• pexels-markus-spiske-2004161.
        • Software Solutions

          Wir helfen Ihnen bei der Auswahl 
          der richtigen Lösungen, um die 
          Kraft Ihrer Daten freizusetzen.
        • Tableau
        • Das weltweit leistungsstärkste Tool zur Datenvisualisierung und -analyse.

        • Alteryx
        • Die führende Plattform in der
          dynamischen Welt der Analytic
          Process Automation.

        • Amazon Web Services (AWS)
        • Führend bei Cloud-First-Datenlösungen.

        • Snowflake
        • Für Cloud-basierte Data-Warehouse-Lösungen der nächsten Stufe.

        • Celonis
        • Process Mining aus Deutschland. Verschaffen Sie sich ein objektives und datengetriebenes Bild Ihrer internen Prozesse. Ganz im Sinne der optimierten  Wertschöpfung.

  • The Data School
  • News
  • Data Events
        • LockScreen.
        • Über Uns

          Lernen Sie The Information Lab kennen, unser Team, unsere Kunden und erfahren Sie, wie auch Sie ein Teil davon werden können.

          Mehr erfahren

        • Use Cases
        • Wir bieten seit Jahren Datenlösungen für Unternehmen. Und so wie hinter allen Daten eine Geschichte steckt, steckt auch hinter jedem unserer Projekte eine Geschichte.

        • Centre of Excellence
        • Geteiltes Wissen ist Macht – vernetzen Sie sich mit unserer wachsenden Zahl von Beratern und Kunden in ganz Europa. Zusammenarbeit ist der beste Weg zu lernen.

        • Internationales Setup
        • The Information Lab ist an 8 europäischen Standorten mit über 300 Consultants aktiv. Unsere Data School gibt es bereits in London, Sydney und Hamburg.

        • Kunden
        • Wir unterstützen seit 2014 namhafte Unternehmen in der DACH-Region und im deutschen Mittelstand.

        • Team
        • Lernen Sie die Menschen hinter The Information Lab kennen.

        • Karriere
        • Join our team! Wir wachsen stetig und suchen insbesondere im Consulting und unserer Data School stets tolle Kollegen und Kolleginnen.

Banner background image - news

Superstore Superübung: Chart im Chart mit LODs (I)

In folgender Übung möchten wir zwei Charttypen miteinander kombinieren. In unserem Fall interessiert uns der zeitliche Verlauf unseres Umsatzes sowie die Aufteilung des Umsatzes pro Segment pro Zeiteinheit. Ziel ist es, so einen groben zeitlichen Überblick darüber zu erlangen, welche Monate und welche Segmente für den größten Umsatz verantwortlich sind.

Wer die Übung nachbilden möchte, kann hier die amerikanische Version des Superstores als .xlsx-Datei herunterladen.

Lions-Tour-Analysis.
Superstore Superbeispiel Endergebnis

In diesem Blogbeitrag lernen wir etwas über:

  • Filter und Pie-Charts
  • diskrete und fortlaufende Felder
  • berechnende Felder und „Level Of Detail“-Kalkulationen (LODs)
  • Doppelachsen und das Zusammenführen von zwei Charts
  • Rechtsklicks und Beschriftungen
  • QuickInfos bzw. Tooltips

Das Segment unterteilt in unserem Superstore-Beispiel in Großunternehmer, Kleinunternehmen und Verbraucher. Wir verwenden für diese Übung bewusst „Pie-Charts“ bzw. Tortendiagramme, was hier auch „erlaubt“ ist, da nur drei Dimensionen miteinander verglichen werden. Tatsächlich ist generell eher von der Verwendung von Kuchendiagrammen abzusehen, was Heidi Kalbe in ihrem Video „Be Rational: Why a Pie (Chart) Is Not Your Answer“ anschaulich begründet. Alternativ könnte ein „stacked-bar chart“ bzw. Stapelbalkendiagramm verwendet werden, um die Anteile der einzelnen Segmente am summierten Umsatz darzustellen.

Blaue vs grüne Pille

Starten wir, indem wir die Kennzahl „Umsatz“ in die Zeilen ziehen und unsere Dimension „Bestelldatum“ in die Spalten ablegen. Es fällt auf, dass beide „Pillen“ unterschiedliche Farben besitzen. In Tableau können Felder entweder kontinuierlich oder diskret dargestellt werden. Ein blaues Feld (hier: JAHR) zeigt ein diskretes Feld an; der Umsatz wird grün dargestellt. Wo genau liegt der Unterschied?

  • Blaues Feld = „diskret“ = „einzeln getrennt und eindeutig“
  • Grünes Feld = „fortlaufend“ = „ein ununterbrochenes Ganzes bildend, ohne Unterbrechung“

Da wir den kontinuierlichen (also fortlaufenden) Verlauf unserer Umsätze auf Monatsbasis abbilden möchten, ändern wir durch Klicken auf das kleine weiße Dreieck in der „Jahrespille“ und den untenstehenden „zweiten“ Monat die Zeiteinheit [A] und bekommen so folgenden Chart zu sehen [B]:

Untitled-drawing-2.
Zeitlicher Verlauf des Umsatzes 2014 – 2017

Zum Vergleich: so würde der Chart [C] aussehen, wenn auf Monatsbasis diskret verglichen werden würde:

image7.
Diskrete saisonale Analyse

Unser Datensatz, welcher eine Spanne von vier Jahre abbildet, wird innerhalb eines einzigen Jahres dargestellt. Gerade für saisonale Analysen lassen sich so schnell Erkenntnisse ableiten. Wir sehen, dass August über alle vier Jahre hinweg mit über 380 TEUR den umsatzstärksten Monat darstellt.

Filtern und Pie-Charts

Da in unserem Beispiel nur das Jahr 2015 relevant ist, filtern wir das Datum, indem wir „Bestelldatum“ aus unseren linksstehenden Dimensionen auf das Feld „Filter“ legen und bei den nun angezeigten Jahren 2014, 2015, 2016, 2017 den Haken einzig bei 2015 markiert lassen [D].

Jetzt können wir unser zweites Chart erstellen, indem wir ganz einfach erneut „Umsatz“ in die Zeilen ziehen [E]. In den Markierungen ändern wir nun den Charttyp auf „Kreisdiagramm“ [F] und bekommen folgendes Bild:

image11.
Linienchart und Kreisdiagramme

So weit so gut. Jetzt nur noch – wie bei einem Kreisdiagramm üblich – die zu vergleichende Dimension („Segment“) im Markierungsfenster auf „Farbe“ [G] und den Kennzahlenwert („Umsatz“) auf „Winkel“ ziehen. Doch nun bekommen wir jeweils einen Kreis pro Segment, was wir nicht wollten.

image3.
Linienchart und Möchtegern-Tortenchart

Woran liegt das? Tableau fehlt eine wertvolle Information: die Summe der Kennzahlen, die nach Segment aufgeteilt werden sollen. Es sind nämlich nur die Zahlen pro Kategorie bekannt, da der Detaillierungsgrad auf den Dimensionen basiert. Was tun?

Hier helfen uns die „Level of Detail“-Berechnungen weiter, die sogenannten „LODs“, welche wir im nächsten Teil behandeln werden.