Простые секреты для улучшения визуализации данных

Безобразный дэшборд может превратить ваши идиллические мечты о визуализации данных в зловещие кошмары, и это вопрос не просто эстетического предпочтения. Если пользовательский интерфейс загроможден, дезорганизован или полностью исключает вашу способность воспринимать и использовать данные, аналитика будет серьезно нарушена.

На этой неделе я раскрою семь моих главных секретов, которые каждый может использовать с целью облагораживания своего «уродливого детища» и придать визуальному взаимодействию больше эффектности.

1. Больше белого пространстваЕсли в вашей аудитории нет страдающих от боязни пустоты, вам нужно воспользоваться белым пространством. Исследование художественного и субъективного восприятия показало, что пустое пространство облегчает распознавание информации, демонстрирует отсутствие информации и контекстуализирует данные, чтобы прояснить резкие отклонения и придать значение размерам элементов.

Создание пробелов в любой визуализации данных или отчете – самый простой способ выделить наиболее важные данные. Старайтесь избегать темного фона, который может конкурировать с цветами диаграммы или усложнить просмотр текста. Не помню, когда мы в последний раз создавали визуализацию с цветным фоном! Сначала это может быть привлекательно, но со временем цветные фоны могут послужить отвлекающими факторами.

2. Уберите беспорядок

Беспорядок можно определить как дезорганизованные визуальные элементы, такие как избыточные строки в диаграммах и повторяющиеся метки, которые обычно скрывают структуру данных. По мнению некоторых исследователей: «Даже в небольшом наборе данных беспорядок может затруднить определение структуры и выявление взаимосвязей». Сделайте все проще, не перегружая правое полушарие мозга наблюдателя визуальными данными, которые на самом деле не несут полезной информации.

Вот перечень наиболее распространенных типов беспорядка, которых следует избегать:

1. Удалите ненужный текст в диаграммах. — Например, вы можете удалить значения по оси x или y, просто указав значения непосредственно на диаграммах или строках диаграммы.
2. Сведите цвета диаграммы до минимума. – Сосредоточьтесь на выделении на диаграмме исключений, а не всех значений.
3. Проверьте окружение диаграммы. – Когда дело доходит до размещения диаграмм — меньше – это больше. Наложение нескольких диаграмм на экран затрудняет определение пользователем той информации, которая является важной. Использование микродиаграмм, больших значений и значков может обеспечить отсутствие перегруженности пользователя подробными диаграммами.
4. Ограничение размеров таблиц. — Строки и столбцы предназначены для отчетов. Когда дело доходит до визуализации, ограничьте длину таблицы не более чем в пять строк. Старайтесь избегать использования линий между таблицами, которые отвлекают и не несут в себе значения.

3. Добавьте иконки

Иконки передают общее понятие более сжато, чем блок текста. Во время одного из исследований, представленных на третьей Международной конференции IEEE по интеллектуальному анализу данных, было отмечено, что организованные значки и глифы могут облегчить зрителям восприятие многомерных наборов данных. К счастью, в Интернете есть много бесплатных ресурсов иконок, в том числе:

• flaticon
• iconspedia
• IconArchive
• Vecteezy
• Adobe Stock

Разумеется, эти ресурсы нужно использовать с умом, поэтому ознакомьтесь с этими замечательными примерами того, как использование иконок может сделать сложные наборы данных более четкими:

• 3-месячное вязание крючком
• Почему шины объединяются?
• Глубина проблемы
• Погибшие во Второй Мировой войне

Мы используем иконки в двух случаях: 1) при наличии доступного пространства и 2) когда это помогает лучше передать смысл. Одна из наших любимых иконок – иконка большого пальца. Мы используем ее для представления лидеров и аутсайдеров. Благодаря Facebook (нравится или не нравится), эти иконки известны во всем мире, и пользователи сразу понимают, что они означают.

4. Используйте набор цветовой палитры

Используйте цвета умеренно. Серые, синие и другие нейтральные тона легко сопоставляются, а цвета RAG (красный, янтарный и зеленый) хороши для выделения каких-либо исключений. И главное – сохранение простой палитры облегчает выбор контекстно-зависимых оттенков, что важно; Исследования в Гарварде показывают, что семантически резонансные цвета облегчают восприятие данных.

Мы стараемся использовать один из двух методов для выбора цветов:

1. Запросить набор брендовых цветов у клиента (в отделе маркетинга)
2. Используя сайты, такие как Color Scheme Designer или Adobe Color Wheel

5. Заменяйте сложные диаграммы простыми

Пауки, водопады и 3D-визуализации привлекательны, но их сложнее расшифровать. Психологи говорят, что сложные графики требуют больших различий для пользователей, чтобы различать данные и формы. Так что придерживайтесь классики, например, столбиков, линий, и искр.

Есть практическое правило, которое заключается в том, чтобы избегать «экзотических» графиков. На этапе создания макета они отлично выглядят благодаря разнообразию, которое они вносят в визуализацию как по текстуре, так и по цвету, но со временем они становятся ненужным довеском в сознании пользователя; они отнимают слишком много времени для восприятия, поэтому придерживайтесь основ. Подобно иконкам, большинство пользователей понимают использование столбиковой или линейной диаграммы, не требуя объяснений. Не нужно изобретать велосипед.

6. Будьте последовательными

Читаемый BI дэшборд поддерживает согласованность в отношении размеров текста, выравнивания диаграмм, форм, меток, заголовков и других элементов. Как отмечает Web Development Group, «непоследовательные элементы запутывают читателя».

Большинство инструментов BI имеют сетки или параметры автоматического выравнивания в своих панелях инструментов, которые делают последовательность легкой. Используйте их. Хотя небольшие ошибки размещения могут казаться невидимыми пользователю, мозг распознает их подсознательно и это может снизить возможность пользователя сосредотачиваться на представленных данных. Вот почему в наших семинарах по визуальному представлению информации мы используем установленную структуру для наших макетов.

Форма макетной структуры BI дэшборда

Мы призываем всех участников использовать наши шаблоны, чтобы избежать «ноу-хау», необходимых для создания идеального макета. Постоянство, когда дело доходит до визуализации данных, ассоциируется с «чистым» видом.

7. Разработка, ориентированная, в первую очередь, на мобильные устройства

То, что отлично выглядит на компьютере, может показаться достаточно искаженным на смартфоне или планшете. Поскольку вы, в конечном счете ограничены размерами мобильных устройств, облагородьте визуализацию данных, разработав интерфейс, макет и другие факторы, связанные с мобильным экраном не менее 10 дюймов.

Менталитет проектирования мобильных устройств начался с iPhone, но теперь общепризнанным фактом является то, что если ваши визуализации данных или отчеты не работают на мобильном устройстве, это негативно скажется на общем восприятии пользователем. Хуже всего, пользователи будут просто видеть в этом устарелость и искать другие решения. Хотя некоторые организации и избегают мобильного доступа к данным из соображений безопасности, это можно рассматривать как повод оставаться в «темном веке». Организации, которые не охватывают мобильные устройства, могут оказаться в будущем ненужными в BI.

Учебный центр по технологиям анализа данных и BI: расписание/запись на учебные курсы, тестирование разработчиков — https://education.biconsult.ru/

Присоединяйтесь к QUBIC – сообщество профессионалов в области BI! Наши страницы в соц.сетях – расписание учебных курсов, бесплатные учебные материалы, анонсы мероприятий: https://vk.com/club165575964 и https://www.facebook.com/qubicspb

Неофициальный форум разработчиков QlikView & Qlik Sense Russian forum

Канал на Youtube – много обучающих видео и записи вебинаров

Готовые решения “Конструктор финансовой отчетности” и “Анализ продаж”

Темпы и эволюция решений бизнес-аналитики означают, что то, что работает сегодня, может потребовать улучшения завтра. От обработки естественного языка до роста страхования данных мы опросили клиентов и сотрудников Tableau, чтобы определить 10 влиятельных тенденций в 2018 году. Независимо от того, являетесь ли вы специалистом в сфере данных, ИТ-специалистом или руководителем в BI компании, эти тенденции акцентируют стратегические приоритеты, которые могут помочь вашей организации выйти на новый уровень.

1.  Не бойтесь искусственного интеллекта

Как машинное обучение поможет аналитику

Популярная культура подпитывает мрачный взгляд на то, что может сделать машинное обучение. Но в то время как исследования и технологии продолжают улучшаться, машинное обучение быстро становится ценным дополнением для аналитика. Фактически, машинное обучение является конечным помощником аналитика.

Представьте, что вам нужно быстро взглянуть на влияние изменения цены на данный продукт. Для этого вы будете использовать линейную регрессию для своих данных. До появления Excel, R или Tableau вы должны были делать это вручную, и процесс занимал часы. Благодаря машинному обучению вы можете увидеть объем потребления продукта в считанные минуты, если не секунды. Как аналитику, вам не нужно проходить через этот процесс, и вы можете перейти к следующему вопросу — были ли месяцы более высокого потребления из-за внешнего фактора, такого как праздник? Был ли новый релиз? Были ли новостные сообщения, влияющие на продажи или узнавание продукта? Вы не думаете о том, как бы вы хотели потратить больше времени на совершенствование регрессионной модели.

Существует два способа, с помощью которых машинное обучение может помочь аналитику. Во-первых, это эффективность. В приведенном выше примере аналитик не тратит драгоценное время на базовую математику. У аналитика теперь больше времени, чтобы подумать о бизнес-последствиях и о следующих логических шагах. Во-вторых, это помогает аналитику исследовать и оставаться в потоке анализа данных, потому что ему больше не нужно останавливаться и проверять числа. Вместо этого аналитик задает следующий вопрос. Инженер-программист Райан Аталла описывает эту ситуацию так: «Машинное обучение помогает вам смотреть под множеством камней, когда вам нужна помощь в получении ответа».

Способность машинного обучения помочь аналитику неоспорима, но важно признать, что оно должен быть принято, когда есть четко определенные результаты. «Машинное обучение не очень хорошо, когда ваши данные субъективны» — говорит Эндрю Виньо, менеджер по персоналу Tableau.  Например, при проведении опроса для клиентов об удовлетворенности продукта машинное обучение не всегда может подобрать качественные слова.

Кроме того, аналитик должен понимать показатели успеха для данных, для того, чтобы работать с ними. Другими словами, входящая информация в машину не делает результаты значимыми. Только человек может понять, было ли применено правильное количество контекста, а это значит, что машинное обучение невозможно изолировать (без понимания модели и того, какие должны быть входы / выходы). Несмотря на то, что может возникнуть проблема с заменой, машинное обучение фактически перезагрузит аналитиков и сделает их более эффективными, точными и более эффективными для бизнеса. Вместо того чтобы бояться технологии машинного обучения, воспользуйтесь возможностями, которые она представляет.

IDC прогнозирует, что к 2020 году доходы от систем AI и машинного обучения составят 46 миллиардов долларов.

В 2020 году AI станет позитивным чистым мотиватором работы, создав 2,3 миллиона рабочих мест, исключив только 1,8 миллиона рабочих мест. (Gartner)

2.  Влияние свободных искусств

Человеческое влияние свободных искусств в индустрии аналитики

Поскольку индустрия аналитики продолжает искать квалифицированных работников с данными, и организации стремятся повысить свою аналитическую команду, у нас должно быть много талантов под рукой. Мы знакомы с тем, как искусство и сторителлинг помогли оказать влияние на отрасль аналитики данных. Это не сюрприз. Интересным является то, как технические аспекты создания аналитического дашборда, ранее доступные только для ИТ и опытных пользователей, воспринимаются теперь пользователями, которые понимают искусство сторителлинга — навык, пришедший в основном из гуманитарных наук. Кроме того, организации уделяют больше внимания найму работников, которые могут использовать данные и идеи, чтобы влиять на изменения и управлять трансформацией посредством искусства и убеждений, не только разбирающихся в самой аналитике.

По мере того как технологические платформы становятся проще в использовании, внимание к техническим специальностям уменьшается. Каждый может играть с данными, и при этом особых технических навыков не требуется. Именно на этом этапе люди с более широкими навыками, в том числе со знанием гуманитарных наук, сталкиваются с трудностями, когда отрасли и организации испытывают нехватку работников данных.  Поскольку все больше организаций сосредотачиваются на аналитике данных в качестве приоритета бизнеса, эти работники данных с гуманитарными знаниями дают компаниям понять, что расширение возможностей такого вида рабочей силы является конкурентным преимуществом.

Мы не только видим широкую базовую привлекательность, чтобы помочь нанять новое поколение работников  с данными, мы также наблюдали несколько случаев, когда компаниями, основанных на технологиях, руководили или являлись основателями люди с гуманитарным образованием. Сюда входят основатели и руководители Slack, LinkedIn, PayPal, Pinterest и ряда других высокопроизводительных технологических компаний.

Одним из мощных примеров привлечения гуманитарных наук к преимущественно технологической компании является недавняя книга Скотта Хартли «the Fuzzy and the Techie». Nissan нанял антрополога Мелиссу Чефкин, чтобы возглавить исследование компании в области взаимодействия человека и машины, а именно взаимодействия между самоуправляемыми автомобилями и людьми. Технология, обеспечивающая самоуправление транспортным средствам, прошла долгий путь, но по-прежнему сталкивается с препятствиями, сохраняя смешанные человеко-машинные среды. Используя в качестве примера систему four-way stop, люди обычно анализируют ситуации в каждом конкретном случае, и этому невозможно научить машину. Чтобы помочь в борьбе с этим, Чефкин было поручено использовать свой антропологический фон для выявления закономерностей поведения людей, которые могут лучше научить эти самоуправляемые автомобили, образцами, и, в свою очередь, сообщать об этом людям, путешествующим в машине.

Поскольку аналитика развивается, чтобы содержать в себе больше искусства и меньше науки, основное внимание было сосредоточено на простом предоставлении данных для создания именно тех данных, которые неизбежно приводят к принятию решений. Организации охватывают данные в гораздо большем масштабе, чем когда-либо прежде, и естественная прогрессия означает больший акцент на сторителлинге и формировании данных. Золотой век сторителлинга выпал на нас, и где-то внутри вашей организации аналитик данных ждет, чтобы раскрыть ваше следующее важное понимание.

Выпускники гуманитарных специальностей находят работу на 10% быстрее, чем выпускники технических специальностей. (LinkedIn)

Одна треть всех руководителей Fortune 500 имеет степени гуманитарных наук. (Fast Company)

3.  Перспектива NLP

Перспектива обработки естественного языка

В 2018-м году будет расти распространённость, сложность и повсеместность обработки естественного языка (NLP). Поскольку разработчики и инженеры продолжают совершенствовать свое понимание NLP, интеграция его в нереализованные области также будет расти. Растущая популярность Amazon Alexa, Google Home и Microsoft Cortana подпитывает ожидания людей, что они могут говорить со своим программным обеспечением, и оно поймет, что делать. Например, указав команду «Alexa, играй «Yellow Submarine», и вот песня уже звучит на вашей кухне во время обеда. Эта же концепция также применяется к данным, что облегчает каждому задавать вопросы и анализировать данные, которые у них есть.

Gartner прогнозирует к 2020 году, что 50 процентов аналитических запросов будут генерироваться посредством поиска, NLP или голоса. Это означает, что для генерального директора будет намного проще попросить его мобильное устройство рассказать ему: «Общий объем продаж по клиентам, которые купили основные товары в Нью-Йорке», затем отфильтровать «заказы за последние 30 дней», а затем выделить группу «отдел владельца проекта». Или директор школы вашего ребенка может спросить: «Каков средний балл студентов в этом году», затем отфильтровать «учеников 8-го класса» и группу по «предмету учителя». NLP предоставит людям возможность задавать более тонкие вопросы о данных и получать соответствующие ответы, которые приводят к улучшению повседневных идей и решений.

Одновременно разработчики и инженеры будут добиваться больших успехов в обучении и понимании того, как люди используют NLP. Они будут исследовать, как люди задают вопросы, начиная от однозначного вопроса («какой продукт имел наибольший объем продаж?») до исследования («Я не знаю, что мои данные могут мне рассказать — как работает мой отдел?»). Как отмечает Райан Аталла, инженер-программист Tableau, «это поведение очень связано с контекстом, в котором задается вопрос». Если конечный пользователь использует мобильный телефон, он с большей вероятностью задаст вопрос, который генерирует мгновенное решение, тогда как если они сидят за столом, глядя на дашборд, они, вероятно, хотят проанализировать глубже и изучить более глубокий вопрос.

Наибольшая ценность от аналитики будет получена за счет понимания разнообразных рабочих процессов, которые NLP может увеличить. Как говорит Видья Сетлур, инженер-программист Tableau, «Неоднозначность — это сложная проблема», поэтому понимание рабочих процессов становится более важным, чем ввод конкретного вопроса. Когда есть несколько способов задать один и тот же вопрос о данных (например, «Какой объем продаж был самым большим в этом квартале?» Или «У кого больше всего продаж в этом квартале?»), конечный пользователь не хочет думать о правильности вопроса, он просто хочет ответа. Следовательно, возможности будут возрастать не от размещения NLP в каждой ситуации, а в том, чтобы сделать его доступным в правильных рабочих процессах, чтобы он стал второй натуральной копией человека, использующего его.

К 2019 году 75% работников, чьи ежедневные задачи связаны с использованием корпоративных приложений, будут иметь доступ к интеллектуальным персональным помощникам для повышения их квалификации и опыта. (IDC)

К 2021 году более 50% предприятий будут тратить на ботов и создание чатботов за год больше, чем на развитие традиционных мобильных приложений. (Gartner)

4.  Дебаты о Multi-Cloud

Если ваша организация изучает и оценивает стратегию с несколькими облаками в 2018 году, вы не одиноки.

Существует ряд организаций, которые переносят свои данные в облако и перемещают туда свои основные приложения», — говорит главный сотрудник по продуктам Франсуа Айенстат. Мы видим, что пользователи адаптируются к облаку намного быстрее, чем когда-либо.

Согласно недавнему исследованию Gartner, «стратегия мульти облака станет общей стратегией для 70-ти процентов предприятий к 2019 году, по сравнению с менее чем 10-ти процентами сегодня». Клиенты становятся все более чувствительными к тому, чтобы быть заблокированными в одном устаревшем программном решении, которое не соответствует их будущим потребностям. Тем не менее, переключение и миграции стали относительно проще с аналогичными API-интерфейсами и с использованием открытых стандартов, таких как Linux, Postgres, MySQL и других.

Вероятно, ваша организация также оценивает, как проектируются и запускаются центры обработки данных. Ваш ИТ-отдел оценивает хостинговые среды на основе рисков, сложности, скорости и стоимости всех факторов, которые увеличивают сложность поиска одного, единого решения для нужд вашей организации.

Оценка и внедрение среды с несколькими облаками может помочь определить, кто обеспечивает лучшую производительность и поддержку вашей ситуации. Согласно Boston Herald, GE переориентировала свою стратегию облачного хостинга на использование как Microsoft Azure, так и Amazon Web Services, с целью понять наиболее эффективную хостинговую среду и посмотреть, какой контракт обеспечивает самую низкую стоимость для своих клиентов.

Но мультиоблачная тенденция не приходит без здорового осознания достоинств и проблем перехода к этому типу среды. Хотя гибкость является плюсом, среда с несколькими облаками увеличивает накладные расходы за счет разделения рабочих нагрузок вашей организации на нескольких поставщиков. И среда с несколькими облаками вынуждает внутреннюю группу разработчиков изучать несколько платформ и внедрять дополнительные процессы управления в зависимости от условий, которые они должны поддерживать.

Кроме того, стратегия с несколькими облаками может потенциально снизить покупательную способность компании или организации. Если компания разделяет то, что они покупают у нескольких провайдеров, это повредит их скидкам на объем. Это создает модель, в которой компания покупает меньше по худшей цене.

Опросы и статистические данные, такие как Gartner, указывают на то, что внедрение нескольких облаков растет. Однако они не указывают, какая часть данных решений была принята. Во многих случаях с несколькими облаками организации используют одного поставщиках для большинства своих потребностей и очень мало для других. Но большинство из этих случаев использования приходится на внедрение второй облачной среды размещения в качестве резервной копии в случае некомпетентности или сбоя основной облачной среды размещения.

В то время как растет процент внедрения нескольких облаков в 2018 году, организациям придется маневрировать через нюанс оценки того, как их стратегия определяет, какая часть каждой облачной платформы была принята, внутреннее использование и требования к рабочей нагрузке и затраты на внедрение.

70% предприятий будут внедрять стратегию с несколькими облаками к 2019 году (Gartner)

74% финансовых директоров технологических компаний заявили, что облачные вычисления окажут самое заметное влияние на их бизнес в 2017 году. (Forbes)

5.  Возвышение директоров по данным (CDO)

Данные и аналитика становятся основой для каждой организации. Это не подлежит обсуждению. По мере развития организаций они уделяют первоочередное внимание новому уровню стратегической направленности и подотчетности в отношении их аналитики.

Исторически сложилось так, что большинство усилий в области бизнес-аналитики были поручены директору по IT (CIO), который курировал стандартизацию, консолидацию и управление данными по всей организации, что требовало последовательной отчетности. Это поставило инициативы бизнес-аналитики (управление данными, построение аналитических моделей и т. д.) в конкуренцию с другими стратегическими инициативами (такими как ИТ-архитектура, системная безопасность или сетевая стратегия) в сфере компетенции CIO и часто препятствовало успеху и влиянию бизнес-аналитики.

В некоторых случаях разрыв между CIO и бизнесом формировался благодаря быстроте понимания и безопасности данных и управлению ими. Таким образом, чтобы получить эффективные данные из данных посредством инвестиций в аналитику, организации все чаще осознают необходимость подотчетности топ-менеджмента для создания культуры аналитики. Для растущего числа организаций ответ заключается в назначении директора по данным (CDO) или главного аналитика (CAO) для изменения бизнес-процессов, преодоления культурных барьеров и передачи ценности аналитики на всех уровнях организации. Это позволяет CIO более ориентированно смотреть на такие вещи, как безопасность данных.

Тот факт, что CDO и / или CAO назначаются и берут ответственность за влияние на бизнес и улучшенные результаты, также демонстрирует стратегическую ценность данных и аналитики в современных организациях. Теперь на уровне первых лиц компании существует активное обсуждение  того, как развернуть стратегию аналитики. Вместо того чтобы ждать запросов на конкретный отчет, CDO спрашивают: «Как мы можем предвидеть или быстро адаптироваться к бизнес-запросам?»

Чтобы наилучшим образом помочь высокоэффективной команде в рамках этой позиции на уровне руководства, организации выделяют больше денег и ресурсов. По словам Gartner, 80 процентов крупных предприятий будут иметь офис CDO, полностью реализованный к 2020 году. В настоящее время среднее число сотрудников в офисе составляет 38, но 66 процентов опрошенных организаций ожидают, что выделенный бюджет для офиса будет расти.

Джош Паренто, директор по маркетинговой информации Tableau, отмечает, что роль CDO является «ориентированной на результат». Он утверждает, что «речь идет не только о помещении данных в хранилище данных, они должны определить, что такое использование, и убедиться, что получают ценность». Этот итоговый фокус имеет решающее значение, поскольку он согласуется с тремя основными целями в опросе CDO Gartner 2016 года, который включает в себя большую близость клиента, повышенное конкурентное преимущество и повышение эффективности.

Эти цели подпитывают такие компании, как Wells Fargo, IBM, Aetna и Ancestry для внедрения CDO с намерением перенести свою стратегию данных на следующий уровень, в результате чего роль Chief Data Officer станет основным элементом бизнеса в 2018 году.

К 2019 году 90% крупных компаний будут иметь CDO. (Gartner)

К 2020 году 50% ведущих организаций будут иметь CDO с уровнем влияния на стратегию и авторитетом, сравнимыми с CIO.

6.  Управление посредством краудсорсинга

Будущее управления данными – краудсорсинг

Современная бизнес-аналитика продвигалась от изоляции данных и контента до расширения возможностей бизнес-пользователей во всем мире для использования надежных, управляемых  и понятных данных. И поскольку люди учатся использовать данные в большем количестве ситуаций, их вклад в лучшие модели управления стал грандиозной силой внутри организаций.

Недостаточно сказать, что аналитика самообслуживания нарушила мир бизнес-аналитики. Парадигма переключилась на всех, у кого была возможность создавать аналитику, ведущую к заданию и ответу на критические вопросы в организации. Такое же вмешательство происходит с управлением. Поскольку аналитика самообслуживания расширяется, воронка ценных перспектив и информации начинает вдохновлять новые и инновационные способы внедрения управления.

Управление — это использование мудрости толпы, чтобы получить нужные данные от правильного человека, так же, как и заблокировать данные не от того человека.

Для бизнес-пользователя последняя ответственность, которую они хотят, — это безопасность данных. Правильная политика управления позволяет бизнес-пользователю задавать вопросы и получать ответы, позволяя им находить нужные данные в необходимый момент времени.

Бизнес-аналитика и стратегическая аналитика будут охватывать современную модель управления: IT-отделы и инженеры-разработчики данных будут изучать и готовить надежные источники данных, а при использовании самообслуживания конечные пользователи будут иметь возможность исследовать надежные и доверенные данные.

Процессы сверху вниз, направленные только на управление IT, будут отброшены в пользу совместного процесса разработки, сочетающего таланты IT и конечных пользователей. Вместе они идентифицируют данные, которые наиболее важны для управления и создания правил и процессов, которые максимизируют бизнес-ценность аналитики без ущерба для безопасности.

45% граждан считают, что менее половины своих отчетов содержат данные хорошего качества. (Collibra)

61% руководителей считают, что принятие решений собственными силами компании производится нечасто, или редко управляются данными. (PwC)

7.  Страхование данных

Уязвимость приводит к росту страхования данных

Для многих компаний данные являются важным бизнес-активом. Но как вы оцениваете ценность этих данных? И что происходит, когда эти данные теряются или украдены? Как мы видели при недавних громких утечках данных, угроза для данных компании может быть разрушительной и может нанести непоправимый урон бренду.

Согласно исследованию Института Понэмона, проведенному в 2017 году, средняя стоимость нарушения данных оценивалась в 3,62 млн. долл. США.

Но могут ли компании делать все возможное для защиты и страхования своих данных? Одной из отраслей, быстро растущей в ответ на нарушения данных, является рынок страхования кибербезопасности. Эта отрасль продемонстрировала 30-процентный рост в годовом исчислении, а к 2020 году эта отрасль достигнет 5,6 млрд. долл. США в год. (AON)

Кибер- и страхование частной жизни покрывает ответственность бизнеса за нарушения данных, когда персональная информация клиента подвергается угрозе или украдена хакером.

Однако даже с ростом рынка и продолжающейся угрозой нарушения данных только 15 процентов компаний США имеют страховой полис, который охватывает нарушения данных и кибербезопасность. Кроме того, эти 15 процентов в основном состоят из крупных, устойчивых финансовых учреждений.

Необходимость в политике в отношении финансовых учреждений очевидна. Но тенденция будет расширяться и в других направлениях, потому что никто не застрахован от угрозы нарушения данных.

Дуг Лэни, аналитик Gartner недавно написал книгу под названием «Инфономика: как монетизировать, управлять и измерять информацию для конкурентного преимущества». Он дает различные модели того, как компании во всех отраслях промышленности могут анализировать ценность своих данных как в нефинансовых, так и в финансовых моделях.

Нефинансовые модели ориентированы на внутреннюю ценность, стоимость бизнеса и значение производительности данных. Эти значения могут измерять уникальность, точность, релевантность, внутреннюю эффективность и общее влияние на ее использование.

Финансовые модели фокусируются на стоимости, экономической ценности и рыночной стоимости данных. Эти значения могут измерять стоимость приобретения данных, администрирования данных внутри страны и стоимости продажи или лицензирования ваших данных.

То, что данные это товар означает, что их стоимость будет только возрастать и, в конечном счете, порождать новые вопросы и споры о том, как этот материал будет влиять на рост компании. И как любой продукт, что хорошего, если его можно воровать без последствий?

Средняя стоимость нарушения данных оценивалась в 3,62 млн. долл. США. (Ponemon)

Только 15% американских компаний имеют страховой полис специально для своих данных. (Ponemon)

8.  Роль инженера данных

Повышенная значимость роли инженера данных

Вы не можете создать панель мониторинга, не создав диаграммы, чтобы понять историю, которую вы пытаетесь установить. Другой принцип, который вы, вероятно, знаете: у вас не может быть надежного источника данных, если вы не понимаете сначала тип данных, которые входят в систему, и откуда они получены.

Инженеры по данным будут продолжать оставаться неотъемлемой частью организации, чтобы использовать данные для принятия правильных решений в отношении своего бизнеса. В период с 2013 по 2015 год число инженеров данных выросло более чем в два раза. А по состоянию на октябрь 2017 года на сайте LinkedIn было более 2500 открытых позиций с «инженером данных» в названии, что свидетельствует о растущем и продолжающемся спросе на эту специальность.

Итак, какова эта роль и почему она так важна? Инженер данных отвечает за проектирование, создание и управление базами данных операций и аналитики бизнеса. Другими словами, они несут ответственность за извлечение данных из основополагающих систем бизнеса таким образом, чтобы их можно было использовать для создания идей и решений. По мере увеличения скорости передачи данных и емкости хранения данных становится все более критичным тот, кто обладает глубокими техническими знаниями о разных системах, архитектуре и способности понимать, что хочет или в чем нуждается бизнес.

Тем не менее, роль инженера данных требует уникального набора навыков. Им нужно понять бэкэнд, что содержится в данных и как он может обслуживать бизнес-пользователя. Инженер данных также должен разработать технические решения, позволяющие использовать данные.

По словам Майкла Эша, старшего рекрутера Tableau: «Я занимаюсь наймом технических специалистов более 17 лет. И неудивительно, что данные и емкость хранилища продолжают расти — я видел, как это произошло в результате смены парадигм из-за научно-технического прогресса. Данные всегда нуждаются в настройке. Компаниям необходимо подключиться к этому. Они должны погрузиться в конкретные данные для принятия бизнес-решений. Инженер данных определенно будет продолжать расти как роль».

Исследование, проведенное Gartner 2016 года, показало, что организации-респонденты теряют в среднем 9,7 млн. долл. США ежегодно в результате низкого качества данных.

Ученые-аналитики и аналитики данных могут потратить до 80% времени на очистку и подготовку данных. (TechRepublic)

9.  Местоположение вещей

Местоположение вещей будет стимулировать инновации в сфере интернета вещей (IoT)

Недостаточно сказать, что распространение интернета вещей привело к монументальному росту числа подключенных устройств, которые мы видим в мире. Все эти устройства взаимодействуют друг с другом и получают данные, что делает их более связанными. Фактически, Gartner прогнозирует, что к 2020 году количество устройств IoT, доступных для потребителей, более чем удвоится (до 20,4 млрд. IoT-устройств).

Даже при таком росте варианты использования и реализации данных IoT не соответствовали одному и тому же желательному пути. У компаний есть опасения по поводу безопасности, но большинство из них не имеют необходимых организационных навыков или внутренней технической инфраструктуры с другими приложениями и платформами для поддержки данных IoT.

Одной из позитивных тенденций, которые мы наблюдаем, является использование и преимущества использования данных на основе местоположения с помощью устройств IoT. Эта подкатегория, называемая «местоположением вещей», обеспечивает IoT-устройства чувствительностью и передает их географическое положение. Зная, где находится устройство IoT, оно позволяет нам добавлять контекст, лучше понимать, что происходит, и то, что мы прогнозируем, произойдет в определенном месте.

Для компаний и организаций, стремящихся захватить этот сбор данных, мы видим, что используются разные технологии. Например, больницы, магазины и отели начали использовать технологию Bluetooth Low Energy (BLE) для внутренних служб определения местоположения, которые, как правило, затрудняют для GPS предоставление контекстного местоположения. Эта технология может использоваться для отслеживания конкретных активов, людей и даже взаимодействия с мобильными устройствами, такими как умные часы, чтобы обеспечить персонализированный опыт.

Поскольку это касается анализа данных, данные, основанные на местоположении, могут рассматриваться как входные данные. Если данные доступны, аналитики могут включить эту информацию в свой анализ, чтобы лучше понять, что происходит, где это происходит, и что они должны ожидать в контекстной области.

Количество конечных точек устройств IoT к 2020 году возрастёт до 30 млрд. (IDC)

Ожидается взрывной рост IoT, к концу 2020 года рынок превысит 5 миллиардов долларов. (Gartner)

10.  Академические инвестиции

Университеты удваивают программы по науке о данных и аналитике

Университет штата Северная Каролина является родиной первой программы «Магистр научной аналитики». Эта программа проводится институте усовершенствованной аналитики (IAA) — центре данных, целью которого является «создание лучших специалистов в мире по аналитике — людей, которые освоили сложные методы и инструменты для крупномасштабного моделирования данных [и], у которых есть страсть для решения сложных проблем … ». Как первая в своем роде, государственная программа штата предвидела заметные инвестиции академических наук в учебную программу по науке и аналитике данных.

В начале этого года Калифорнийский университет в Сан-Диего запустил первый для своего учреждения бакалавриат по науке о данных. Они не останавились на достигнутом. Университет также планирует создать институт науки о данных. Следуя этому примеру,  университеты Berkeley, Davis и Santa Cruz увеличили свои программы по науке о данных и аналитике для студентов, спрос которых превышает ожидания.

Согласно недавнему исследованию PwC, 69 процентов работодателей к 2021 году потребуют знания в области науки и аналитики данных от соискателей. В 2017 году Glassdoor также сообщил, что «наука о данных» второй год подряд является «лучшей работой».

По мере роста спроса со стороны работодателей необходимость заполнения воронки высококвалифицированных специалистов по данным становится все более актуальной. Но есть реальный разрыв. В том же отчете PwC говорится, что только 23 процента выпускников колледжей будут обладать необходимыми навыками для конкуренции на требуемом для работодателей уровне. Недавний опрос MIT показал, что 40% менеджеров испытывают трудности с наймом аналитических талантов.

Развитые навыки аналитики уже не являются необязательными; они являются необходимыми. В 2018 году будет более строгий подход к тому, чтобы ученики обладали навыками для присоединения к современной рабочей силе. И так как компании продолжают совершенствовать свои данные, чтобы извлечь максимальную пользу, спрос на высокопрофессиональную рабочую силу будет существовать и расти.

К 2021 году 69% работодателей будут требовать аналитическую науку в качестве критического навыка от кандидатов на работу. (PWC)

Недавний опрос MIT показал, что 40% менеджеров испытывают трудности с наймом аналитических талантов. (MIT)

Учебный центр по технологиям анализа данных и BI: расписание/запись на учебные курсы, тестирование разработчиков — https://education.biconsult.ru/

Присоединяйтесь к QUBIC – сообщество профессионалов в области BI! Наши страницы в соц.сетях – расписание учебных курсов, бесплатные учебные материалы, анонсы мероприятий: https://vk.com/club165575964 и https://www.facebook.com/qubicspb

Неофициальный форум разработчиков QlikView & Qlik Sense Russian forum

Канал на Youtube – много обучающих видео и записи вебинаров

Готовые решения “Конструктор финансовой отчетности” и “Анализ продаж”

Q: В программе использую FieldValueCount, которая подсчитывает уникальные значения столба таблицы. А как подсчитать вообще все значения, по порядку. Вроде должно быть, RecNo и RowNo, если правильно подскажите как правильно их использовать.

A: Существует несколько функций осуществляющих подсчет.
Смотрим документацию по функциям агрегирования счетчиков

В вашем случае, если есть поле с уникальными значениями то выражение count(UnicumField) вернет число записей в таблице.

Q: 1. Существует задача, в которой необходимо сравнить продажи в разрезе Неделя-Год, и построить график данных продаж.

Т.к. неделя может относиться к разным годам и месяцам ( например 1-ая неделя 2015 года включает в себя даты декабря 2014 года), столкнулись с такой проблемой, что при выводе графика и сортировке периода по возрастанию эти недели разбиваются (что логично). При этом получаются «провалы» на графике.

Подскажите пожалуйста, возможно ли сделать так, чтобы такие недели не разбивались? Или какие настройки использовать для графиков при отображении такой информации? Или необходимо изменить настройки календаря?

2.Также существует следующая проблема в расчете , если мы работаем с неровной неделей:
если в расчет попадает неровная неделя (в неделю попадают два месяца), клик не учитывает дни предыдущего месяца.
Подскажите, как быть в данной ситуации.

A: Ну я вот разбиваю месяцы на целые недели (т.к. неделя, как и у вас является главной единицей измерения).
Месяц
Код: [Выделить]
=if(WeekDay( MonthStart(Floor(NACH_VREM)))>3,
Month(WeekStart(floor(NACH_VREM))),
Month(AddMonths(WeekStart((floor(NACH_VREM))),-1))
)

Где NACH_VREM — ваша дата (у меня формат timestamp, если просто date- можно убрать floor() ).

Таким образом в месяце получается всегда 28 или 35 дней, и недели всегда входят в него целиком. Неделя разбитая по 2м месяцам принимается относящейся к тому месяцу, куда входит четверг.

Для Года аналогично работает просто функция
week()

Q: добрый день! Подскажите, как из столбца простой таблицы сделать выборку по определенному значению, и чтобы значение при открытии таблицы было одно.

Проще говоря таблица со значениями 1,0,1,0. нужно чтобы выводилось постоянно значение 1

A: if ( измерение=1, измерение) в измерениях. И галку: скрыть значения когда null

Q: помогите, вопрос простой, а ответа не могу найти 🙂

загружаем таблицу:
дата подразделение продажи
1/1/15 А 100
2/1/15 А 110
можно ли со стороны qlik sense
построить так:
1. выбираем фильтр и добавляем в него измерение «дата»
2. добавляем таблицу и выбираем измерения «дата», «подразделение»
и меры «продажи» и «продажи за вчера»
3. щелкаем в фильтре дату «2/1/15»
4. в таблице получаем результат вида:
дата подразделение продажи продажи за вчера
2/1/15 А 110 100
вот что такого нужно написать в мере «продажи за вчера», чтобы там было 100
спасибо большое!

A:В этой теме косвенно уже затрагивали эту тему.
Например:
Код:
Sum({$
< Date = {'$(=Date(Max(Date)-1))'} >} [Value])
Вот только если измерение Дата, то этот вариант не пройдет.
Надо подумать.

Q: Вопрос по построению диаграммы, в частности линейного графика.
В качестве измерения у меня идет «Месяц-Год». В качестве выражения «Сумма продаж».
Подскажите, пожалуйста,как задать, чтобы всегда (вне зависимости от выборок) на графике отображение начиналось, например, с июня 2014 г. Не пойму, где и как прописать условие для измерения….

A: Данные отображаются по заданным выражениям.
Используйте анализ множеств для формирования необходимого набора данных на диаграмме.
Без учета выборки:
Код:
sum({1<[Date] = {">=01.06.2014″}>} Количество)
С учетом выборки:
Код:
sum({$<[Date] = {">=01.06.2014″}>} Количество)

Q: Данная тема косвенно затрагивалась здесь, но ответа я так и не нашла.

Допустим есть следующие данные по продажам:
янв фев мар
Товар1 10000р. 12000р. 15000р.
Товар2 5000 4000 5000

Необходимо рассчитать динамику продаж по каждому товару в марте, относительно февраля и января, т.е.:
мар-фев мар-янв
Товар1 3000 5000
Товар2 1000 0

Как это реализовать в QlikView? Как лучше всего работать с датами, как задавать предыдущие недели, месяца, года относительно выбранных?

A: Вот Вы и добрались до анализа множеств.
Рекомендую почитать на эту тему в официальной документации по Qlikview и по Sense на сайте help.qlik.com

Вариантов решения может быть несколько, в зависимости от задачи.
Можно задать интервал дат:
Код:
Sum({1<[Date] = {">=01.02.2014<=28.02.2014"}>} Количество)
Если используется календарь, то можно задать и так:
Код:
Sum({1<[_MonthSerial]={'2'},[Year]={'2014'}>} Количество)
Т.е. вычислить разницу между месяцами можно так:
Код:
Sum({1<[_MonthSerial]={'3'},[Year]={'2014'}>} Количество)-Sum({1<[_MonthSerial]={'1'},[Year]={'2014'}>} Количество)
или так:
Код:
Sum({1<[YearMonth] = {'201403'}>} Количество)-Sum({1<[YearMonth] = {'201401'}>} Количество)
Или так:
Код:
Sum({1<[Date] = {">=01.03.2014<=31.03.2014"}>} Количество)-Sum({1<[Date] = {">=01.01.2014<=31.01.2014"}>} Количество)
Но эти выражения заданы с явным указанием дат, и не реагируют на выборки в приложении.
Следовательно, в выражение надо внести изменения, вычисления необходимых параметров в зависимости от выборки, например:
Код:
Sum({<[Date] = {">=$(=MonthStart(AddMonths(Max([Date]),-1)))<=$(=monthend(AddMonths(Max([Date]),-1)))"} >} Количество)
при текущем выборе дат марта 2014, даст период — «>=01.02.2014<=28.02.2014" Рекомендую также ознакомиться с перечнем функций дат и времени. Если требуется отслеживать, к примеру последние периоды от даты обновления данных, можно формировать флаги в календаре. Тогда условие для фильтра будет проще, например LastMonth={'-2'},и т.п. Все сводится к заданию условия фильтров. Отладку условий рекомендую производить в текстовом объекте, задав условие в выражении для текста, например: Код: =MonthStart(AddMonths(Max([Date]),-1))

Q: У меня возникла такая проблема. У меня есть например сводная таблица.Столбцы таблицы это недели (1,2,3 и т.д), а строки — филиалы (западный и центральный филиал, у каждого филиала несколько магазинов). На пересечении строк и столбцов отображается максимальное суммарное количество продаж одного магазина какого-то филиала за одну неделю, Max(Aggr(Sum(Продажи), Неделя, Филиал, Магазин)). Но я хочу, чтобы на пересечении отображалось не само количество продаж, а то, какой магазин осуществил такое количеств продаж.

Я изначально пытался сделать это через If(Max(Aggr(Sum(Продажи), Неделя, Филиал, Магазин)), Магазин), но отображалось только одно единственное значение (только один магазин всего отобразился). Можете подсказать, как сделать так, что бы в каждой ячейке был номер магазина, который отвечает aggr функции.

A:В теме «AGGR() — функция расширенного агрегирования, вопросы применения» есть пару абзацев по использованию firstsortedvalue().
Думаю, это ваш вариант.
Если не найдете решения, опубликуйте тестовые данные, чтобы не выдумывать и обсуждать проблему предметно.

Q: Привет. Не подскажешь как сделать выборку. В qlik sens делаю таблицу с мерой «оплаченные счета», есть поле [Статус] в котором содержится информация о статусе счета: оплачен, отправлен клиенту, отклонен . Как можно сделать выборку только по количеству оплаченных счетов Count([Статус])? Заранее спасибо.

A: Для фильтрации следует использовать расширенный синтаксис анализа множеств, Set Analyse
например
Код:
count(
{<Статус={'Оплачен'}>}
[Статус]
)
Подробнее почитай в руководстве Qlikview, думаю, на русском быстрее будет понять.

Q: Магазин в январе продавал в трех валютах:
USD — 100
EUR — 200
РУБ — 700

Строю сводную таблицу, в которой вычисляемое поле «Сумма в руб» = IF(Валюта=’USD’,Sum([Сумма продаж]*40),IF(Валюта=’EUR’,Sum([Сумма продаж]*50)*,Sum([Сумма продаж])))

Если в сводной таблице есть поле Валюта, то Сумма рассчитывается правильно = 14700
Но, если я убираю валюту, то получается сумма = 1000, т.е. формула не пересчитывает валюты.
Как корректно рассчитать сумму в таблице без отображения валют.

A: Тоже вариант 🙂
Также, можно на уровне скрипта рассчитать отдельным полем рублевую сумму. В этом случае будет проще некуда.
Если надо будет вычислять по истории курсов, то тогда без Aggr() не обойтись.

Q: Создал таблицу с вложенным просмотром от №Баннера до ключевой фразы которая перекреплена к определенным баннерам. Не подскажете как сделать свой набор мер(столбцов) для №Баннера и для фраз?

A:Управление доступом в данной версии не поддерживается.
О том как это реализовано в серверной версии — Qlik Sense, можно почитать здесь.

Q: Подскажите пожалуйста как добавить в Sense новую меру «CTR» которая получается только после расчета по формуле:
CTR = количество кликов / количество показов * 100%

http://f5.s.qip.ru/CkKxLnjm.jpg

A: Ну так и добавить формулой, отдельным столбцом.
Либо через Master items Добавить выражением в Measures

Q: Задумался над задачей, каким образом прописать выражение, чтобы подсчитывать долю определенного показателя данной строки в простой таблице от итогового значения по этому полю.
Это стандартный функционал сводных таблиц excel, но пока не нахожу подобного в qv
Или в даном случае лучше не использовать простую таблицу?..

A: Типа такого?
Код:
sum( $(vReal) [# Сумма с налогами])/sum(total $(vReal) [# Сумма с налогами])

Q: Подскажите, какое выражение нужно прописать в условия, чтобы в таблице подсвечивались первые 5 наибольшие суммы?

Пробывал:
=Rank([id_payment])>=5
=aggr(if(Rank([id_payment])<=5,[office]),[office]) =aggr(if(Rank([id_payment])<=5,[id_payment]),[id_payment]) Но без результата A: Попробуй задействовать свойства выражений.

Q: Исключение значений через расширения выражений (Set Analysis) Qlikview Qlik Sens

A: Для того, чтобы исключить одно или несколько значений через set analysis следует использовать следующий синтаксис:
Код:
Sum ( {} SumEntry )
Т.е. если использовать символ = (равно), то получим только совпадения, а используя -= (минус равно) получаем исключения, а именно — все записи кроме указанных в квадратных скобках {‘501′,’502′,’511’}.
Аналогичный результат будет при использовании:
Код:
Sum ( { — } SumEntry )

Найти решение у бизнес-партнера QlikTech (QlikView) в России.

Форум разработчиков QlikView и Qlik Sense. Получите ответы на все вопросы по QlikView и Qlik Sense!

Q: Очередной тупик (видимо и меня можно так назвать 🙂 )

В таблице след.поля: PERIOD,[Country channel],[Company name / Имя компании],[SHOP CHANGES], Universe

Есть выражение в диаграмме (измерения : [Country channel],[PERIOD],[Company name/ Имя компании]):

=IF(concat(distinct{<[Company name / Имя компании]>}[SHOP CHANGES])=’NEW’,IF(sum(Universe)<>‘0’, count(distinct [Company name / Имя компании]),0),0) + IF(concat(distinct{<[Company name / Имя компании]>}[SHOP CHANGES])=’CLOSEDNEW’,IF((sum(Universe)<>‘0’), count(distinct [Company name / Имя компании]),0),0)
Как итог выдает след.график — см.вложение.
Хочу получить график где значения каждого месяца будут идти с нарастающим итогом (т.е. 201501 -2, 201502 -6, 201503- 9.
Предполагаю, что решение связано с Rangesum(Above(… , но как ни стараюсь его применить — результат далек от правильного 🙁
В очередной раз буду признателен за любое содействие.

A:ну не так просто разобраться в работе модели данных и выражении, даже если оно будет написано так:
Код:
=IF( concat(distinct{<[Company name / Имя компании]>}[SHOP CHANGES])=’NEW’,
IF(sum(Universe)<>‘0’,
count(distinct [Company name / Имя компании]),
0),
0)+
IF(concat(distinct{<[Company name / Имя компании]>}[SHOP CHANGES])=’CLOSEDNEW’,
IF((sum(Universe)<>‘0’),
count(distinct [Company name / Имя компании]),
0),
0)
BIbis правильно отметил, что вариант не будет оптимальным.
Думаю, надо смотреть в сторону работу с анализом множеств и расширенного агрегирования функцией aggr().

Q: подскажите где в меню создаются Другие состояния объектов и где пункт позволяющий применить к объекту. Требуется, чтоб только одна таблица реагировала на фильтр относящийся ко всему проекту.

A: Как вариант, эту одну таблицу «не связывать» с другими таблицами — назвать поля таблицы по другому.
А, фильтры связать через триггер «Select in Field».

Q: Делаю АВС-анализ по категориям по примеру http://biadvice.ru/analiz-prodazh/primenenie-abc-analiza-na-praktike-abc-analiz-v-qlikview.html.
Подсчитала в таблице долю каждой категории, затем долю накопительным итогом (через полное накопление как написано). Теперь хочу, чтобы у меня в отдельном столбце проставлялась группа А, В или С в зависимости от накопленной доли.

Выражение «if([Доля (накопит.)]<=0.8, 'А', if([Доля (накопит.)]<=0.95,'В','С'))" не работает, в столбце везде выдается группа "С". Помогите, пожалуйста, с реализацией задумки. A: Проверьте какое значение в поле, что сравнивается с 0.8 и т.д.
Используйте другую схему вычисления накопительных значений, функциями а не установкой флажка.
Например :
Код:
Rangesum([% от итога],
above([% Накопит.]))

Q: Подскажите, где можно узнать подробнее про вычисляемые измерения?

A: Можно посмотреть в справке
«Разрешить условный» , как и «Условный» для выражений предназначено для управления отображением измерения/выражения, в зависимости от значений переменной.
Например как в демопримере на вкладке reports.

Q: В Qlikview загружаются данные вида:

Дата продажи ФИО НомерЧека СуммаЧека
01.01.2015 Петров 123456 1000
01.01.2015 Сидоров 123457 9999
02.01.2015 Иванов 123458 8888
02.01.2015 Петров 123459 1500
02.01.2015 Сидоров 123460 450

По этим данным строится Прямая таблица вида:
ФИО Кол-во чеков Общая сумма
Иванов 1 8888
Петров 2 2500
Сидоров 2 10449

Тут ФИО — Измерение, Кол-во чеков — Count(НомерЧека), Общая сумма — sum(СуммаЧека)

Есть отбор по периоду, допустим сейчас выбран период с 01.01.2015 по 03.01.2015.
Теперь нужно на эту таблицу наложить фильтр, который оставит в таблице только тех людей у которых общая сумма покупок больше допустим 10000 т.р. В нашем примере должен остаться Сидоров.

A: 1. Например, при загрузке данных наложить фильтр: WHERE [Общая сумма] > 10000
2. Или сделать переменную «MoreTop» и выводить данные, которые больше этой переменной:
=if ([Общая сумма] > $(MoreTop), [Общая сумма])

Q: Помогите пожалуйста со следующим вопросом.

1. Есть магазины с товарами. В некоторых магазинах есть излишек некоторых товаров.
То есть, в магазин 127254 можно переместить такие товары со следующих магазинов — вложение 01.png.
2. Если выбрать конкретные магазины, то будет показано перемещение между этими магазинами, таких-то товаров (товаром будет меньше чем в первом примере) — вложение 02.png.
Вопрос в следующем, если выбрано перемещение между конкретными магазинами, как сделать чтобы показать весь перечень товаров, как первом примере. И было бы видно, что с других магазинов переместить другой товар, который нужен выбранным магазинам, нет возможности — вложение 03.png

A:Попробуйте в выражении анализа множеств исключить влияние фильтра по необходимым полям.
Например, sum({<Магазин=>}Количество)
Модель данных помогла бы сориентироваться лучше.

Q: Вопрос наверное мегапростой, но пока не нашел решения.
Как после применения фильтра в одном из полей добиться того, чтобы на всех остальных зависимых полях отфильтрованные значения исчезали, а список значений поля автоматически изменялся в размерах (как это происходит для таблиц)?
Нашел как просто скрывать отфильтрованные элементы, но это смотрится не очень профессионально, да и полоса прокрутки не отображает реальный объем значений

A: А почему бы для подобных целей не использовать как раз простую таблицу с одним столбцом? Тот же список, который обладает нужными вам свойствами.

Q: Возник такой вопрос: как применить функцию AGGR для всех записей измерения?
Есть поле АТМ и EventDiff. Но не для всех АТМ есть EventDiff.
Вот мне нужно выбрать те, для которых его нет (тоже самое, что сумма равна 0, т.к. нулевых значений нет)

Следующий код результатов не выдает, т.к. не находит таких результатов. Можно ли как-нибудь aggr применить для всех записей? Или как-то по-другому решить задачу.

Код:
if(aggr((sum({=$(vFromDate)<$(vToDate)'}>} EventDiff)),ATM)=0,ATM)
Так тоже не получается…
Код:
=if(IsNull(EventDiff),ATM)

A: Не совсем понятно, в каком виде вы хотите увидеть результат и с каких данных.
Для простого примера:
Код:
LOAD * INLINE [
ATM, diff
00002, 0:01:20
00003, 1:00:00
00004,
00005, 0
00006, 0:02:10
00007, 0:03:11
00008
00009, 0
];
Простое выражение в списке
Код:
=if(diff=0 or diff=»,ATM)
даст «нулевые» АТМ.

Q: Есть задачка определить кол-во изделий на гарантии по состоянию на сегодня («сегодня» каждый день, естественно, изменяется).
Для этого есть таблица с номерами изделий, датой ввода в эксплуатацию и датой снятия с гарантии.

A: Чтобы можно было решить вашу задачу участниками форума, подготовьте пример исходных данных в табличном формате (для загрузки и тестирования) и контрольные цифры, если есть.

Q: Ни где не могу найти, но говорят, что есть такая штука, которая считает количество операций, к примеру:
X=Какая-тоШтука(vA-vB-vB-vB), тут возможно продолжение в виде условия.
X=3 (так как три раза вычли)

Могу очень, сильно ошибаться… или не точно изъясняться…

A:
len(
KeepChar( ваша строка, ‘+-/*&’)
)

Q: Как в получившемся значении убрать округление до целых.
К примеру в выражении получилось, 5,2 а в таблице показывает как 5?
Пробую использовать num(), но как-то не помогает, чувствую что-то делаю не так…

Если возможно, можно пример.

A: Num используем когда нам надо гарантировать числовое представление.
А ваша задача — округление. Обычно это функция round.
В Qlikview и Sense это функция из трех параметров
Round(x[, step[, offset]])

round(3,45,’0.01′) на выходе дает требуемое

Найти решение у бизнес-партнера QlikTech (QlikView) в России.

Форум разработчиков QlikView и Qlik Sense. Получите ответы на все вопросы по QlikView и Qlik Sense!