Già da diverse versioni, Tableau Desktop mette a disposizione alcuni strumenti per prevedere come si comporteranno i dati che stiamo analizzando. Stiamo parlando delle opzioni di Forecast delle quali avevamo già trattato in maniera approfondita in due diversi articoli (parte 1 e parte 2).
Con l’arrivo della nuova versione 2020.3, Tableau ha introdotto nuove funzionalità nell’ambito dell’analisi previsionale. Raccogliendo infatti le richieste della community, Tableau includerà nuove funzioni da poter utilizzare nei campi calcolati: MODEL_PERCENTILE e MODEL_QUANTILE.
Queste funzioni generano delle Table Calculation che permettono di aumentare il grado di flessibilità con cui realizzare le previsioni, permettendo di ricalcolare le analisi in base ai dati visualizzati e dunque operando su gerarchie, filtri, parametri, mark selezionati e LOD.
Facciamo qualche esempio andando a utilizzare la datasource World Indicators, presente nell’installazione di Tableau Desktop; per ottenere delle distribuzioni più consone, ai fini d’esempio opereremo delle trasformazioni logaritmiche.
Iniziamo con una visualizzazione che confronta la spesa sanitaria di ogni paese con l’aspettativa di vita femminile, filtrata per l’anno 2012.
MODEL_PERCENTILE
Con la nuova Table Calculation MODEL_PERCENTILE potremo ottenere la probabilità che un valore non osservato possa essere minore o uguale a un dato osservato, definito dal target expression, basandosi su un altro dato che svolge il ruolo di predittore. Questa funzione, per coloro che hanno competenze statistiche o che comunque fossero interessati, coincide con la funzione per la distribuzione predittiva a posteriori conosciuta anche come Cumulative Density Function (CDF) e potrà assumere un valore tra 0 e 1.
La sintassi di questa funzione è:
MODEL_PERCENTILE (target_expression, predictor_expression)
che applicata al nostro esempio sarà
MODEL_PERCENTILE(AVG([Life Expectancy Female]), LOG(MEDIAN([Health Exp/Capita])))
- target_expression: corrisponde alla misura che il modello deve stimare;
- predictor_expression: il secondo (o aggiuntivi) argomenti sono i predittori (valori dunque strettamente legati con la misura che si sta stimando) e definiscono il modello; in questo caso è possibile utilizzare, Misure o Dimensioni o entrambi.
Come usare e interpretare MODEL_PERCENTILE
Il motivo principale per cui si può utilizzare questa nuova funzione in Tableau è quello di evidenziare possibili correlazioni e relazioni presenti all’interno del proprio dataset. Più il valore risultabte sarà vicino allo 0,5 più vicino sarà alla mediana dell’intervallo e ai valori modellati; laddove il valore sarà vicino allo 0 o a 1, il caso osservato sarà al limite di ciò che il modello impostato ipotizza, dati i predittori selezionati.
MODEL_QUANTILE
La funzione MODEL_QUANTILE restituisce il valore obiettivo ad un determinato percentile, basandosi su altri criteri predittivi (Posterior Predictive Quantile). Il risultato ottenuto sarà un valore con un raggio di probabilità definito dal target_expression e dai predittori; è sostanzialmente l’inverso del MODEL_PERCENTILE.
La sintassi di questa Table Calculation è:
MODEL_QUANTILE (percentile, target_expression, predictor_expression)
di cui
- percentile: questo valore deve essere un numero decimale tra lo 0 e 1 e specifica il percentile che dovrà essere utilizzato per la stima (per esempio 0,5 equivale alla mediana del valore di riferimento);
- target_expression: corrisponde alla misura che il modello deve stimare;
- predictor_expression: il terzo argomento corrisponde al valore predittore che si vorrà considerare nel modello (ricordando che come con la MODEL PERCENTILE, anche qui gli argomenti potranno essere più di uno in base alle nostre analisi).
Come usare e interpretare MODEL_QUANTILE
La principale applicazione di questa nuova funzione è quella di generare previsioni numeriche, dati i predittori e percentile target specificato. MODEL_QUANTILE inoltre può stimare eventuali valori mancanti ma anche effettuare proiezioni per date future, o ancora ipotizzare scenari differenti in cui le relazioni esistenti nel dataset vengono ridefinite. Infine un’applicazione altrettanto importante, quando si tratta di compiere stime e ipotesi, sarà quella di calcolare intervalli di confidenza per quantificare il livello di incertezza delle stesse previsioni.
Ora che hai scoperto le nuove funzionalità per creare modelli previsionali in Tableau, non ci sono più scuse per non usarlo! Scarica subito la tua versione di prova qui. Continua a seguirci sul nostro blog e sui nostri canali social LinkedIn e Facebook.
