Odkrywanie kluczowych czynników wpływających na Twoje dane za pomocą analizy kluczowych czynników

Dzięki analizie kluczowych czynników możesz identyfikować i porównywać źródła określonych trendów w swoich danych. Analiza kluczowych czynników pomaga zwizualizować i uszeregować wpływ zdefiniowanego zestawu czynników na bieżące dane określonego pola docelowego. Odkryte wnioski można wykorzystać do ulepszenia i usprawnienia procesów analitycznych i decyzyjnych w swojej organizacji.

Analiza kluczowych czynników jest dostępna w aplikacji Qlik Sense. Analizę kluczowych czynników można wykonać w widoku arkusza w trybie analizy.

Co to jest analiza kluczowych czynników?

Analiza kluczowych czynników to forma odkrywania danych statystycznych umożliwiająca określenie stopnia, w jakim różne czynniki wpływają na wynik pojedynczego wskaźnika docelowego. Analizę przeprowadza się dla danych zarówno ilościowych, jak i jakościowych. Celem analizy kluczowych czynników jest dokładne ustalenie, co powoduje określony trend w danych, i wykorzystanie tych wniosków do podjęcia bezpośrednich działań lub poprawy świadomości w organizacji.

W business intelligence typowymi celami, dla których ocenia się czynniki wpływające, są pola takie jak sprzedaż, zadowolenie klienta, marża, rezygnacja i koszt sprzedaży. Przykładowe czynniki (kluczowe czynniki) obejmują produkt, lokalizację, numer sklepu i menedżera.

Wskaźniki oceniane w analizie kluczowych czynników różnią się w zależności od organizacji i zastosowania. Docelowy wskaźnik i różne czynniki wpływające na jego wyniki zależą od problemu, który chcesz rozwiązać, dostępnych danych i innych czynników.

Do czego się używa analizy kluczowych czynników?

Analiza kluczowych czynników jest przydatna w business intelligence, ponieważ można ją zastosować na wiele sposobów w celu poprawy kluczowych wskaźników efektywności. Analizę kluczowych czynników można wykorzystać do rozwiązywania problemów i uzyskiwania wniosków związanych z inwestycjami w produkty, zwiększaniem przychodów, redukcją kosztów, zadowoleniem klienta i wieloma innymi aspektami.

W Qlik Sense analiza kluczowych czynników jest zintegrowana ze środowiskiem użytkownika aplikacji. Korzystając z natywnej dla Qlik Sense funkcji analizy danych w czasie rzeczywistym, możesz przeprowadzić nową analizę kluczowych czynników za każdym razem, gdy zmienią się dane aplikacji. Umożliwia to ciągłe monitorowanie danych pod kątem zmian i szybkie odkrywanie pojawiających się trendów, dzięki czemu w razie potrzeby można podjąć szybkie i skuteczne działania.

Jak to działa

Analiza kluczowych czynników koncentruje się wokół koncepcji wpływu. W Qlik Sense analiza kluczowych czynników służy do oceny wpływu, jaki określone pola (cechy lub kluczowe czynniki) wywierają na określony obszar zainteresowania (cel).

Dane wykorzystane w analizie

Analiza kluczowych czynników to specyficzne badanie podzestawu danych. Tworząc analizę, wybiera się określone pola jako składniki analizy.

Do każdej analizy należy wybrać następujące elementy składowe:

• Cel

• Różne cechy

Po wybraniu tych komponentów na podstawie modelu danych tworzony jest określony zestaw danych przy użyciu celu i cech. Analiza kluczowych czynników wykorzystuje ten zestaw danych, a nie cały model danych, aby określić wpływ, jaki cechy mają na cel. Pola, których nie uwzględnisz w konfiguracji, nie są analizowane.

Więcej informacji na temat każdego komponentu znajduje się poniżej.

Obliczanie wpływu

W Qlik Sense analizy kluczowych czynników dokonuje się, obliczając wartości SHAP dla każdej wartości danych cech w analizowanym podzestawie danych. Te wartości SHAP są generowane z modelu nauczonego przez Qlik AutoML. Modele wykorzystują do generowania wartości SHAP algorytm losowego lasu.

Wartość SHAP to obliczenie stopnia wpływu wartości danych na odpowiadającą jej wartość celu w odniesieniu do innych cech w zestawie danych specjalnie utworzonym na podstawie konfiguracji analizy kluczowych czynników. Przeglądając wyniki analizy kluczowych czynników, przeglądasz agregacje wartości SHAP ze wszystkich rekordów w zestawie danych lub z ich określonego zestawu.

Więcej informacji na temat ważności SHAP w Qlik AutoML zawiera temat Ważność SHAP w uczeniu eksperymentów.

Cel

Cel to pole, dla którego chcesz analizować kluczowe czynniki. Możesz na przykład porównać wpływ określonych czynników na sprzedaż. W tym przypadku jako cel wybierzesz miarę sprzedaż.

Przy wyborze celu ważny jest czas dostępności danych, szczególnie w odniesieniu do cech, które zdecydujesz się uwzględnić w analizie. Więcej informacji na temat właściwych ram czasowych gromadzenia danych dla celu i funkcji zawiera temat Funkcje.

Liczba unikatowych wartości i rodzaj danych w celu określa rodzaj problemu, który rozwiąże analiza. To z kolei wpływa na wymagania, jakie muszą spełniać dane. Więcej informacji zawiera temat Wymagania dotyczące danych.

Analiza kluczowych czynników obsługuje następujące typy problemów:

• Regresja

• Klasyfikacja binarna

Analizy regresyjne

Analizy regresyjne stosuje się, gdy cel zawiera dużą liczbę unikatowych wartości liczbowych. Jeśli jako cel zastosujesz obliczenie numeryczne (pomiar), analiza kluczowych czynników prawdopodobnie zinterpretuje konfigurację jako problem z regresją.

Wybierając miarę jako cel, możesz zastosować podstawową agregację bezpośrednio do pola w konfiguracji lub wybrać istniejący element główny, jeśli chcesz użyć bardziej złożonego wyrażenia.

Analizy klasyfikacji binarnej

Jeśli cel zawiera tylko dwie unikatowe wartości (na przykład tak lub nie), analiza kluczowych czynników interpretuje konfigurację jako problem z klasyfikacją binarną. Analizy klasyfikacji binarnej tworzy się przez wybranie wymiaru binarnego jako celu.

Typowym przykładem jest sytuacja, w której w aplikacji masz pole Rezygnacja, aby śledzić, którzy klienci anulowali określoną usługę. Możesz wybrać pole Rezygnacja jako cel, aby odkryć, jakie czynniki wpływają na decyzje klientów.

Funkcje

Cechy są kluczowymi czynnikami. Są to pola zawierające możliwe do wyodrębnienia informacje tym, co wpływa na trendy w danych. Na przykład podczas tworzenia analizy kluczowych czynników w celu zidentyfikowania czynników wpływających na sprzedaż można wybrać jako cechy takie wymiary jak lokalizacja, typ produktu, numer sklepu i przedstawiciel handlowy. Miar wyliczanych można również używać jako cech.

Uwzględniać należy wyłącznie cechy zawierające dane, które można zarejestrować i zebrać przed punktem w czasie, w którym zbierane są dane docelowe. Jeśli uwzględnisz cechy zawierające dane, które będziesz znać dopiero w momencie gromadzenia danych dla celu, analiza będzie wypaczona i nie zapewni wartości analitycznej.

Jeżeli na przykład Twoim celem jest Sprzedaż, nie należy uwzględniać cech zawierających dane bezpośrednio z niej pochodzące. Podobnie, jeśli celem jest pole Rezygnacja z wynikiem binarnym (Tak lub Nie), nie należy dołączać cechy zawierającej datę rezygnacji klienta.

Więcej informacji na temat identyfikowania nieprawidłowych wyników analizy zawiera temat Identyfikacja nieprawidłowych wyników.

Cecha należy do jednego z dwóch typów:

• Cecha kategoryczna — taka, która zawiera wartości danych na podstawie odrębnych, powtarzających się kategorii. Przykładem cechy kategorycznej może pole Kontynent, w którym znajduje się tylko kilka możliwych wartości i nie są one interpretowane jako nieprzetworzone dane liczbowe, tylko jako tekst. Liczby mogą być używane jako kategorie.

• Cecha liczbowa — taka, w której wartości danych są danymi czysto liczbowymi i nie należą do kategorii.

Wszystkie uwzględnione cechy są szczegółowo analizowane w celu określenia, jaki wpływ ma każda z nich na bieżące dane w celu.

Więcej informacji na temat wymagań dotyczących celu i uwzględnionych cech zawiera temat Wymagania dotyczące danych.

Wybory aplikacji

Wybory dokonane w aplikacji są używane w analizie kluczowych czynników. Na przykład chcesz odkryć kluczowe czynniki sprzedaży, ale włączając wymiar Numer sklepu jako cechę, chcesz przeanalizować wpływ tylko pięciu konkretnych sklepów w Twojej firmie. Aby to zrobić, możesz wybrać wartości w aplikacji, a następnie skonfigurować analizę kluczowych czynników.

Ponieważ wybory to w zasadzie filtry stosowane do modelu danych, należy mieć świadomość, że dokonanie wyboru w jednym polu może mieć wpływ na dostępność danych, które można wykorzystać w analizie.

Zagadnienia dotyczące subskrypcji dzierżawy

Analiza kluczowych czynników wykorzystuje Qlik AutoML do obliczenia wpływu cechy na cel. Polega to na tworzeniu modeli uczenia maszynowego, które są wykorzystywane do obliczania wartości SHAP dla punktów danych odpowiadających cechom w wybranym podzestawie danych.

Tworzenie analizy kluczowych czynników wykorzystuje usługi mierzone przez Qlik AutoML. Pewien zakres wykorzystania AutoML jest uwzględniony w większości subskrypcji Qlik Cloud. Jeśli potrzebna jest większa pojemność, wymagana jest aktualizacja do płatnego poziomu AutoML.

Aby się dowiedzieć, czy możesz korzystać z analizy kluczowych czynników, skontaktuj się z właścicielem konta usługi i zapoznaj się z warunkami używanej subskrypcji.

Dodatkowe informacje można znaleźć w następujących zasobach:

• Ograniczenia AutoML i możliwości uzależnione od licencji

• Opis produktu dotyczący subskrypcji Qlik Cloud® (tylko w języku angielskim)

Wymagania dotyczące danych

Minimalne wymagania dotyczące wolumenu danych

Zestaw danych utworzony na podstawie celu i cech musi zawierać co najmniej 400 komórek. W przeciwnym razie nie będzie można przeprowadzić analizy.

Inne wymagania

Do zestawu danych utworzonego na podstawie konfiguracji analizy odnoszą się następujące wymagania:

• Cel musi zawierać co najmniej dwie unikatowe wartości.

• Jeśli cel zawiera od dwóch do dziesięciu unikatowych wartości, każda unikatowa wartość musi występować w co najmniej dziesięciu rekordach w zestawie danych.

Jeśli podczas analizy kluczowych czynników wystąpią błędy, być może dane wybrane do analizy nie spełniają tych wymagań. Informacje o innych potencjalnych problemach oraz listę możliwych rozwiązań zawiera temat Rozwiązywanie problemów .

Korzystanie z analizy kluczowych czynników w Qlik Sense

Poniższe tematy pomocy mogą ułatwić rozpoczęcie tworzenia i interpretowania analiz kluczowych czynników w Qlik Sense:

• Tworzenie analizy kluczowych czynników w Qlik Sense

• Przeglądanie i interpretowanie wyników analizy kluczowych czynników

Ograniczenia

Poniżej znajduje się lista ograniczeń analizy kluczowych czynników:

• Pola zawierające typy danych typu data, godzina lub sygnatura czasowa nie są obsługiwane jako cele ani jako cechy.