Analiza została przeprowadzona na zbiorze Sample - Superstore
Subset, dostępnym w katalogu My Tableau Repository po zainstalowaniu Tableau.
Wykresy zamieszczone w artykule będą przedstawiały zależność zmiennej Profit
(zysk) lub Sales (sprzedaż), zagregowanych po sumie, od czasu.
SEZONOWOŚĆ
Rysowanie tradycyjnych wykresów liniowych dla szeregów czasowych
często bywa nieskuteczne w ich analizie, ponieważ ciężko jest uchwycić na
jednym wykresie jednocześnie trend i cykl. Na poniżej zamieszczonym wykresie
uchwycona została cykliczność zysku w poszczególnych miesiącach, jednak nie
udało się uchwycić trendu
w kolejnych latach.
Na kolejnym wykresie udało się uchwycić rosnący trend zysku, natomiast
nie możemy z niego wywnioskować jak przedstawia się zysk w poszczególnych
miesiącach.
Wykres
cykliczności jest wykresem liniowym,
który umożliwia badanie sezonowości w szeregu czasowym, poprzez rozłożenie go
na części składowe. Pozwala to na zauważenie pewnych wzorców w zachowaniu
szeregu i skupienie się na badaniu wyszczególnionych składników. Na wykresach
panelowych mamy możliwość zawarcia informacji dotyczącej zarówno trendu jak i
cyklu.
Z powyższego wykresu możemy wywnioskować, że ogólny trend zysku
jest rosnący, a dodatkowo możemy zaobserwować jak zmienia się średni zysk w
poszczególnych miesiącach, z uwzględnieniem lat. Zysk jest największy w
miesiącu listopad.
Przyjrzyjmy się jeszcze wykresowi zysku w poszczególnych latach, z uwzględnieniem miesięcy. Widzimy, że w każdym roku trend zysku
jest rosnący oraz, że każdego roku największy zysk został uzyskany w miesiącu
listopad.
Dzięki takiemu przedstawianiu szeregów finansowych możemy
wyciągnąć wiele interesujących nas wniosków niemalże na pierwszy rzut oka.
LINIE I OBSZARY
KONTROLNE
Skutecznym
sposobem na szybkie wychwycenie obserwacji odstających w szeregach czasowych jest rysowanie linii i obszarów kontrolnych.
By uruchomić w Tableau kreator tworzenia linii i obszarów referencyjnych
wystarczy najechać wskaźnikiem myszy na interesującą nas oś i użyć prawego
przycisku.
Przyjrzyjmy się wykresowi przedstawiającemu sumaryczną sprzedaż w poszczególnych miesiącach. Niebieską przerywaną linią została
oznaczona średnia sprzedaż, natomiast czerwonymi przerywanymi liniami granice
obszaru kontrolnego (Upper Control Line oraz Lower Control Line). Obserwacje
wypadające poza obszar kontrolny zostały oznaczone kolorem czerwonym.
Upper Control Line oraz Lower Control Line zostały utworzone za
pomocą pól kalkulowanych, zależnych od parametru Choose Standard
Deviations.
Na naszym wykresie każda z nich jest oddalona o wartość jednego
odchylenia standardowego od średniej, jednak możemy manipulować tą odległością
za pomocą suwaka (prawy górny obrazka, tuż przy wykresie), który odpowiada za
wartość parametru Choose Standard Deviations. Przy tworzeniu wykresu z menu
dotyczącego linii i obszarów referencyjnych zostały wybrane następujące opcje:
Efekt pokolorowania obserwacji wypadających poza obszar
kontrolny został uzyskany przez wrzucenie nowo utworzonej zmiennej binarnej Key
Performance Indicator na kontrolkę Color.
ŚREDNIA RUCHOMA
Średnia ruchoma
(średnia krocząca) dla szeregów czasowych jest obliczana dla każdej z
obserwacji (okresu) jako średnia z ustalonej liczby okresów poprzedzających lub następujących w czasie późniejszym. Można ją wykorzystywać
do prognozowania przyszłego zachowania szeregu, tzn. prognoza na okres n + 1
jest równa średniej arytmetycznej z k ustalonych obserwacji historycznych. Na
przykład dla k = 3 (jak na poniższym wykresie) będzie to średnia arytmetyczna z
obserwacji n – 2, n – 1, n.
Średnia ruchoma Moving Average została obliczona za pomocą pola
kalkulowanego, zależnego dodatkowo od parametrów From i To. Tableau
automatycznie pokolorował dwie nałożone na wykres linie różnymi kolorami.
Predykcja metodą średniej ruchomej dobrze radzi sobie z
występowaniem charakterystycznego wśród szeregów finansowych zjawiska, zwanego
grupowaniem wariancji (skupiska małej i dużej zmienności pojawiają się w „paczkach”).
KOMENTARZE