Visualiseerige mitme muutujaga andmeid, kasutades Amazon QuickSighti radari diagrammi

AWS re:Invent 2022 raames teatasime kahe uue üldisest saadavusest Amazon QuickSight visuaalid: väikesed mitmikud ja tekstikastid. Meil on hea meel lisada QuickSightile veel üks uus visuaal: radarikaardid. Radaridiagrammidega saate QuickSightis võrrelda kahte või enamat üksust mitme muutuja vahel.

Selles postituses uurime radarikaarte, nende kasutusjuhtumeid ja selle konfigureerimist.

Mis on radari diagramm?

Radaridiagrammid (tuntud ka kui ämblik-, polaar-, veebi- või tähediagrammid) on viis mitme muutujaga andmete visualiseerimiseks, mis sarnanevad paralleelkoordinaatide diagrammiga. Neid kasutatakse ühe või mitme väärtusrühma joonistamiseks mitme ühise muutuja peale. Nad teevad seda, pakkudes igale muutujale telje ja need teljed on paigutatud radiaalselt ümber keskpunkti ja asetsevad võrdsete vahedega. Diagrammi keskosa tähistab minimaalset väärtust ja servad tähistavad telje maksimaalset väärtust. Ühe vaatluse andmed kantakse piki igat telge ja ühendatakse hulknurga moodustamiseks. Ühte diagrammi saab paigutada mitu vaatlust, kuvades mitu hulknurka.

Näiteks kaaluge HR-i, kui soovite võrrelda erinevate osakondade (nt müügi-, turundus- ja rahandusosakondade) töötajate rahulolu skoori erinevate näitajatega, nagu töö ja eraelu tasakaal, mitmekesisus, kaasatus, kasvuvõimalused ja palgad. Nagu on näidatud järgmisel radaridiagrammil, moodustab iga töötaja mõõdik telje, kusjuures iga osakond on esindatud üksikute seeriatena.

Teine tõhus viis radarikaartide võrdlemiseks on võrrelda antud osakonda keskmise või lähteväärtusega. Näiteks müügiosakond tunneb end algtasemega võrreldes vähem kompenseerituna, kuid on töö- ja eraelu tasakaalu osas kõrgel kohal.

Millal radarikaarte kasutada

Radaridiagrammid on suurepärane võimalus, kui ruumi on piiratud ja soovite võrrelda mitut rühma kompaktses ruumis. Radargraafikuid on kõige parem kasutada järgmistel juhtudel:

• Mitme muutujaga andmete visualiseerimine, näiteks autode võrdlemine erinevate statistiliste andmete alusel, nagu läbisõit, maksimaalne kiirus, mootori võimsus ja sõidunauding
• Võrdlev analüüs (kahe või enama üksuse võrdlemine tavaliste muutujate loendis)
• Kohalikud kõrvalekalded ja ühisosa

Võrreldes paralleelsete koordinaatidega, on radarikaardid ideaalsed, kui võrreldakse mõnda üksuste rühma. Samuti peaksite meeles pidama, et ei kuvataks liiga palju muutujaid, mis võib muuta diagrammi segaseks ja raskesti loetavaks.

Radardiagrammide kasutusjuhtumid

Radaridiagrammidel on lai valik tööstuslikke kasutusjuhtumeid, millest mõned on järgmised:

• Spordianalüütika – Valikukriteeriumide jaoks võrrelge sportlase sooritust erinevate sooritusparameetrite lõikes
• Strateegia - Võrrelge ja mõõtke erinevaid tehnoloogiakulusid erinevate parameetrite vahel, nagu kontaktkeskus, nõuded, suured nõuded ja muud
• Müük - Võrrelge müügiesindajate toimivust erinevate parameetrite alusel, nagu suletud tehingud, tehingu keskmine suurus, uute klientide netovõidud, kogutulu ja pooleli olevad tehingud
• Kõnekeskused – Võrrelge kõnekeskuse personali jõudlust töötajate keskmisega eri dimensioonides
• HR – Võrrelge ettevõtte tulemusi mitmekesisuse, töö ja eraelu tasakaalu, hüvitiste ja muu osas
• Kasutajauuringud ja klientide edu – Võrrelge kliendirahulolu hindu toote eri osade lõikes

Erinevad radarikaardi konfiguratsioonid

Kasutame näidet personali tulemuslikkuse visualiseerimiseks meeskonnas, kasutades järgmist näidisandmed. Eesmärk on võrrelda töötajate tulemuslikkust erinevate omaduste alusel, nagu suhtlemine, töökvaliteet, tootlikkus, loovus, töökindlus, täpsus ja tehnilised oskused, mis jäävad vahemikku 0–10.

Analüüsile radarikaardi lisamiseks valige visuaalsest valijast radarikaardi ikoon.

Olenevalt kasutusjuhust ja andmete struktureerimisest saate radarikaarte konfigureerida erineval viisil.

Väärtus teljena (vahekaart UC1 ja 2 andmestikust)

Selle stsenaariumi korral on kõik omadused (suhtlus, töökindlus jne) määratletud meetmetena ja töötaja määratletakse andmestiku dimensioonina.

Nende andmete visualiseerimiseks radardiagrammis lohistage kõik muutujad Väärtused valdkonnas hästi ja Employee väljale Värv põllu hästi.

Kategooria kui telg (vahekaart UC1 ja 2 andmestikust)

Teine võimalus samade andmete visualiseerimiseks on pöörata seeria ja telje konfiguratsioon, kus iga kvaliteet kuvatakse seeriana ja töötajad kuvatakse teljel. Selleks lohistage Employee väljale Kategooria valdkonnas hästi ja kõik omadused Väärtus põllu hästi.

Kategooria värviteljena (vahekaart UC3 andmestikust)

Sama kasutusjuhtumit saame visualiseerida erineva andmestruktuuriga, kus kõik omadused ja töötajad on defineeritud dimensioonina ning hinded väärtustena.

Selle kasutusjuhtumi saavutamiseks lohistage väli, mida soovite teljena visualiseerida, Kategooria valdkonnas ja üksikute seeriate Värv valdkonnas. Meie puhul valisime Qualities kui meie telg, lisas Score Euroopa Väärtus välja hästi ja visualiseeris iga töötaja väärtused lisades Employee Euroopa Värv põllu hästi.

Radarikaartide kujundamine

Saate oma radarikaarte kohandada järgmiste vormindamisvalikutega.

• Sarja stiil - Saate valida diagrammi kuvamise kas joonena (vaikeseade) või pindalasarjana

• Algusnurk – Vaikimisi on selleks seatud 90 kraadi, kuid kui soovite radaridiagrammi pöörata, et saadaolevat kinnisvara paremini kasutada, saate valida teise nurga.

• Täitke ala – See suvand rakendab krundialale paaritu/paarisvärvuse

• Võre kuju - Valige ruudustiku kuju jaoks ringi või hulknurga vahel

kokkuvõte

Selles postituses vaatlesime, kuidas radaridiagrammid aitavad teil erinevate muutujate kaupa visualiseerida ja võrrelda. Samuti õppisime tundma erinevaid konfiguratsioone, mida toetavad radarikaardid ja stiilivalikud, mis aitavad teil selle välimust ja tunnet kohandada.

Soovitame teil uurida radarikaardid ja jätke oma tagasisidega kommentaar.

---

Andmeid autor

Bhupinder Chadha on Amazon QuickSighti vanem tootejuht, kes keskendub visualiseerimisele ja kasutajaliidese kogemustele. Ta on kirglik BI, andmete visualiseerimise ja madala koodi/koodita kogemuste vastu. Enne QuickSighti oli ta Inforiveri juhtiv tootejuht, kes vastutas ettevõtte BI-toote loomise eest algusest peale. Bhupinder alustas oma karjääri eelmüügiga, millele järgnes väike kontsert nõustamise alal ja seejärel PM visualiseerimistoote xVizi jaoks.

• SEO-põhise sisu ja PR-levi. Võimenduge juba täna.
• Platoblockchain. Web3 metaversiooni intelligentsus. Täiustatud teadmised. Juurdepääs siia.
• Allikas: https://aws.amazon.com/blogs/big-data/visualize-multivariate-data-using-a-radar-chart-in-amazon-quicksight/