Factoranalyse gebruiken om de belangrijkste invloeden achter uw gegevens te onthullen

Met factoranalyse kunt u de bronnen van specifieke trends in uw gegevens identificeren en vergelijken. Een factoranalyse helpt u de invloed van een gedefinieerde reeks factoren op de huidige gegevens voor een specifiek doelveld te visualiseren en beoordelen. Gebruik de inzichten die u krijgt om de analytische processen en besluitvormingsprocessen van uw organisatie te verbeteren.

Factoranalyse is beschikbaar in een Qlik Sense-app. Voer de factoranalyse uit in de werkbladweergave in analysemodus.

Wat is factoranalyse?

Factoranalyse is een vorm van statistische gegevensdetectie waarmee u de mate kunt identificeren waarin verschillende factoren impact hebben op de uitkomst van de metrische gegevens van één doel. De analyse wordt uitgevoerd voor zowel kwantitatieve als kwalitatieve gegevens. De intentie achter een factoranalyse is om erachter te komen wat de oorzaak is van een bepaalde trend in de gegevens en om deze inzichten vervolgens te gebruiken om direct actie te nemen of om het bewustzijn hierover binnen de organisatie te verbeteren.

In Business Intelligence zijn veelvoorkomende doelen waarvoor u invloedrijke factoren wilt evalueren velden zoals Verkoop, Klanttevredenheid, Marge, Klantverloop en Verkoopkosten. Voorbeelden van factoren zijn Product, Locatie, Winkelnummer en Manager.

De metrische gegevens die worden geëvalueerd in een factoranalyse per organisatie en gebruikscase verschillen. Het metrische doelgegeven en de diverse factoren die de resultaten beïnvloeden, zijn afhankelijk van het probleem dat u wilt oplossen, de beschikbare gegevens en andere factoren.

Waarom zou u een factoranalyse toepassen?

Factoranalyse is nuttig in business intelligence omdat het op verschillende manieren kan worden toegepast om de KPI's (key performance indicators) te verbeteren. U kunt een factoranalyse kunnen gebruiken om problemen op te lossen en inzichten te vergaren die verband houden met productinvestering, omzetvergroting, kostenreductie, klanttevredenheid en nog vele andere onderwerpen.

In Qlik Sense is factoranalyse geïntegreerd in de ervaring van de consument met de app. Met de functionaliteit in Qlik Sense voor realtime gegevensanalyse kunt u een nieuwe factoranalyse uitvoeren, elke keer dat de appgegevens veranderen. Dit maakt het mogelijk om uw gegevens continue te monitoren op wijzigingen en snel opkomende trends bloot te leggen, zodat u tijdig en effectief actie kunt ondernemen als dat nodig is.

Zo werkt het

Factoranalyse is gebaseerd op het idee van invloed. In Qlik Sense evalueert de factoranalyse de invloed die specifieke velden (kenmerken of factoren) hebben op een specifiek interessegebied (het doel).

De gegevens die in de analyse worden gebruikt

Een factoranalyse is een specifieke bestudering van een subverzameling van uw gegevens. Wanneer u de analyse maakt, selecteert u bepaalde velden als de componenten van de analyse.

Kies de volgende bouwblokken per analyse:

• Doel

• Meerdere kenmerken

Nadat u deze componenten hebt geselecteerd, wordt er een specifieke gegevensverzameling aangemaakt op basis van uw gegevensmodel aan de hand van het doel en de kenmerken. De factoranalyse gebruikt deze gegevensverzameling, niet uw gehele gegevensmodel, om de invloed te bepalen die de kenmerken hebben op het doel. Velden die u niet toevoegt aan de configuratie, worden niet geanalyseerd.

Hieronder staat meer informatie per component.

Berekenen van de invloed

In Qlik Sense wordt een factoranalyse uitgevoerd door de SHAP-waarden te berekenen per kenmerkgegevenswaarde in de subgegevensverzameling die u analyseert. Deze SHAP-waarden worden gegenereerd op basis van een model dat wordt getraind door Qlik AutoML. Modellen gebruiken het Random Forest-algoritme om de SHAP-waarden te genereren.

De SHAP-waarde is een berekening van de mate van impact die een gegevenswaarde heeft op de corresponderende doelwaarde in relatie tot de overige kenmerken in de gegevensverzameling die specifiek worden gemaakt op basis uw factoranalyseconfiguratie. Wanneer u de resultaten van een factoranalyse bekijkt, ziet u aggregaties van de SHAP-waarden voor alle of een specifieke set records in de gegevensverzameling.

Voor meer informatie over SHAP importance in Qlik AutoML, raadpleegt u SHAP importance in experimenttrainingen.

Het doel

Het doel is het veld waarvoor u factoren wilt analyseren. Bijvoorbeeld: u wilt graag vergelijken hoe bepaalde factoren uw verkoop beïnvloeden. In dit geval zou u een verkoopmeting als uw doel selecteren.

Wanneer u uw doel selecteert, is de tijd van gegevensbeschikbaarheid belangrijk, vooral in relatie tot de kenmerken die u selecteert voor uw analyse. Zie Functies voor meer informatie over het juiste tijdsbestek voor gegevensverzameling voor uw doel en kenmerken.

Het aantal unieke waarden en type gegevens in het doel bepalen het type probleem dat de analyse zal oplossen. Dit heeft vervolgens weer impact op de vereisten waaraan uw gegevens moeten voldoen. Ga voor meer informatie naar Vereisten voor gegevens.

Factoranalyse ondersteunt de volgende typen probleem:

• Regressie

• Binaire classificatie

Regressie-analyses

Regressie-analyses worden gebruikt wanneer het doel een groot aantal unieke numerieke waarden bevat. Als u een numerieke berekening (meting) als uw doel wilt hebben, zal de factoranalyse de configuratie waarschijnlijk interpreteren als een regressieprobleem.

Wanneer u een meting als uw doel kiest, kunt u rechtstreeks op het veld een basisaggregatie toepassen of een bestaand masteritem als u een meer complexe uitdrukking wilt gebruiken.

Binaire classificatie-analyses

Als uw doel slechts twee unieke waarden bevat (bijvoorbeeld ja of nee), dan zal de factoranalyse de configuratie interpreteren als een binair classificatie-probleem. Binaire classificatie-analyses worden gemaakt door een binaire dimensie als het doel te selecteren.

Als veelvoorkomend voorbeeld: als u het veld Vertrekken in uw app hebt staan om bij te houden welke klanten een bepaalde service hebben geannuleerd, zou u het veld Vertrokken als het doel kunnen selecteren om erachter te komen welke factoren achter deze beslissingen van de klant zitten.

Functies

De kenmerken zijn uw factoren. Dit zijn de velden die extraheerbare informatie bevatten over wat de trends in de gegevens beïnvloeden. Bijvoorbeeld: als u een factoranalyse maakt om invloedrijke factoren voor verkoop te identificeren, kunt u Dimensies zoals Locatie, Producttype, Winkelnummer en Verkoopvertegenwoordiger als kenmerken selecteren. Berekende metingen kunnen ook worden gebruikt als kenmerken.

U dient alleen kenmerken toe te voegen die kunnen worden vastgelegd en verzameld voorafgaand aan het tijdstip dat u uw doelgegevens verzamelt. Als u kenmerken toevoegt met gegevens die u alleen aan het einde van de gegevensverzameling voor het doel kunt weten, dan zal de analyse vertekend worden en geen analytische waarde opleveren.

Bijvoorbeeld: als uw doel Verkoop is, zou u geen kenmerken moeten toevoegen met gegevens die daar direct van worden afgeleid. Zo geldt ook dat als uw doel een Vertrokken-veld met een binair resultaat (Ja of Nee) is, u een kenmerk die de datum bevat waarop de klant is vertrokken niet zou moeten toevoegen.

Voor meer informatie over hoe u ongeldige analyseresultaten identificeert, raadpleegt u Ongeldige resultaten identificeren.

Een kenmerk wordt toegewezen aan een van de twee volgende typen:

• Categorisch kenmerk: een kenmerk dat gegevenswaarden bevat op basis van afzonderlijke, terugkomende categorieën. Een voorbeeld van een categorisch kenmerk zou het veld Continent kunnen zijn waarin slechts een handjevol mogelijke waarden staan en die niet worden geïnterpreteerd als onbewerkte, numerieke gegevens, maar als tekst. Getallen kunnen worden gebruikt als categorieën.

• Numeriek kenmerk: een kenmerk waarin de gegevenswaarden puur numerieke gegevens zijn en die niet tot categorieën behoren.

Alle toegevoegde kenmerken worden specifiek geanalyseerd om te bepalen hoeveel invloed elk kenmerk heeft op de actuele gegevens in het doel.

Voor meer informatie over de vereisten voor het doel en de toegevoegde kenmerken, raadpleegt u Vereisten voor gegevens.

Appselecties

De keuzes die u in de app maakt, worden gebruikt in de factoranalyse. Bijvoorbeeld: u wilt graag factoren voor verkoop identificeren, maar wanneer u een Winkelnummer-dimensie als een kenmerk toevoegt, analyseert u mogelijk alleen de vijf specifieke winkels binnen uw organisatie. Om dit te doen, kunt u de waarden in de app selecteren en vervolgens de factoranalyse configureren.

Omdat selecties in feite filters zijn die worden toegepast op het gegevensmodel, is het belangrijk om u ervan bewust te zijn dat selecties in één veld invloed kunnen hebben op de beschikbare gegevens die kunnen worden gebruikt in de analyse.

Overwegingen voor het tenantabonnement

Factoranalyse wordt gebaseerd op de berekening van de invloed van de kenmerken op het doel door Qlik AutoML. De functie doet dit door machine learning-modellen te maken die worden gebruikt om SHAP-waarden te berekenen voor de gegevenspunten die corresponderen met de toegevoegde functies in de geselecteerde subverzameling gegevens.

Het aanmaken van een factoranalyse verbruikt services die worden gemeten door Qlik AutoML. In de meeste Qlik Cloud-abonnementen zit gebruik van AutoML inbegrepen. Als er meer capaciteit nodig is, dient u te upgraden naar een betaald niveau van AutoML.

Vraag uw serviceaccount-eigenaar en raadpleeg de voorwaarden van het abonnement dat u gebruikt om erachter te komen wat uw gebruikscapaciteit voor factoranalyse is.

De volgende informatie is beschikbaar voor meer details:

• AutoML-beperkingen en gelicentieerde functionaliteit

• Productbeschrijving voor Qlik Cloud®-abonnementen (alleen in het Engels)

Vereisten voor gegevens

Minimumvereisten voor gegevensvolume

De gegevensverzameling die wordt gemaakt op basis van uw doel en kenmerken, dient uit ten minste 400 cellen te bestaan. Anders kunt u de analyse niet uitvoeren.

Overige vereisten

De volgende vereisten zijn van toepassing op de gegevensverzameling die is gemaakt op basis van uw analyseconfiguratie:

• het doel moet ten minste twee unieke waarden bevatten.

• Als het doel tussen twee en tien unieke waarden bevat, moet iedere unieke waarde in ten minste tien records in de gegevensverzameling staan.

Als u foutmeldingen krijgt wanneer u een factoranalyse uitvoert, kan het zijn dat de gegevens die u voor de analyse hebt geselecteerd, niet aan deze vereisten voldoen. Voor andere problemen die u mogelijk tegenkomt en een lijst moet mogelijk oplossingen, raadpleegt u Problemen oplossen .

Factoranalyse gebruiken in Qlik Sense

De volgende helponderwerpen kunnen u helpen aan de slag te gaan met het maken en interpreteren van factoranalyses in Qlik Sense:

• Een factoranalyse maken in Qlik Sense

• De resultaten van een factoranalyse weergeven en interpreteren

Beperkingen

Hieronder vindt u een lijst met beperkingen voor factoranalyses:

• Velden die datum-, tijd- of tijdstempel-gegevenstypen bevatten, worden niet ondersteund voor gebruik als het doel of als kenmerken.