. |
1-2 | 1 |
| Modifiche periodo |
Creare un foglio con misure, classificazioni e analisi di confronto per le dimensioni tra periodi di tempo diversi. Richiede un periodo del calendario predefinito impostato per il gruppo contenente la misura nel modello logico. |
1-2 | 1 |
| Modifiche al periodo (dettagliate) |
Creare un foglio con misure, classifiche e analisi di confronto per una gerarchia delle dimensioni tra periodi di tempo diversi. Richiede un periodo di calendario predefinito impostato per il gruppo contenente la misura nel modello logico. |
1 | 1 |
| Periodo su periodo |
Confrontare le dimensioni tra periodi di tempo. Richiede un periodo di calendario predefinito impostato per il gruppo contenente la misura nel modello logico. |
1 | 1 |
| Periodo su periodo (selezionato) |
Confrontare le dimensioni tra periodi di tempo. Include una casella di filtro per la selezione dei valori di dimensione. Richiede un campo temporale con campo selezionato derivato da autoCalendar come parte della query. |
1-3 | 1 |
| Controllo dei processi (media) | Monitorare i dati rispetto agli intervalli statistici previsti basati sui valori medi. | 1 dimensione data/ora | 1 |
| Controllo dei processi (media mobile) | Monitorare i dati rispetto agli intervalli statistici previsti basati sui valori vicini. | 1 dimensione data/ora | 1 |
| Classificazione | Classificare i valori delle dimensioni per importanza relativa con una misura. | 1-2 | 1 |
| Classificazione (raggruppata) | Classificare i valori delle dimensioni gerarchiche per importanza relativa con una misura. | 1-2 | 1 |
| Importanza relativa |
Mostrare la quantità di valori delle dimensioni che contribuiscono al totale. Può anche essere utilizzato per eseguire analisi di contributo Pareto o 80-20. |
1 | 1 |
| Scomposizione serie temporali | Scompone una serie temporale in componenti di tendenza, stagionali e residui. | 1 dimensione data/ora | 1 |
| Trend nel tempo | Mostrare i trend nel tempo dei dati, suddivisi in via opzionale da una dimensione con una bassa cardinalità. | 1 dimensione data/ora e 1 altra dimensione opzionale | 1-3 |
| Tendenza con previsione | Mostra i trend dei dati nel tempo e i valori di previsione per i periodi futuri. | 1 dimensione data/ora | 1 |
| Valori (tabella) | Mostrare i dati organizzati in righe e colonne che mostrano misure e dimensioni. | 0-10 | 0-10 |
| Anno a oggi |
Confrontare le dimensioni sullo stesso periodo in un anno precedente. |
1 | 1 |