Temel etken analizi kullanarak verilerinizin arkasındaki temel etkileyicileri ortaya çıkarma

Temel etken analizi ile verilerinizdeki belirli eğilimlerin kaynaklarını belirleyebilir ve karşılaştırabilirsiniz. Bir temel etken analizi, tanımlanmış bir dizi faktörün belirli bir hedef alan için mevcut veriler üzerindeki etkisini görselleştirmenize ve sıralamanıza yardımcı olur. Ortaya çıkardığınız içgörüleri, kuruluşunuzun analitik ve karar alma süreçlerini iyileştirmek ve geliştirmek için kullanın.

Temel etken analizi, bir Qlik Sense uygulamasında mevcuttur. Analiz modundayken sayfa görünümünde temel etken analizi gerçekleştirin.

Temel etken analizi nedir?

Temel etken analizi, çeşitli faktörlerin tek bir hedef metriğin sonucunu ne derece etkilediğini belirlemenize olanak tanıyan bir istatistiksel veri keşfi biçimidir. Analiz hem nicel hem de nitel veriler için gerçekleştirilir. Bir temel etken analizinin arkasındaki amaç, verilerdeki belirli bir eğilime tam olarak neyin neden olduğunu bulmak ve bu içgörüleri doğrudan eyleme geçmek veya kurumsal farkındalığı artırmak için kullanmaktır.

İş zekasında, etkileyicileri değerlendirmek isteyeceğiniz yaygın hedefler Satışlar, Müşteri Memnuniyeti, Marj, Kayıp ve Satış Maliyeti gibi alanlardır. Faktör (temel etken) örnekleri arasında Ürün, Konum, Mağaza Numarası ve Yönetici bulunur.

Bir temel etken analizinde değerlendirilen metrikler her kuruluş ve kullanım durumu için farklılık gösterir. Hedef metrik ve sonuçlarını etkileyen çeşitli faktörler, çözmek istediğiniz soruna, mevcut verilere ve diğer faktörlere bağlıdır.

Neden bir temel etken analizi kullanılmalı?

Temel etken analizi, temel performans göstergelerini iyileştirmek için çok sayıda yolla uygulanabildiğinden iş zekasında faydalıdır. Ürün yatırımı, gelir artışı, maliyet düşürme, müşteri memnuniyeti ve daha pek çok konuyla ilgili sorunları çözmek ve içgörüler elde etmek için bir temel etken analizi kullanabilirsiniz.

Qlik Sense içinde temel etken analizi, uygulama tüketici deneyimine entegre edilmiştir. Qlik Sense'e özgü gerçek zamanlı veri analizi özelliklerini kullanarak, uygulama verileri her değiştiğinde yeni bir temel etken analizi çalıştırabilirsiniz. Bu, değişiklikler için verilerinizi sürekli olarak izlemenize ve ortaya çıkan eğilimleri hızla ortaya çıkarmanıza olanak tanır, böylece gerektiğinde hızlı ve etkili eylemler gerçekleştirebilirsiniz.

Nasıl çalışır?

Temel etken analizi, etki fikri etrafında şekillenir. Qlik Sense içinde temel etken analizi, belirli alanların (özellikler veya temel etkenler) belirli bir ilgi alanı (hedef) üzerindeki etkisini değerlendirir.

Analizde kullanılan veriler

Bir temel etken analizi, verilerinizin bir alt kümesinin özel bir incelemesidir. Analizi oluşturduğunuzda, analizin bileşenleri olarak belirli alanları seçersiniz.

Her analiz için aşağıdaki yapı taşlarını seçmeniz gerekir:

• Hedef

• Birden çok özellik

Bu bileşenleri seçtikten sonra, hedef ve özellikler kullanılarak veri modelinizden belirli bir veri kümesi oluşturulur. Temel etken analizi, özelliklerin hedef üzerindeki etkisini belirlemek için tüm veri modelinizi değil, bu veri kümesini kullanır. Yapılandırmaya dahil etmediğiniz alanlar analiz edilmez.

Her bir bileşen hakkında daha fazla bilgi aşağıda verilmiştir.

Etkiyi hesaplama

Qlik Sense içinde temel etken analizi, analiz ettiğiniz veri alt kümesindeki her bir özellik veri değeri için SHAP değerleri hesaplanarak gerçekleştirilir. Bu SHAP değerleri, Qlik Predict tarafından eğitilen bir modelden oluşturulur. Modeller, SHAP değerlerini oluşturmak için rastgele orman algoritmasını kullanır.

SHAP değeri, temel etken analizi yapılandırmanızdan özel olarak oluşturulan veri kümesindeki diğer özelliklerle ilişkili olarak, bir veri değerinin karşılık gelen hedef değer üzerindeki etki derecesinin bir hesaplamasıdır. Bir temel etken analizinin sonuçlarını görüntülediğinizde, veri kümesindeki tüm veya belirli bir kayıt kümesindeki SHAP değerlerinin toplamlarını görüntülersiniz.

Qlik Predict içindeki SHAP önemi hakkında daha fazla bilgi için bkz. Deney eğitiminde SHAP'ın önemini anlama.

Hedef

Hedef, temel etkenleri analiz etmek istediğiniz alandır. Örneğin, belirli faktörlerin satışlarınızı nasıl etkilediğini karşılaştırmak isteyebilirsiniz. Bu durumda, hedefiniz olarak bir satış hesaplaması seçersiniz.

Hedefinizi seçerken, özellikle analizinize dahil etmeyi seçtiğiniz özelliklerle ilişkili olarak verilerin kullanılabilirlik zamanı önemlidir. Hedefiniz ve özellikleriniz için uygun veri toplama zaman dilimleri hakkında daha fazla bilgi için bkz. Özellikler.

Hedefteki benzersiz değerlerin sayısı ve veri türü, analizin çözeceği sorunun türünü belirler. Bu da verilerinizin karşılaması gereken gereksinimleri etkiler. Daha fazla bilgi için bkz. Veri gereksinimleri.

Temel etken analizi aşağıdaki sorun türlerini destekler:

• Regresyon

• İkili sınıflandırma

Regresyon analizleri

Regresyon analizleri, hedef çok sayıda benzersiz sayısal değer içerdiğinde kullanılır. Hedefiniz olarak sayısal bir hesaplama (hesaplama) kullanırsanız, temel etken analizi büyük olasılıkla yapılandırmayı bir regresyon sorunu olarak yorumlayacaktır.

Hedefiniz olarak bir hesaplama seçerken, yapılandırma içindeki alana doğrudan temel bir toplama uygulayabilir veya daha karmaşık bir ifade kullanmak istiyorsanız mevcut bir ana öğe seçebilirsiniz.

İkili sınıflandırma analizleri

Hedefiniz yalnızca iki benzersiz değer içeriyorsa (Örneğin, evet veya hayır), temel etken analizi yapılandırmayı bir ikili sınıflandırma sorunu olarak yorumlar. İkili sınıflandırma analizleri, hedef olarak ikili bir boyut seçilerek oluşturulur.

Yaygın bir örnek olarak, uygulamanızda hangi müşterilerin belirli bir hizmeti iptal ettiğini izlemek için bir Kayıp alanınız varsa, bu müşteri kararlarını hangi faktörlerin yönlendirdiğini ortaya çıkarmak için hedef olarak Kayıp alanını seçebilirsiniz.

Özellikler

Özellikler sizin temel etkenlerinizdir. Bunlar, verilerdeki eğilimleri neyin etkilediği hakkında çıkarılabilir bilgiler içeren alanlardır. Örneğin, satışların arkasındaki etkileyicileri belirlemek için bir temel etken analizi oluşturduğunuzda, özellikler olarak Konum, Ürün Türü, Mağaza Numarası ve Satış Temsilcisi gibi boyutları seçebilirsiniz. Hesaplanmış hesaplamalar da özellikler olarak kullanılabilir.

Yalnızca hedef verilerinizi topladığınız zamandan önce kaydedilebilir ve toplanmış verileri içeren özellikleri dahil etmelisiniz. Hedef için veri toplama sırasında yalnızca bilebileceğiniz verileri içeren özellikleri dahil ederseniz, analiz çarpık olur ve analitik değer sağlamaz.

Örneğin, hedefiniz Satışlar ise, doğrudan ondan türetilen verileri içeren özellikleri dahil etmemelisiniz. Benzer şekilde, hedefiniz ikili bir sonuca (Evet veya Hayır) sahip bir Kayıp alanıysa, müşterinin kaybedildiği tarihi içeren bir özelliği dahil etmemelisiniz.

Geçersiz analiz sonuçlarının nasıl belirleneceği hakkında daha fazla bilgi için bkz. Geçersiz sonuçları belirleme.

Bir özelliğe aşağıdaki iki türden biri atanır:

• Kategorik özellik: farklı, yinelenen kategorilere dayalı veri değerleri içeren özellik. Kategorik bir özelliğe örnek olarak, yalnızca birkaç olası değerin bulunduğu ve bunların ham sayısal veri olarak değil, metin olarak yorumlandığı bir Kıta alanı verilebilir. Sayılar kategori olarak kullanılabilir.

• Sayısal özellik: veri değerlerinin tamamen sayısal veri olduğu ve kategorilere ait olmadığı özellik.

Dahil edilen tüm özellikler, her birinin hedefteki mevcut veriler üzerinde ne kadar etkisi olduğunu belirlemek için özel olarak analiz edilir.

Hedef ve dahil edilen özelliklere yönelik gereksinimler hakkında daha fazla bilgi için bkz. Veri gereksinimleri.

Uygulama seçimleri

Uygulamada yaptığınız seçimler temel etken analizinde kullanılır. Örneğin, satışlar için temel etkenleri keşfetmek isteyebilirsiniz, ancak bir özellik olarak Mağaza Numarası boyutunu dahil ederken, kuruluşunuzdaki yalnızca beş belirli mağazanın etkisini analiz etmek isteyebilirsiniz. Bunu yapmak için uygulamadaki değerleri seçebilir, ardından temel etken analizini yapılandırabilirsiniz.

Seçimler temel olarak veri modeline uygulanan filtreler olduğundan, bir alanda seçim yapmanın analizde kullanılabilecek mevcut verileri etkileyebileceğinin farkında olmak önemlidir.

Kiracı aboneliği için dikkat edilecek hususlar

Temel etken analizi, özelliklerin hedef üzerindeki etkisini hesaplamak için Qlik Predict kullanır. Bunu, seçilen veri alt kümesinde dahil edilen özelliklere karşılık gelen veri noktaları için SHAP değerlerini hesaplamak üzere kullanılan makine öğrenimi modelleri oluşturarak yapar.

Bir temel etken analizi oluşturmak, Qlik Predict tarafından ölçülen hizmetleri tüketir. Çoğu Qlik Cloud aboneliğine belirli bir miktarda Qlik Predict kullanımı dahildir. Daha fazla kapasiteye ihtiyaç duyulursa, Qlik Predict'in ücretli bir katmanına yükseltme yapılması gerekir.

Temel etken analizi kullanım kapasitenizi öğrenmek için hizmet hesabı sahibinizle görüşün ve kullandığınız aboneliğin koşullarına başvurun.

Aşağıdaki kaynaklar ek ayrıntılar sağlayabilir:

• Otomatik makine öğrenimine giriş

• Qlik Cloud® Subscriptions için ürün açıklaması

Veri gereksinimleri

Minimum veri hacmi gereksinimleri

Hedefinizden ve özelliklerinizden oluşturulan veri kümesinin en az 400 hücreye sahip olması gerekir. Aksi takdirde analizi çalıştıramazsınız.

Diğer gereksinimler

Analiz yapılandırmanızdan oluşturulan veri kümesi için aşağıdaki gereksinimler geçerlidir:

• Hedefin en az iki benzersiz değer içermesi gerekir.

• Hedef iki ile on arasında benzersiz değer içeriyorsa, her benzersiz değerin veri kümesindeki en az on kayıtta görünmesi gerekir.

Bir temel etken analizi çalıştırırken hatalarla karşılaşırsanız, analiz için seçtiğiniz veriler bu gereksinimleri karşılamıyor olabilir. Karşılaşabileceğiniz diğer sorunlar ve olası çözümlerin bir listesi için bkz. Sorun Giderme .

Qlik Sense içinde temel etken analizi kullanma

Aşağıdaki yardım konuları, Qlik Sense içinde temel etken analizleri oluşturmaya ve yorumlamaya başlamanıza yardımcı olabilir:

• Qlik Sense içinde temel etken analizi oluşturma

• Bir temel etken analizinin sonuçlarını görüntüleme ve yorumlama

Sınırlamalar

Temel etken analizi için sınırlamaların bir listesi aşağıda verilmiştir:

• Tarih, saat veya zaman damgası veri türlerini içeren alanların hedef veya özellikler olarak kullanılması desteklenmez.