使用關鍵驅動因素分析發掘資料背後的關鍵影響因素

透過關鍵驅動因素分析，您可以識別並比較資料中特定趨勢的來源。關鍵驅動因素分析可協助您視覺化並排序一組定義的因素對特定目標欄位目前資料的影響。使用您發掘的見解來改善並增強組織的分析和決策流程。

關鍵驅動因素分析可在 Qlik Sense 應用程式中使用。在分析模式下於工作表檢視中執行關鍵驅動因素分析。

什麼是關鍵驅動因素分析？

關鍵驅動因素分析是一種統計資料探索形式，可讓您識別各種因素對單一目標指標結果的影響程度。此分析針對定量和定性資料執行。關鍵驅動因素分析的目的是確切找出導致資料中某種趨勢的原因，並使用這些見解採取直接行動或提高組織的認知。

在商業智慧中，您想要評估影響因素的常見目標是欄位，例如 銷售額、客戶滿意度、利潤、流失和 銷售成本。因素 (關鍵驅動因素) 的範例包括 產品、位置、商店編號和 經理。

在關鍵驅動因素分析中評估的指標因每個組織和使用案例而異。目標指標以及影響其結果的各種因素，取決於您要解決的問題、可用的資料和其他因素。

為何使用關鍵驅動因素分析？

關鍵驅動因素分析在商業智慧中非常有用，因為它可以透過多種方式應用來改善關鍵績效指標。您可以使用關鍵驅動因素分析來解決問題，並獲得與產品投資、營收擴張、成本降低、客戶滿意度及許多其他方面相關的見解。

在 Qlik Sense 中，關鍵驅動因素分析已整合到應用程式消費者體驗中。使用 Qlik Sense 原生的即時資料分析功能，您可以在每次應用程式資料變更時執行新的關鍵驅動因素分析。這可讓您持續監控資料的變更，並快速發掘新興趨勢，以便在需要時採取迅速有效的行動。

運作方式

關鍵驅動因素分析以影響力的概念為中心。在 Qlik Sense 中，關鍵驅動因素分析會評估特定欄位 (特性或關鍵驅動因素) 對特定感興趣欄位 (目標) 的影響。

分析中使用的資料

關鍵驅動因素分析是對資料子集的特定檢查。當您建立分析時，您會選取某些欄位作為分析的元件。

您需要為每個分析選擇下列建置區塊：

• 目標

• 多個特性

選取這些元件後，將使用目標和特性從您的資料模型建立特定的資料集。關鍵驅動因素分析會使用此資料集 (而非整個資料模型) 來判斷特性對目標的影響。您未包含在設定中的欄位將不會被分析。

以下提供有關每個元件的更多資訊。

計算影響力

在 Qlik Sense 中，關鍵驅動因素分析是透過計算您正在分析的資料子集中每個特性資料值的 SHAP 值來執行。這些 SHAP 值是由 Qlik Predict 訓練的模型所產生。模型使用隨機森林演算法來產生 SHAP 值。

SHAP 值是計算資料值對應目標值的影響程度，這與從您的關鍵驅動因素分析設定特別建立的資料集中的其他特性有關。當您檢視關鍵驅動因素分析的結果時，您正在檢視資料集中所有或特定一組記錄的 SHAP 值彙總。

如需有關 Qlik Predict 中 SHAP 重要性的詳細資訊，請參閱 理解實驗訓練中的 SHAP 重要性。

目標

目標是您想要分析關鍵驅動因素的欄位。例如，您可能想要比較某些因素如何影響您的銷售額。在這種情況下，您會選取銷售量值作為您的目標。

選取目標時，資料可用性的時間很重要，特別是與您選擇包含在分析中的特性相關時。如需有關目標和特性的適當資料收集時間範圍的詳細資訊，請參閱 特性。

目標中唯一值的數量和資料類型決定了分析將解決的問題類型。這反過來會影響您的資料必須符合的要求。如需詳細資訊，請參閱 資料要求。

關鍵驅動因素分析支援下列問題類型：

• 迴歸

• 二元分類

迴歸分析

當目標包含大量唯一數值時，會使用迴歸分析。如果您使用數值計算 (量值) 作為目標，關鍵驅動因素分析可能會將設定解譯為迴歸問題。

選擇量值作為目標時，您可以直接將基本彙總套用至設定內的欄位，或者如果您想要使用更複雜的運算式，可以選取現有的主項目。

二元分類分析

如果您的目標僅包含兩個唯一值 (例如，是或 否)，關鍵驅動因素分析會將設定解譯為二元分類問題。二元分類分析是透過選取二元維度作為目標來建立。

舉一個常見的例子，如果您的應用程式中有一個 流失 欄位來追蹤哪些客戶取消了特定服務，您可以選取 流失 欄位作為目標，以發掘推動這些客戶決策的因素。

特性

特性是您的關鍵驅動因素。這些欄位包含有關影響資料趨勢的可擷取資訊。例如，當您建立關鍵驅動因素分析以識別銷售背後的影響因素時，您可能會選取維度，例如 位置、產品類型、商店編號和 銷售代表作為特性。計算的量值也可以用作特性。

您應該只包含含有可記錄資料的特性，且這些資料是在您收集目標資料的時間點之前收集的。如果您包含的特性含有您在收集目標資料時才會知道的資料，分析將會出現偏差，且無法提供分析價值。

例如，如果您的目標是 銷售額，您不應該包含含有直接衍生自該目標之資料的特性。同樣地，如果您的目標是具有二元結果 (是或 否) 的 流失 欄位，您不應該包含含有客戶流失日期的特性。

如需有關如何識別無效分析結果的詳細資訊，請參閱 識別無效結果。

特性會被指派為下列兩種類型之一：

• 類別特性：包含基於不同、重複類別之資料值的特性。類別特性的範例可以是 洲 欄位，其中只有少數可能的值，且這些值不會被解譯為原始數值資料，而是作為文字。數字可以用作類別。

• 數值特性：資料值純粹是數值資料且不屬於類別的特性。

所有包含的特性都會經過特別分析，以判斷每個特性對目標中目前資料的影響程度。

如需有關目標和包含特性之要求的詳細資訊，請參閱 資料要求。

應用程式選取項目

您在應用程式中進行的選取項目會用於關鍵驅動因素分析。例如，您可能想要發掘銷售的關鍵驅動因素，但在包含 商店編號 維度作為特性時，您可能只想分析組織中五家特定商店的影響。為此，您可以在應用程式中選取這些值，然後設定關鍵驅動因素分析。

因為選取項目基本上是套用至資料模型的篩選條件，所以請務必注意，在一個欄位中進行選取可能會影響可用於分析的可用資料。

租用戶訂閱的考量事項

關鍵驅動因素分析依賴 Qlik Predict 來計算特性對目標的影響。它透過建立機器學習模型來執行此操作，這些模型用於計算所選資料子集中對應於包含特性之資料點的 SHAP 值。

建立關鍵驅動因素分析會消耗由 Qlik Predict 計量的服務。大多數 Qlik Cloud 訂閱都包含一定數量的 Qlik Predict 使用量。如果需要更多容量，則需要升級至 Qlik Predict 的付費層級。

請向您的服務帳戶擁有者確認，並查閱您正在使用的訂閱條款，以了解您使用關鍵驅動因素分析的容量。

下列資源可提供其他詳細資料：

• 簡介自動化機器學習

• Qlik Cloud® 訂閱的產品說明

資料要求

最低資料量要求

從您的目標和特性建立的資料集必須至少有 400 個儲存格。否則，您無法執行分析。

其他要求

下列要求適用於從您的分析設定建立的資料集：

• 目標必須包含至少兩個唯一值。

• 如果目標包含兩到十個唯一值，則每個唯一值必須在資料集中出現至少十次記錄。

如果您在執行關鍵驅動因素分析時遇到錯誤，可能是您為分析選取的資料不符合這些要求。如需您可能遇到的其他問題及可能的解決方案清單，請參閱 疑難排解 。

在 Qlik Sense 中使用關鍵驅動因素分析

下列說明主題可協助您開始在 Qlik Sense 中建立和解譯關鍵驅動因素分析：

• 在 Qlik Sense 中建立關鍵驅動因素分析

• 檢視並解讀關鍵驅動因素分析的結果

限制

以下提供關鍵驅動因素分析的限制清單：

• 包含日期、時間或時間戳記資料類型的欄位不支援用作目標或特性。