Visualiser multivariate data ved hjælp af et radardiagram i Amazon QuickSight

Visualiser multivariate data ved hjælp af et radardiagram i Amazon QuickSight

Tidsstempel: 31. januar 2023 4:22
Kildeknude: 1933723

På AWS re:Invent 2022 annoncerede vi den generelle tilgængelighed af to nye Amazon QuickSight visuals: små multipla , tekstbokse. Vi er glade for at tilføje endnu et nyt visual til QuickSight: radarkort. Med radardiagrammer kan du sammenligne to eller flere elementer på tværs af flere variabler i QuickSight.

I dette indlæg udforsker vi radardiagrammer, dets anvendelsestilfælde og hvordan man konfigurerer et.

Hvad er et radarkort?

Radardiagrammer (også kendt som edderkoppekort, polære diagrammer, webdiagrammer eller stjerneplot) er en måde at visualisere multivariate data på, der ligner et diagram med parallelle koordinater. De bruges til at plotte en eller flere grupper af værdier over flere fælles variable. De gør dette ved at give en akse for hver variabel, og disse akser er arrangeret radialt omkring et centralt punkt og fordelt ligeligt. Midten af ​​diagrammet repræsenterer minimumsværdien, og kanterne repræsenterer maksimumværdien på aksen. Dataene fra en enkelt observation er plottet langs hver akse og forbundet til at danne en polygon. Flere observationer kan placeres i et enkelt diagram ved at vise flere polygoner.

Overvej for eksempel, at HR ønsker at sammenligne medarbejdertilfredshedsscore for forskellige afdelinger som salg, marketing og økonomi med forskellige målinger såsom balance mellem arbejde og privatliv, mangfoldighed, rummelighed, vækstmuligheder og lønninger. Som vist i det følgende radardiagram danner hver medarbejdermetrik aksen, hvor hver afdeling er repræsenteret af individuelle serier.

En anden effektiv måde at sammenligne radardiagrammer på er at sammenligne en given afdeling med gennemsnits- eller basisværdien. For eksempel føler salgsafdelingen sig mindre kompenseret i forhold til baseline, men rangerer højt på balancen mellem arbejde og privatliv.

Hvornår skal man bruge radarkort

Radardiagrammer er en god mulighed, når pladsen er en begrænsning, og du vil sammenligne flere grupper i et kompakt rum. Radarkort bruges bedst til følgende:

  • Visualisering af multivariate data, såsom at sammenligne biler på tværs af forskellige statistikker som kilometertal, maks. hastighed, motorkraft og køreglæde
  • Komparativ analyse (sammenligning af to eller flere elementer på tværs af en liste over almindelige variabler)
  • Spot outliers og fællestræk

Sammenlignet med parallelle koordinater er radarkort ideelle, når der er nogle få grupper af elementer, der skal sammenlignes. Du skal også være opmærksom på ikke at vise for mange variabler, hvilket kan få diagrammet til at se rodet og svært at læse ud.

Tilfælde af brug af radarkort

Radardiagrammer har en bred vifte af industritilfælde, hvoraf nogle er som følger:

  • Sportsanalyse – Sammenlign atletpræstationer på tværs af forskellige præstationsparametre for udvælgelseskriterier
  • Strategi – Sammenlign og mål forskellige teknologiomkostninger mellem forskellige parametre, såsom kontaktcenter, krav, massive krav og andre
  • Salg – Sammenlign salgsrepræsentanters ydeevne på tværs af forskellige parametre som lukkede aftaler, gennemsnitlig aftalestørrelse, netto nye kundegevinster, samlet omsætning og aftaler i pipelinen
  • Callcentre – Sammenlign callcenterpersonalets præstation med personalegennemsnittet på tværs af forskellige dimensioner
  • HR – Sammenlign virksomhedens resultater med hensyn til mangfoldighed, balance mellem arbejde og privatliv, fordele og mere
  • Brugerundersøgelse og kundesucces – Sammenlign kundetilfredshedsscore på tværs af forskellige dele af produktet

Forskellige radarkortkonfigurationer

Lad os bruge et eksempel på visualisering af personalepræstationer inden for et team ved at bruge følgende prøvedata. Målet er at sammenligne medarbejdernes præstation baseret på forskellige kvaliteter som kommunikation, arbejdskvalitet, produktivitet, kreativitet, pålidelighed, punktlighed og tekniske færdigheder, der spænder mellem en score på 0-10.

For at tilføje et radarkort til din analyse skal du vælge radarkortikonet fra den visuelle vælger.

Afhængigt af din use case og hvordan dataene er struktureret, kan du konfigurere radarkort på forskellige måder.

Værdi som akse (faneblad UC1 og 2 fra datasættet)

I dette scenarie er alle kvaliteter (kommunikation, pålidelighed og så videre) defineret som mål, og medarbejderen defineres som en dimension i datasættet.

For at visualisere disse data i et radardiagram skal du trække alle variablerne til Værdier felt godt og den Employee felt til Farve felt godt.

Kategori som akse (faneblad UC1 og 2 fra datasættet)

En anden måde at visualisere de samme data på er at vende serie- og aksekonfigurationen, hvor hver kvalitet vises som en serie, og medarbejdere vises på aksen. Til dette skal du trække Employee felt til Boligtype felt godt og alle kvaliteter til Værdi felt godt.

Kategori som akse med farve (UC3-faneblad fra datasættet)

Vi kan visualisere samme use case med en anden datastruktur, hvor alle kvaliteter og medarbejdere er defineret som en dimension og scorer som værdier.

For at opnå denne use case skal du trække det felt, du vil visualisere som aksen til Boligtype felt og individuelle serier til Farve Mark. I vores tilfælde valgte vi Qualities som vores akse, tilføjet Score til Værdi felt godt, og visualiserede værdierne for hver medarbejder ved at tilføje Employee til Farve felt godt.

Styling radar diagrammer

Du kan tilpasse dine radardiagrammer med følgende formateringsmuligheder:

  • Serie stil – Du kan vælge at vise diagrammet som enten en linje (standard) eller områdeserie

  • Startvinkel – Som standard er dette indstillet til 90 grader, men du kan vælge en anden vinkel, hvis du vil rotere radarkortet for bedre at udnytte den tilgængelige ejendom

  • Fyld område – Denne mulighed anvender ulige/lige farver til plotområdet

  • Gitterform – Vælg mellem cirkel eller polygon til gitterform

Resumé

I dette indlæg har vi set på, hvordan radardiagrammer kan hjælpe dig med at visualisere og sammenligne elementer på tværs af forskellige variabler. Vi lærte også om de forskellige konfigurationer, der understøttes af radardiagrammer og stylingmuligheder for at hjælpe dig med at tilpasse dens udseende og følelse.

Vi opfordrer dig til at udforske radardiagrammer og efterlad en kommentar med din feedback.

Om forfatteren

Bhupinder Chadha er senior produktchef for Amazon QuickSight med fokus på visualisering og frontend-oplevelser. Han brænder for BI, datavisualisering og low-code/no-code oplevelser. Før QuickSight var han den ledende produktchef for Inforiver, ansvarlig for at bygge et enterprise BI-produkt fra bunden. Bhupinder startede sin karriere i presales, efterfulgt af en lille koncert i rådgivning og derefter PM for xViz, et tilføjelsesprodukt til visualisering.

Tidsstempel:

Mere fra AWS Big Data