Tableau : Control Chart

İstatistiksel Kalite Kontrol , Üretim ve hizmet süreçlerin ölçülebilir veriler yardımıyla istatistiksel yöntemler kullanılarak izlenmesi , kontrol edilmesidir.

Bu yöntemlerden en sık kullanılanlardan biri ,Ortalama-Standart Sapma kontrol grafiğidir.

                                                                                                






                      Örnek veri setimiz ile uygulamaya başlayalım ;

Aylık satış verilerimizin kontrol altında olup olmadığını inceleyelim ???

                                                                                             




Satış verimizi yine satıra ekliyoruz çünkü Dual Axis yapabilmek için bir satış verisine daha ihtiyacımız var.

                                                                                                               ilk satış verisini Line grafiği ikinci satış verisini de Circle yapalım ve Dual Axis işlemi yaptıktan sonra senkronize işlemine geçelim.

                    Şimdi ise Ortalama,Üst limit ,Alt limit ekleyelim.

Reference Line ile ortalamayı basitçe ekleyebiliriz.

Şimdiki adımda Alt limit ve Üst limit formüllerini oluşturalım.

Standart Sapmaya ihtiyacımızın olduğunu fark ettik onu da şimdi oluşturalım.

                                                                                                                                                                                                      



  




                                Ve formülü oluşturmaya geçebiliriz.

                               Oluşturduğumuz formülleri kullanmaya başlayalım 

Reference Line kısmından Alt Limit ve Üst limit için aynı işlemleri yapalım ve uçdeğerleri renklendirme işlemine geçelim.

Tüm işlemlerimizi bitirmiş oluyoruz .Hadi o zaman son halini inceleyelim.

Şimdi artık bulduğumuz sonucu yorumlama işlemine geçebiliriz.

• Bir nokta ÜKS ve AKS'nin dışında ise (3 sigma limit)
• Ardışık üç noktanın iki tanesi 2-sigma limitinin dışında ise,
• Ardışık beş noktanın dört tanesi 1-sigma limitlerinin dışında ise,
• Ardışık dokuz nokta orta çizginin bir tarafında ise ,yani noktalar belli bir düzen gösteriyorlarsa , süreç kontrol altında değildir.

  Bu şartlar altında aylık satış verimiz kontrol altındadır yorumunu yapabiliriz. 




Tableau Desktop10ücretsiz burada

Tableau : Correlation Coefficient

Korelasyon analizi, iki değişken arasındaki doğrusal ilişkiyi veya bir değişkenin iki yada daha çok değişken ile olan ilişkisini test etmek, varsa bu ilişkinin derecesini ölçmek için kullanılan istatistiksel bir yöntemdir.
Korelasyon analizinde amaç; bağımsız değişken (X) değiştiğinde, bağımlı değişkenin (Y) ne yönde değişeceğini görmektir. Korelasyon analizi yapabilmek için, her iki değişkenin de sürekli olmaları ve normal dağılım göstermeleri gereklidir.
Korelasyon analizi sonucunda, doğrusal ilişki olup olmadığı ve varsa bu ilişkinin derecesi korelasyon katsayısı ile hesaplanır. Korelasyon katsayısı “r” ile gösterilir ve -1 ile +1 arasında değerler alır.  
Örnek veri setimiz ile uygulamaya başlayalım.
Kategori bazında müşterilerin satış ve karlarının ilişkisini inceleyelim ??

Şimdiki adımda ise Korelasyon formülünü oluşturalım.Verilerimiz Normal dağılım gösterdiği için Pearson korelasyon katsayısını kullanıyoruz.Eğer verilerimiz normal dağılmıyorsa sperman kullanılırdı. 

Pearson Korelasyon Katsayısı, iki sürekli değişkenin doğrusal ilişkisinin derecesinin ölçümünde kullanılır.  İki değişken arasında anlamlı bir ilişki var mıdır sorusunun cevabı aranır. 

Pearson Korelasyon Formülü ;

Tableau da bu formülü nasıl yazabileceğimizi inceleyelim .

Genel Korelasyon hakkında bilgi verdikten sonra  ve Tableau da oluşturulan formülü Color'a atıp gelen sonuçları inceleyelim.

Fark ettiğiniz üzere değerler null olarak geldi burda ki uyarı etkileyeceğimiz alanı belirtmediğimizden dolayı kaynaklanıyor.Compute Using sekmesinden Müşteri ismi seçilir.

Müşteri ismi seçildikten sonra işlemlerimiz bitmiş oluyor.Şimdi sonucu inceleyebiliriz.

Renklerin durumu bize değişkenler arasındaki ilişkinin gücünü yansıtıyor.

Büro malzemeleri bazında müşterilerin satış ve  karları arasında orta ,pozitif yönlü ve anlamlı bir ilişki olduğu görülmektedir.[r=0,61] Satışı yüksek olan müşterinin kar'ıda yüksektir.Aynı şekilde satışı düşük olanın kar'ıda düşüktür diye ifade edilebilir.

Bulduğumuz sonucu önceki çalışmalarda bahsettiğim gibi R-Square değeri ile de teyitleriz.Modelimize bir göz atalım

  



   






  

R-Square değeri:0,3761
Korelasyon değeri(r):0,6133  Bu sonuca göre 0,6133 'ün karesi R-square  değerini vermiş olur.

Pearson Korelasyon Katsayısının yorumu;

Kuvvetli(-)	Orta (-)	Zayıf (-)	Zayıf (+)	Orta (+)	Kuvvetli(+)
-1<r<-0.9	-0.9<r<-0.5	-0.5<r<0	0<r<0.5	0.5<r<0.9	0.9<r<1

Tableau Desktop10ücretsiz burada

Tableau : Forecast

Tableau'da örnek verimiz ile zaman serisi analizi yapmaya başlayalım.Satışların bölgelere göre yıllar itibariyle çeyreklere dağılımını öncelikle oluşturalım.

Şimdi ise forecast adımlarına geçebiliriz.Ekranda sağ tıklayıp Forecast seçilir.

Oluşan duruma hep beraber bakalım.

Sizin de gözünüze çarpmıştır güney bölgesinde veriler hiç değişmemiştir bu çok normal olan bir durum değildir.Şimdi verimizin mevsimsellik veya trend durumunu inceleyelim.

Verimizde yukarıya doğru bir artış ve belli periyotlarda sıçrama olduğu görülmektedir bu yüzden  trentten ve mevsimsellikten söz etmek mümkündür.

Forecast Options ile verimiz üzerinde bazı modeller kullanabiliriz.

Mevsimsel ve trend bulunduran verimize uygulanabilecek modeller şunlardır;
    
   1.Ayrıştırma Yöntemleri

• Toplamsal Ayrıştırma
• Çarpımsal Ayrıştırma

   2.Regresyon Analizi

   3.Üstel Düzleştirme Yöntemi

   4.Box-Jenkins Modelleri

Bu örneğimizde Ayrıştırma yöntemini kullanalım çünkü kısa dönemli öngörülerde ayrıştırma yönteminin anlaşılması ve yapılması en kolay yöntemlerden biridir.Bu konuda da kısa bir bilgi vermek gerekirse zaman serisini bileşenlerine ayırarak her bir bileşen için tahminleri içeren ve bu bileşenlerin tahmininden zaman serisinin öngörüsünü hesaplayan yönteme ayrıştırma yöntemi denilmektedir.

• Toplamsal modellerde, mevsimsel dalgalanmalar trentten bağımsız olduğu için büyüklük olarak zaman içinde değişmemektedir.
• Çarpımsal modeller ise trentten etkilenip zaman içinde büyüklük olarak artar veya azalır. 

Bizim grafikte fark ettiğiniz üzere zaman içinde çok değişim olmamaktadır toplamsal modeli uygulayabiliriz.

 Bu işlemi de tamamladıktan sonra forecast işleminin son adımını da  tamamlamış oluyoruz.

Tableau Desktop10 ücretsiz burada

Tableau ve Knime

Tableau ve Knime  programlarını birlikte kullanmanın ne kadar basit olduğunu yaptığımız çalışma ile beraber görelim.

Tableau'nun Kolay Kullanıcı Arayüzü,Veriye Kolay Erişim,Anlaşılabilirlik,Görsel En İyi Yöntemler Kullanımı ve Veri tabanı bağımsızlığı ile beş tasarım prensibi ile tableau verilerinizi görme ve anlama şeklinizi değiştirecek.Tableau ile Veri tabanlarınıza, Excel dosyalarınıza ,Küplere doğrudan bağlanabiliriz.Knime ise bir Veri madenciliği programı bize sağlayacağı fayda; veri tabanları,istatistik ve yapay öğrenme konularının kavramlarına dayanır ve onların tekniklerini kullanır.Bu sayede tableau bir ön hazırlık yapmadan,modelleme süreçlerini ve ön hazırlık sürecini knime ile tamamlamış oluruz bu çalışmayı da tableau uzantısına çevirme işlemi ile sonlandırmış oluruz.

Tableau ve Knime bağlantılarını entegre etmeye  çalışalım.Öncelikle knime programını  buradan ücretsiz indirebilirsiniz.

İndirdiğinizi varsayarak işlemlerimize başlayabiliriz.

                                                            Açılan sayfada bazı işaretlemeler yapıldıktan  sonra devam ediyoruz. 

Knime ile yapılan  Zaman serisi  örneğini ele alalım.

Çalışmamızı tamamladıktan sonra bu çalışmayı tableau uzantısına çevirme işlemine geçebiliriz.

Tableau Writer(TDE) bağlayarak  algoritmayı tamamlamış oluruz.Tableau Write'a sağ tıklayarak gelen ekrandan configure'yi seçerek devam ediyoruz.

Açılan sayfada oluşacak tde uzantılı dosyanın kaydetmesi gereken adresi belirtikten sonra Knime ile işimiz bitmiş oluyor

 TDE uzantılı dosyamızı oluşturmuş olduk.Tableau ile çalışmalarımıza devam edebiliriz.
Tableau Desktop10 ücretsiz burada

Tableau and R Project :Outlier(Uçdeğer)

Bir dağılımda ortalamaya ya da diğer merkezi eğilim ölçülerine göre aşırı sapma gösteren en uçnoktada yer alan değerdir.

Örnek verimizin eşliğinde Tableau ve R project bağlantımızı kontrol edip başlayabiliriz.Aylık kar durumu ele alalım.

Aylık kar durumunu buradan inceleyebiliriz.Şimdi ise Outlier(Uçdeğer) değerlerimizin olup olmadığını kontrol edelim.

Burada R Project paketlerinden "mvoutlier" paketini kurmamız gerekiyor.

                 Tıkladıktan sonra açılan sayfadan mvoutlier'ı ekliyoruz.

Şimdilik R-Project ile yapmamız gereken işlemler bu kadar tableau da formülümüzü oluşturmaya başlayalım.

              Oluşturduğumuz bu formülü Color'a atıp oluşan durumu beraber inceleyelim.

  





Tableau Desktop10 ücretsiz burada