Đây là phần thứ hai của tài liệu dành riêng cho Oracle Analytics. Trong phần trước, chúng ta đã bắt đầu hành trình của mình và học cách tạo Reference Line, Forecast Line with Sales data. Nó cho chúng tôi một số nhận xét cần thiết về các sản phẩm có hiệu suất vượt trội hoặc mối quan hệ giữa Doanh số và Lợi nhuận.
Trong phần này, chúng ta sẽ tiếp tục sử dụng các tính năng Nâng cao. Ở đây, mục tiêu của chúng tôi là tạo ra các Outliers and Clusters để xác định các điểm dữ liệu bất thường trong bộ dữ liệu và xác định nhóm khách hàng.
Trước khi chúng tôi bắt đầu các nhiệm vụ mới, chúng tôi khuyên bạn nên làm mới kiến thức của mình bằng cách chuyển sang phần trước của tài liệu. Chúng tôi sẽ sử dụng thiết lập dự án ở giai đoạn đó.
Table of Contents
Sử dụng Outlier Line
Mục đích của Outlier là làm nổi bật sự bất thường trong các điểm dữ liệu trên một hình ảnh cụ thể. Nó cung cấp các thuật toán K-Means và Hierarchical Clustering
- Tạo một canvas mới và kéo và thả City và Sales vào bảng Visualization
- Chọn loại biểu đồ Category
- Nhấp chuột phải vào Visual > Add Statistics > Outliers
- Xóa Order Date ra khỏi bảng bộ lọc
Trong hình ảnh, bạn có thể thấy những điểm bất thường (dị thường) có màu xanh lục. Các điểm dữ liệu này ở cả phía trên và phía dưới, chẳng hạn như thành phố Hồng Kông. Những ngoại lệ này yêu cầu điều tra thêm.
Trong trường hợp của chúng tôi, để tìm hiểu lý do tại sao Hồng Kông lại là một nơi khác, chúng tôi tạo ra một hình ảnh mới. Nó sẽ hiển thị những gì đã xảy ra và mối quan hệ giữa Sales và Profit.
- Kéo và thả Sales và Profit. vào bảng Visualization. Chọn loại biểu đồ đường
- Kéo và thả Order Date vào Category (Trục X)
Hình ảnh hiển thị Doanh số bán hàng bất thường của ngày 25 tháng 12 năm 2013 trên biểu đồ Đường – Doanh số bán hàng tăng rất cao. Từ đó, chúng tôi có thể tiếp tục đi sâu vào dữ liệu đến mức chi tiết.
Bây giờ, chúng ta hãy cố gắng làm nổi bật những điểm bất thường bằng nhiều biện pháp.
- Kéo và thả City, Profit Sales vào Visualization
- Chọn loại biểu đồ Scatter và Add Statistics > Clusters
Việc phân loại các giá trị ngoại lai khác nhau dựa trên các thước đo:
Sử dụng Clusters
Mục đích của Cluster Analysis là xác định các nhóm điểm dữ liệu đồng nhất. Nó cũng cung cấp các thuật toán K-Means và Hierarchical Clustering .
- Tạo một canvas mới trong tên Cluster
- Kéo và thả City, Profit Sales vào bảng Visualization
- Chọn loại biểu đồ Scatter và Add Statistics > Clusters
Hình ảnh phân cụm dữ liệu của bạn thành 5 nhóm. Trong bảng điều khiển dưới cùng bên trái, bạn có thể thay đổi số lượng nhóm bằng cách cập nhật Groups: :
Groups: là một tính năng hữu ích giúp xác định các nhóm đồng nhất hoặc phân khúc khách hàng của bạn. Các nhóm được phân nhóm cho phép bạn hiểu thêm về những khách hàng có cùng sự khác biệt như nhân khẩu học hoặc hành vi.
Sử dụng tính năng Explain
Các tính năng của Phân tích nâng cao cho phép chúng tôi đi sâu vào bộ dữ liệu với sự trợ giúp của Trend Line, Forecast, Outliers, or Clusters . Tuy nhiên, bạn cần phải áp dụng các tính năng đó theo cách thủ công. Mặt khác, Oracle Analytics cũng bao gồm các quy trình tự động để nhanh chóng nhận ra các mẫu và xu hướng của tập dữ liệu, tìm ra các điểm bất thường (bất thường) và tách biệt các phân đoạn có ý nghĩa dự đoán cao nhất. Tính năng này là Explain trong Oracle Analytics.
- Tạo một canvas mới có tên là Explain
- Nhấp chuột phải vào Profit > Explain Profit
Tính năng này là Học máy (ML). Nó trình bày cách các thước đo đã chọn liên quan đến tất cả các thuộc tính trong tập dữ liệu của bạn. Nó cũng trình bày các chức năng của Anomalies .
Phần Thông tin cơ bản về Lợi nhuận hiển thị danh sách các hình ảnh – giá trị Lợi nhuận và cách chúng liên quan với nhau. Bạn có thể chọn bất kỳ hình ảnh nào để thêm vào canvas của mình.
Nhấp vào Anomalies of Profit – chức năng này trình bày các kết quả bất ngờ về Profit . Ví dụ: bạn có thể xem các câu chuyện tự động được tạo:
- Khi Ship Mode là Xe tải giao hàng , chúng tôi dự kiến Lợi nhuận cho Thành phố : Sao Paulo là 9.617,48. Tuy nhiên, nó là 21.317,51. Sự khác biệt là 11.700,03.
- Khi Product Category là Đồ dùng văn phòng , chúng tôi dự kiến Lợi nhuận cho Thành phố: Paris là 5,201,16. Tuy nhiên, nó là 19.854,68. Sự khác biệt là 14.653,52.
Hãy cùng xác minh câu chuyện về lợi nhuận ở Paris là ngoại lệ như thế nào khi Product Category is Office Supplies. Nếu chúng ta muốn thêm hình ảnh tự động vào canvas, hãy nhấp vào nút đánh dấu trên visual > Add Selected:
- Kéo và thả Profit và City vào Visualization
- Chọn loại biểu đồ Danh mục
- Thêm Product Category vào bộ lọc canvas và chọn Product Category Office Supplies
- ThêmOutliers vào visual
Như bạn thấy, Paris là ngoại lệ của điểm dữ liệu profit.
Nó tương tự như tính năng Explain khi nó cung cấp hình ảnh tự động thay vì sử dụng chức năng Outlier thủ công.
Sự kết luận
Hướng dẫn hiện tại đã giúp chúng tôi khám phá các tính năng Phân tích nâng cao hiệu quả như Cụm, Ngoại lệ và Giải thích.
Outliers nêu bật những điểm bất thường của tập dữ liệu và khám phá lý do của chúng trong hoạt động kinh doanh.
Clusters làm nổi bật các nhóm đồng nhất. Bạn có thể áp dụng tính năng này để tìm các khách hàng theo nhóm có cùng đặc điểm, hành vi, v.v. Nó giúp chạy chiến dịch hiệu quả hơn.
Explain là một quá trình tự động giúp người dùng làm việc trên các tính năng nêu trên một cách tự động.
Tùy thuộc vào yêu cầu của bạn, bạn sẽ chọn các chức năng phù hợp và áp dụng chúng vào phân tích của bạn.
Nguồn: Internet
Chúng tôi chuyên cung cấp các dịch vụ về Xây dựng Kho dữ liệu Data Warehouse/ Xây dựng Báo cáo Power BI cho các doanh nghiệp lớn như: Nakagawa, Mutoshi, Tinh Vân Group,….. đăng ký ngay để được Demo và tư vấn miễn phí dành riêng cho doanh nghiệp của bạn.
