Tableau 表計算 | 移動窗口

02-04

今天兩個例子使用軟體自帶的Superstore數據：

使用銷售（Sales）數據來測試今天要說的技能

我們來做個基本銷售量趨勢圖，如下：

使用的是精確時間

密密麻麻太亂，篩選其中的部分時間來看一下

但是這種視圖對業務分析並不一定有用，一般對於銷售數據、趨勢數據，我們關心的是什麼？比如

銷售劇增的時間段
銷售低谷的時間段

通過分析法，幫分析人員從大量數據篩選出自然日中，銷售額偏低的店鋪預計時間段

假設，門限設置為575$，即，如果某一天的銷售額低於575$，這一天就是需要我們關注的

我們來寫個計算欄位

不要忘記使用技巧，比如直接拖拽

目的是通過計算欄位為數據打標籤，做標記

當銷售額低於575$，標記為 NOK
大於575%標記為OK

好，將這個計算欄位拖入Color Mark，可以得到如下結果

灰色是大於等於575$
紅色是小於575$

但是，結果雖然有了，十分不利於查看！

比如，篩選部分時間來看，這種連續過低銷售額的日子，甚至是連續3天，或者4天，應該優先讓我們知道

需要tableau幫我們快速定位我們需要關心的數據

需求

描述如下

設定10天的窗口期的監控區間
如果這個區間內有超過2天（含2天）是低於575$，則突出顯示

說到10天窗口期，想到了什麼？

是的，表計算函數中的Window類函數，ta的作用像是一個移動的窗口。

而Window函數的作用區間是可以通過FIRST和LAST兩個參數控制的。

前邊我們使用IF函數為銷售額打過標籤，NOK和OK

我們可以count NOK的結果，來統計有多少天是銷售額過低

大於等於2，就是我們關注的數據

但是一般我們不這麼寫，這會增加後續的麻煩

來這樣操作：

我們將小於等於575$的標記為數字1
而不是標記為NOK
我們將大於575$的標記為數字0
而不是標記為OK

那麼最終運算，Window區間內求和，大於等於2，即是我們關注的

思路清楚了，開始操作吧！

複習Window類函數

這需要再複習一下Window計算窗口的變換

使用熟悉的例子來測試

1到6月的銷售額為1、2、3、4、5、6

另外，如下例子都是使用 表（向下）的計算依據

Window類函數攜帶3個參數，其中FIRST和LAST為偏移量

起始位偏移
終止位偏移

起始位的偏移

1 Window_SUM函數不做任何偏移（即默認值）

入口FIRST和出口LAST重合
所以表達式結果就等於Sales

2 Window_SUM函數起始偏移1位

入口FIRST偏移，即為向上偏移1位
出口LAST未偏移
所以3，對應的結果就是1+2

9對應的結果就是4+5

3 Window_SUM函數起始偏移2位

入口FIRST偏移，即為向上偏移2位
所以6，對應的結果就是1+2+3
21對應的結果就是6+7+8

4 Window_AVG函數起始偏移2位

偏移量與上一個例子相同，也就是作用範圍相同
只不過這裡不是求和，而是將作用域內的數字求平均

終止位的偏移

1 Window_SUM函數終止為偏移1位

起始位沒有偏移
終止位偏移1位

所以，3的結果就是1+2

2 Window_SUM函數終止為偏移2位

終止位偏移2位
所以，6的結果就是1+2+3

3 Window_SUM函數終止為偏移3位

終止位偏移2位
所以，3的結果就是1+2+3+4

所以結論是:

FIRST偏移的參數為負值
LAST偏移的參數為正值

開始操作

1 部署IF計算欄位

2 部署Window類函數

3 構造視圖

可見，確實有一段時間數據偏低

第二個栗子

這也是使用Superstore模擬的銷售數據

使用日常的銷售數據往往有隨機波動，可以使用移動平均使數據平滑

移動平均的作用？

移動平均數可以有效地消除實際數據值的隨機波動，從而得到較為平滑的數據變動趨勢圖表，通過對歷史趨勢變動的分析，可以預測未來一期或幾期內數據的變動方向

股票分析中叫做均線

Tableau 怎麼製作移動平均呢？製作方法，很簡單

1 先製作趨勢視圖

2 使用快速表計算的，移動平均功能

3 查看公式

其實使用的就是Window_AVG的函數

Window移動平均默認的偏移量為 -2

前邊已經複習過了Window_AVG的實現原理了

入口偏移2位，出口為0，不變
作用範圍為：向上兩位開始，終止與本身所在位置，一共3個數字的作用域
對該作用域的3個數字求平均

默認偏移是2，我們可以根據實際分析情況去設定偏量

注意，並不是越大越好

偏移量為-6

偏移量為-12

可以看出偏移量越大，越平滑

但是，可能會覆蓋掉實際的數據

酌情使用！

更新記錄：

2017-2-6 正月初十發布

Peace！