Data Vizard

Niedawny release Tableau 2018.3 przynosi wiele nowych funkcji. Wśród nich znajdziemy prawdziwe heat mapy (koniec z kombinowaniem), przezroczyste wykresy (z tego wyniknie więcej złego niż dobrego), oraz set actions, czyli nowy typ interakcji bazujący na zbiorach. Poza oczywistą użytecznością analityczną  otwiera to szereg nowych możliwosći z pogranicza UX i UI. Przykład użycia set actions Jedną z takich opcji opiszę na przykładzie ostatniego #MakeoverMonday , gdzie skupiliśmy się na wizualizacji Davida McCandlessa - Diversity in Tech . Postanowiłem jak najwierniej odwzorować ją w Tableau, kładąc duży nacisk właśnie na znakomity UX. Tutaj kluczowe były dwa elementy - filtrowanie po kliknięciu na rok, oraz sortowanie po kliknięcu w nagłówek. Tak wygląda w Tableau efekt końcowy:  #MakeoverMonday week 46 - Diversity in Tech. This week I simply recreated @mccandelish viz using Tableau. I used #SetAction to recreate the click-on filtering and sorting. ...

Korzystając z okazji, że w tym tygodniu moja wizualizacja została wyróżniona w MakeoverMonday , oraz, że w zasadzie wszystkie ostatnie wpisy były dosyć techniczne, dziś skupię się na czymś lżejszym. Przedstawiam wykres z dynamicznym punktem odniesienia (nazwa autorska, patent pending). Kliknij aby przejść do Tableau Public Idea Zamysł był taki, aby korzystając z parametru wybierać punkt odniesenia (benchmark) - w tym przypadku miasto. Po wybraniu punktu widzimy jaka jest różnica (w tym przypadku punkty procentowe) pomiędzy innymi miastami. Wykonanie Aby wykonać taki wykres musimy zacząć od stworzenia odpowiednich pól kalkulowanych i parametru sterującego. Dane do parametru (tekstowego) zaciągamy z odpowiedniego pola, korzstystając z tego sprytnego guziczka: Wykorzystując LOD tworzymy pole kalkulowane wyciągające wartość dla wybranego parametrem miasta. Oczywiście w wyrażeniu musimy zawrzeć jakiś poziom agregacji - najlepsze byłoby ATTR(), jednak funkcja ta nie d...

Dziś krótki, praktyczny wpis na temat jitteringu. Brzmi tajemniczo, ale jest (w zamyśle) proste i skuteczne. Na pewno nie raz spotkałeś się z problemem nakładania danych na mapie - czy to z powodu zbyt dużego zagęszczenia, zbyt małej dokładności danych (np. tylko nazwa miasta a nie konkretne współrzędne), czy po prostu w danych było kilka punktów o identycznych koordynatach. Co zrobić w takim momencie? Zabawa kolorem ani detalem nic nie da - unikniesz agregacji punktów ale dalej będą wyświetlane jeden pod drugim. Zawsze można też kombinować i używać pociętych custom shapów i podwójnej osi - nie jest to czytelne ani zazwyczaj nie wygląda dobrze - been there, done that. Poza tym coś takiego zadziała tylko, gdy nakładają się dwa punkty. W każdym z tych scenariuszy z pomocą przychodzi nam właśnie jittering. Jeśli czytasz bloga regularnie, to pewnie zauważyłeś pewne podobieństwo konceptu do hex binning. Cały proces prześledzimy na przykładzie danych dotyczących stadionów w Polsce...