수업 27일차

✔ Heat Map Chart

개요

• 테이블 형식의 데이터를 색상으로 표현할 수 있는 차트
• 유사한 차트로 Tree Map은 각 셀의 크기로도 데이터의 차이를 표현 가능
• 차원을 2개를 사용하는데 2개의 차원의 연관성을 파악하거나 상위 차원과 하위 차원 형태로 배치를 세부항목을 보여주는 형태로 많이 사용합니다.
• 가끔은 색상이 수치보다 더 와닿을 수 있다.
• 수치나 경향보다는 색상의 차이가 시각적으로는 효과가 뛰어나기 떄문에 값의 차이가 큰 경우에 많이 사용합니다.

tree map은 2개의 차원, 2개의 측정 값 까지 가능함

상관?

• 2개 항목의 상호 관련성
• 2개의 패턴이 존재
  - 양의 상관 관계 : ↗
  - 음의 상관 관계 : ↖
  - 상관 관계가 높다? : 라인의 형태로 나타남
• Heat Map 색상으로도 상관 관계를 파악할 수 있다.

예시

• 항공사의 계절성 파악
  - x축 년도, y축 월
  - 년도별, 월별 추세를 확인할 수 있다.
  

월 별 그리고 요일 별 매출액의 합계를 파악해보자.

초기 설정

• 사용하고자 하는 엑셀 파일을 tableau에 연결
• 사용하고자 하는 시트를 캔버스로 이동 : 주문 시트 사용(from 절 / SQL)
• 테이블 : 차원, 테이블 밑에 있는 것 : 측정 값
• 차원 : 분류를 위한 것, 측정값 : 진짜 그냥 측정 값임

시작

• 마크 선반에서 유형 사각형으로 변경
• 주문 날짜를 열, 행 두 곳에 다 배치
• 열 선반에 배치한 주문 날짜를 불 연속형의 요일로 바꾸기
• 행 선반에 배치한 주문 날짜를 불 연속형의 월로 바꾸기

• 데이터가 안들어갔을 때의 형태이다.
• 이러면 년도는 의미가 없어진다.

• 출력할 측정 값(매출액)을 Heat Map으로 표현하기 위해서, 마크 선반의 색상으로 배치
• 정확한 값을 알고자 하는 경우에는 마크 선반의 레이블에도 배치를 해주면 값을 알 수 있다.

✔ 여러 시트 조인

• Tableau에서는 시트 간에 동일한 차원이 존재하는 경우에 조인이 가능
• 동일한 차원이 없더라도 강제로 조인을 할 수 있습니다.
• Union(여러 개의 구조가 같은 시트를 합치는 것)도 가능
  - Join 과 Union은 다르다는 것을 알아두자.
• 기준이 되는 시트를 먼저 배치하고, 다른 시트를 배치할 때 시트 위에 배치하면 Union이고, 오른쪽이나 왼쪽에 배치하면 Join입니다.
  - Tableau의 특징을 여기서 알 수 있습니다. DB에서 먼저 Join을 할 필요가 없다는 점입니다. 굳이 처음부터 Join된 데이터를 쓸 필요가 없습니다.
• Join을 할 때는 공통된 컬럼을 알아야 합니다.
  - DB에서 JOIN을 할 때는 순서도 중요합니다.

from emp, dept where emp.deptno=dept.deptno
from emp, dept where dept.deptno=emp.deptno

• 결과는 똑같지만 과정이 매우 다르며, 속도도 다릅니다.
  전부 다 찾을지 아니면 한개 찾고 바로 끝내버릴지

• Car_Order, Car_Member, Car_OrderDetail, Car_product, Car_store 순서로 연결
• Order에는 Member, OrderDetail, Store 조인
• OrderDetail에 Product 연결
  

✔ 필터

데이터 원본 필터

• 연결된 데이터 원본에 필터를 적용
• 데이터를 불러오는 단계에서 필터링이 되기 때문에 대용량 데이터를 불러올 때 활용합니다.
• 데이터 원본에서 Type에서 truck 제외
  - 데이터 원본 화면의 오른쪽 상단의 필터의 추가를 클릭해 원하는 데이터만 추출
  

워크시트 페이지 및 필터

워크시트 페이지

• 필터 이동 및 재생을 위해 워크시트 뷰를 동적(애니메이션)으로 보이게 하는 기능

Type별 매출액을 이용한 막대 그래프 출력

• 매출액은 존재하지 않는 측정값이다.
  - 존재하지 않는 측정값은 계산된 필드를 이용해서 생성함
  - 매출액은 Price*Quantity로 생성
  - 계산된 필드 - 파생 속성(Derived Attribute)
  - 이러한 속성을 자주 사용하는 경우에는 컬럼으로 추가하는 것이 좋다.
  - 이 기능은 자주 활용하는 기능인데, 대부분의 경우 RDBMS에서 데이터를 가져와서 사용하는데, RDBMS에서는 근본적으로 데이터의 중복이나 계산식으로 나오는 파생 컬럼을 만들지 않습니다.
  

• 행과 열에 Type과 매출액 필드를 설정
• Type을 마크 선반의 색상으로 설정해 Type별로 색상을 다르게 보이도록 설정
• 매출액을 마크 선반의 레이블로 설정해서 매출액 값이 Canvas에 출력되도록 설정
• 애니메이션을 위해서 페이지에 Order Date를 드래그해서 설정하고 데이터의 형식을 yyyy년 m월로 설정
  

워크시트 필터

• 차원 또는 측정값 필드를 이용해서 워크시트 뷰를 필터링하는 기능
• 필터링해서 출력하는 것이지 데이터를 필터링하는 것이 아님

워크시트 필터 실습 - 모델별 매출액 막대 차트 생성

• 행과 열에 Model과 매출액을 배치
• 매출액을 마크 카드의 색상과 레이블에 배치
• 툴 바의 정렬 아이콘을 이용해서 내림차순으로 설정

• Model을 선택하고 필터에 배치
• 일반에서는 특정한 값을 포함시키거나 제거 가능
• 와일드카드에서는 특정 문자로 시작하거나 종료되는 그리고 포함한과 정확히 일치를 설정할 수 있습니다.
• 조건에서는 직접 조건을 설정합니다.
• 상위에서는 상위 또는 하위에서 몇 개를 추출할 수 있습니다.
  
• 필터를 만들 때, 측정 값을 설정하게 된다면, 범위 / 최대 / 최소 / 특수 총 4가지 형태로 조건을 설정합니다.

✔ 필드 변환

• 차원 또는 측정값을 이용해서 시각화에 필요한 새로운 필드로 변환하는 것
• 만들기 / 변환 / 변경 등의 작업이 가능
• 차원과 측정값은 변환 기능이 서로 다릅니다.

별칭

• 값에 별명을 붙이는 것
• 차원 데이터에서 값 대신에 특별한 문자열이나 값을 사용하는 것
• 문자열이 열거형(특정 값 만으로 구성된 데이터로, 범주형이라고도 함 -factor)인 경우 주로 이용합니다.
• 숫자로 된 데이터에 문자열을 표시하거나 영문이나 다른 언어로 만들어진 데이터에 한글 별명을 주는 경우가 많습니다.
• DB에서는 기본적으로 열거형을 사용하지 않기 때문에, 열거형의 경우에는 일반 문자열이나 정수로 표현합니다
  - 이런 경우에는 알아보기가 어렵기 때문에 별칭을 사용합니다.

• Gender field에 별칭을 사용해보자.
  ↓
  

계산된 필드

• 함수를 사용해서 필드를 계산하는 것
• 생성할 때는, 사이드바의 빈 영역에서 우클릭 [계산된 필드 만들기] 혹은 사이드바 상단 추가메뉴에서도 생성 가능함
• Tableau가 제공하는 함수와 IF ~ ELSIF ~ ELSE END 사용이 가능함

• 2개의 필드 생성
• 국가 브랜드 : Brand값이 chevolet이면 미국, bmw이면 독일, peugeot이면 프랑스, 나머지는 일본

IF [Brand] = 'chevrolet' THEN '미국'
ELSEIF [Brand]='bmw' THEN '독일'
ELSEIF [Brand]='peugeot' THEN '프랑스'
ELSE '일본'
END

• 평균 가격 : price 필드의 평균

AVG([Price])

그룹

• [차원]이나 [측정값]을 그룹화할 때 사용하는데, 대부분의 경우는 차원을 그룹화하는데 사용

Brand를 그룹화

• [brand]필드 $\rarr$ 만들기 $\rarr$ 그룹
  - 그룹화하고자하는 하옴긍ㄹ 선택하고 그룹을 누르고 그룹 명을 입력
  ↓
  

집합

• 데이터를 미리 선정해두고 사용하는 것
• 동적 집합과 정적 집합이 있는데, 동적 집합은 데이터의 값에 따라 변경이 될 수 있는 것으로, 단일 차원으로만 만들어 나갑니다.
• 정적(고정)집합은 데이터를 고정시켜서 선ㅌ낵하는 것으로 변경이 안되지만 여러 차원으로 만들 수 있습니다.

Model과 매출액을 이용해서 막대 그래프 그리기

동적 집합 만들기

• model 클릭 $\rarr$ 만들기 $\rarr$ 집합
• 이름은 자유롭게
• 상위 10개만 뽑자(조건)
  

고정 집합 만들기

• 매출액을 행에, 평균 가격을 열에 배치 (두 숫자가 들어가면 scatter)
• brand, model을 마크카드 세부정보에 배치
• 분산형(Scatter) 차트에서 그룹화하고 싶은 데이터만 드래그해서 선택 후, 나오는 메뉴에서 [그룹화] 선택하고 그룹 이름 입력하기
  

구간 차원(Binning)

• 연속형 데이터를 범주(차원, Factor, 열거형-Enum)형으로 만들고자 할 때 사용

Age 를 10살 간격으로 구간화 해보기

• Age 클릭 $\rarr$ 만들기 $\rarr$ 구간차원 선택 후, 이름 입력하고 각 구간의 크기를 설정하기
  
• 만들어진 필드를 행으로 배치하고 확인
• Age를 마크선반 텍스트에 배치하고 측정값을 합계가 아닌 평균으로 설정하고 봐보자.
  
• 원래 python으로 했다면 구간을 하나하나 나눠야 했었을 것이다.
• 범위설정이 되고, 구간의 개수 설정도 가능하다.
• 범위를 볼 때, 데이터를 확인하고 설정해야 한다.

매개변수

• 사용자가 직접 값을 설정하거나 입력해서 뷰를 필터링하기 위한 기능
• 단독으로 사용될 수는 없다.
• 차원이나 측정값 또는 계산될 필드와 같이 동작합니다.
  - Tableau에서 매개변수를 만들 때는 필드의 이름은 포함되지 않고 값만 들어가기 때문에, 누가 이 값에 속해야 하는지를 모르기에 단독으로 사용될 수 없다.
• 생성을 할 떄는 사이드 바의 빈 영역에서 우클릭으로 만들거나 사이드바 상단의 추가 메뉴를 클릭해서 생성이 가능하다.

날짜를 갖는 매개변수 2개를 생성(시작일, 종료일)

만든 매개변수 사용

• order date를 행에 배치 불연속형 월단위로 설정
• 매출액을 마크카드 텍스트에 배치하여 월단위 매출액을 표시
• 매개변수를 활용하기 위한 계산된 필드 생성 - 매개변수 (Order Date)

IF [Order Date] >=[시작일] AND [Order Date] <=[종료일]
THEN 'Y' ELSE 'N' END

• 행에 [매개변수 (Order Date)] 필드에 배치
• 매개변수를 화면에 표시하기
  - 매개변수를 선택하고 표시하기
  - 계산된 필드(매개변수(Order Date))를 필터로 드래그 하고 체크 박스에서 Y 선택
  

매개변수를 적절히 활용하면,
동적으로 뷰를 변경하면서 데이터를 확인하는 것이 가능합니다.
매개변수, 계산된 필드는 굉장히 많이 만들고 사용합니다. 매우 중요합니다.

변환

• 차원 필드 값을 여러 필드로 나눌 때 사용합니다.
  - 1. 분할
  - 2. 사용자 지정 분할
• 분할
  - Tableau가 자동으로 분할
  - 반복되는 패턴이 있는 경우
• 사용자 지정 분할
  - 구분 기호로 직접 분할

서울시 양천구
서울시 서초구
서울시 강남구

• 분할은 Tableau가 서울시 / ~~구로 나눈다.
• 사용자 지정 분할은 "공백"을 기준으로 나누는 것

• 자동 분할
  - 원하는 필드 $\rarr$ 변환 $\rarr$ 분할
  - Tableau가 패턴을 찾아 분할을 해준다.
  

• 직접 분할
  - 원하는 필드 $\rarr$ 변환 $\rarr$ 사용자 지정 분할 을 선택하고 구분 기호를 설정
  

Split 은 기호가 정규 표현식인지 아니면 문자열인지 확인을 하고 한가지로 분할이 가능한지, 아니면 여러 가지 설정이 가능한지 그리고 분할할 개수를 설정할 수 있는지 확인

---

indexOf 나 lastIndexOf는 시작할 위치를 설정할 수 있는지 확인

계층

• 여러 차원 값들을 하나의 계층으로 만들 때 사용함(변환과 반대)
• 하나의 테이블에 상위와 하위 필드가 같이 존재하는 경우에는 계층을 미리 만들어 두는 것이 좋다.
• 계층을 만들어두면 계층을 뷰에 배치할 때, + 아이콘을 만들어서 펼쳐서 보거나 전체 보기를 할 수 있도록 해줍니다.
  - 연/월/일이 따로 있는 경우 같은 것은 계층을 만들어 두는 것이 좋다.

분할1과 분할2를 합쳐서 계층을 생성

• 2개의 필드를 선택하고 분할 2의 추가 메뉴 $\rarr$ 계층 $\rarr$ 계층만들기
  
• 확인을 해보고자 한다면 만들어진 계층을 행으로 드래그 하고 + 버튼을 클릭해서 잘 만들어졌는지 확인해보기
  

데이터 유형 변환 및 지리적 역할

• 데이터 유형 변환 : 자료 형 변환
• 지리적 역할
  - 국가나 시군구 등의 기능으로 변환 (탁월한 기능)

지리적 역할 실습을 해보자.

• Store Addr - 분할1 을 선택 $\rarr$ 지리적 역할 $\rarr$ 시/도
• Store Addr - 분할2 를 선택 $\rarr$ 지리적 역할 $\rarr$ 시/군/구
  
• 지구본 모양이다
• Store Addr 계층을 마크 카드 색상 및 세부 정보에 배치
• 이후 표현 방법에서 지도를 선택하면 나온다.
  

탐색적 시각화를 할 때는 Python 보단 Tableau 로 하는 것이 효율적이다.

차원 및 측정 값 변환

• 차원(Factor - 범주)을 측정값으로 변환하거나 측정 값을 차원으로 변환하는 것

차원인 Model을 측정 값으로 변환을 해보자.

• Model 필드를 행으로 배치하자.
• Model $\rarr$ 차원을 , Model $\rarr$ 측정값으로 바꿀 수 있다.
• 측정값(Count)를 고르게 된다면, Count를 반환합니다.(데이터의 개수)
• 물론 사이드 바에서도 바꾸기도 가능하지만, 다시 되돌려 놓는 것을 잊지 말자.

• 차원을 측정값으로 변환하는 것은 개수를 세는 것 이외에는 큰 의미가 없다.
  - 문자열은 차원으로 설정되는데, 문자열을 숫자로 변경할 때는 일련번호 형태를 사용하지 않습니다.
  - 문자열을 숫자로 바꾸는 것은 거리계산을 할 때 만입니다.
  - 큰 의미가 없어요.
• 일반적으로는 측정 값을 차원으로 변경하는 경우가 많음
  - 설문조사를 하거나 DB에 data를 저장할 때, ENUM 스타일을 사용할 수 없기 때문에, 숫자로 변환해서 저장하는 경우가 있씁니다.
  - 숫자로 저장하게 된다면, 읽어올 때 측정값으로 읽어오는 경우가 발생해서 측정 값으로 되돌리거나, 변환 작업들을 수행하게 됩니다.

• 예시
  - 1. 대졸 이상
  - 2. 대졸
  - 3. 고졸
  - 4. 고졸 미만
• 1, 2, 3, 4로 저장하는 편이다.

✔ 뷰 편집

서식

• 글꼴 / 맞춤 / 음영 / 테두리 / 라인을 이용해서 뷰 서식 변경을 할 수 있다.

매출액과 평균 가격을 이용해서 분산형 차트(Scatter)를 만들고 서식을 변경

• Scatter 는 분포확인 , 상관 관계 파악을 하는 것이다.
  - 그렇기에 얘는 측정값 2개를 가지고 생성한다.

• 매출액과 평균 가격을 행과 열에 배치
  - 전체 매출 합계이기에 점은 1개만 생성
  - 분류를 할 때는 마크 카드의 세부정보를 이용한다.
• 마크 카드의 세부 정보에 Brand와 Model 필드를 배치
• 뷰 영역에서 우클릭 $\rarr$ 서식 실행해서 서식 변경 $\rarr$ 워크시트 선택하고 수정을 하면 X축과 Y축 모두 영향을 받고, 상단 필드에서 특정 필드를 선택하면 선택된 필드만 수정됩니다.

축 편집

• 범위나 눈금 또는 축 제목과 눈금선을 편집
• 축을 선택하고 우클릭 $\rarr$ 축 편집을 클릭하고 설정하자.

추세선

• 선형 / 로그 / 지수 / 거듭 제곱 / 다항식을 활용해서 측정 값들의 추세를 표시할 수 있다.
• 뷰에서 우클릭 $\rarr$ 추세선 $\rarr$ 추세선 표시
  
• 추세선 우클릭 $\rarr$ 설명 들어가면 설명도 나오고, 신뢰구간도 확인 가능
  

---

신뢰구간(Confidence Interval)

• 모수가 어느 벙위 안에 있는 지를 확률적으로 보여주는 방법 중의 하나
• 신뢰수준을 설정해 해당 구간 안에 있을 확률이 95%,99%정도 된다고 설명

---

선형 / 로그 / 지수 / 거듭 제곱 / 다항식 형태가 있는 이유는 기본은 선형 회귀인데, 선형 회귀는 회귀를 잘 설명하지 못하는 경우가 있어서 이런 경우에는 거듭제곱이나 다항식 등을 이용해서 회귀를 설명합니다.

• 추세선에 마우스를 올려보면 다음과 같은 정보가 나옵니다.
  - 1. 회귀식
  - 2. r-squared(R2 Score)
  - 3. p-value
• R2 Score는 결정 계수이며, 회귀 모델에서 독립 변수가 종속변수를 얼마나 잘 설명하는가를 보여주는 지표 입니다.
  - 이 값이 1에 가까울 수록 독립 변수들이 종속 변수를 잘 설명한다고 합니다.
• 어떤 회귀식을 사용해야 할 지 결정이 잘 안되는 경우에는 p-value(유의 확률)가 작은 값을 선택합니다.
  - p-value는 우리말로는 유의확률이라 번역됩니다.
  - 귀무가설이 맞다고 가정할 때 얻은 결과보다 극단적인 결과가 실제로 관측될 확률입니다.
  - 이 수치는 작을 수록 결과를 신뢰할 만 합니다.

주석

• 뷰에 텍스트를 출력하는 것으로, 마크 / 지점 / 영역을 활용
• 차트 영역 안에서 우클릭 $\rarr$ 주석 추가 선택 후 설정
  

✔ 마크 카드

---

---

• 기본적으로 색상 / 크기 / 텍스트 / 세부 정보 / 도구 설명으로 되어있지만, 마크 유형에 따라 메뉴는 유동적입니다.

색상 / 크기 / 레이블

• 색상이나, 차트의 크기, 차트에 표시되는 문자열 입니다.
• 레이블 대신 텍스트로 나오는 경우가 있습니다.

세부 정보 / 도구 설명

• 세부 정보는 차원 내에서 세부 차원을 적용하고자 할 때 사용
• 도구 설명은 차트에 마우스를 올리면 보여지는 정보를 설정할 때 사용

세부 정보

• 행과 열에 매출액 및 Order Date 배치
• Order Date를 선택하고 추가 메뉴를 통해 범위와 연속성을 설정
• 마크 카드의 세부 정보에 평균 가격 필드를 배치해보자
  - 마우스를 올리면 볼 수 있다.
  

도구 설명

• 마크 카드의 도구 설명을 누르면 마우스를 올렸을 때, 확인하고 싶은 정보들을 추가로 편집할 수 있다.
  

✔ 표현 방식

• 선택한 필드 값들을 기준으로 해서 적합한 뷰를 추천
• 빨간색 테두리로 되어 있는 것이 권장입니다.
  

✔ 요약

• 뷰 안에 라인을 출력하거나 사분위수 또는 전체 합계를 출력하고자 할 때 사용하는 기능

상수 및 평균 라인

• 상수 라인은 직접 선의 위치를 지정하는 것
  - 값을 직접 지정하는 것임
  - 기준점을 설정하고자 할 때 이용합니다.
• 평균 라인은 평균에 선이 그어지는 것
  - 얘는 어떻게 할 수 없음
  

그래프에 상수 라인과 평균 라인 출력

• 행 과 열에 매출액과 Order Date를 배치하자.
  
• 상수 라인은 축마다 그어줄 수 있다.
• 분석 탭에서 상수 라인을 뷰로 드래그 한 뒤, 상수 라인을 설정할 항목을 결정하고 값과 서식을 설정해주자.
• 분석 탭에서 평균 라인을 뷰로 드래그 한 뒤, 라인을 설정할 항목을 결정

사분위 수 및 중앙값

• 사분위 수는 데이터 전체를 100%로 보고 4등분 한 뒤, 하위 25%, 50%, 75%의 값을 사분위 수라고 합니다.
  - 1사분위수 : 하위 25%
  - 2사분위수, 중앙값 : 하위 50%
  - 3사분위수 : 하위 75%
• 3사분위 수에서 1사분위 수 까지의 범위를 IQR이라고 합니다.
  - 이 범위 안에 전체 데이터의 50%가 놓이게 됩니다.
  - 이 IQR을 가지고 이상치 판단을 하는 경우가 있습니다.

사분위수와 중앙값 출력

• 행과 열에 매출액 및 Store Addr 필드 배치
• 분석 탭에서 사분위수 및 중앙값을 시트에 드래그 앤 드롭해주기
  
• 평균라인도 그렸습니다. 이때, 평균과 중앙값이 같았으면, 정규분포이다.

테이블 vs 패널 vs 셀

• 분석할 항목의 범위를 설정
• 테이블은 전체 데이터 기준
• 패널과 셀이 차이가 나는 경우는 차원이 2개 이상인 경우로, 첫 번째 차원 기준이 패널이고, 세부 차원 기준이 셀

행과 열에 매출액과 OrderDate, 그리고 Brand 필드가 존재하는 경우

• 테이블의 평균은 매출액의 평균입니다.
• 패널의 평균은 Order Date가 년도 별이라면, 년도 별 평균입니다.
• 셀의 평균은 년도 별 브랜드별 평균입니다.
• 테이블 평균
  
• 패널 평균
  
• 셀 평균
  

박스 플롯

• 사분위수와 중앙값 그리고 수염 정보가 박스 형태로 뷰에 표시되도록 하는 기능
• 수염은 3사분위수*1.5 그리고 1사분위수*1.5 에 해당하하는 부분입니다.
  - Outlier를 판단하는 가장 보편적인 방법으로, 수염 외부에 있는 데이터를 Outlier로 판정합니다.
  - 실제 판단은 분석가의 몫입니다.
• 
• 얘가 일련번호 같은 것인데, 숫자로 판단하고 있다. 이럴 때 변환을 해줘야 합니다.
  - 차원, 불 연속형으로 변경해줍니다.
  
• 현재, 밑에가 너무 촘촘히 있어서 위에 있는 데이터를 outlier로 판단한다. 이때는 분석가가 tableau에게 판단을 맡기는 것이 아닌 개입을 해야 합니다.
• 중앙 부분이 두꺼운 경우(데이터가 많은 경우) 중앙값과 별 차이가 없음에도 불구하고 Outlier가 될 수 있으므로, 이상치 제거를 할 때는 분포를 확인해서 라이브러리의 도움을 받는 것이 나을지, 아니면 분석가가 개입을 해야 하는지 고민해야 한다.

총계

• 측정값 필드의 총계를 뷰에 표시

총계 출력

• 행과 열에 Brand 와 Model 그리고 Gender 필드를 배치하자.
• 매출액 필드를 마크 카드의 텍스트에 배치
• 분석 탭에서 총계를 시트에 배치하기
  
• 소계, 열 총합계, 행 총합계 등을 출력할 수 있다.
• 최상단의 [분석] 메뉴의 총계를 선택하면 표시위치나 계산 값 변경이 가능함
  

모델

• 95% CI의 평균, 중앙값, 추세선, 예측, 클러스터를 활용해서 뷰를 모델화 하는 것
  - CI는 (Confidence Interval - 신뢰수준)

모델을 표시

• 행과 열에 Quantity와 Order Date 배치
• 마크 카드에 원하는 것 배치
• 분석 탭에서 95% CI의 평균 과 중앙값을 뷰에 추가
• 이번엔 중앙값이 더 밑에 가있다.
  

추세선

• 2개의 측정 값의 상호 관련성을 선으로 표시
• 측정값이 항상 2개가 있어야 합니다.
  

예측

• 날짜 필드를 활용하여 측정한 필드의 예측을 표시
• 행에 Gender와 매출액 배치
• 열에 Order Date 배치
• 색상 Gender적용, 레이블은 매출액
  
• 불연속형은 예측 안될것이다.
• 마크 카드의 예측 표시기 없애면 선 연결
  
• 하지만 너비가 너무 넓은 것을 확인할 수 있다.
  - 데이터의 기간이 너무 짧습니다.
• 예측 옵션도 설정할 수 있다.
  
• Tableau가 예측에 사용하는 방법은 지수 평활법이다.
• 시계열 예측을 할 때, 주가 예측은 과거의 데이터 비중을 낮추고 최근의 데이터 비중을 높여서 예측을 합니다.
• 가중치를 설정해서 예측을 합니다.
  - (1-가중치)데이터1+(1-가중치^2)데이터2+...+(1-가중치^N)데이터N, 가중치<1
  - 단순 선형회귀가 맞는 경우는 진짜 거의 1도 없습니다.

예측은 이어지는 연속형(다음이 있는 경우)만 가능합니다.

클러스터

• 그룹화 기능입니다.
• 그룹이 없는 데이터를 그룹화하는 작업을 클러스터링이라고 하고, 이를 수행할 때 사용하는 분석 방법을 군집 분석이라고 합니다.
• 이렇게 답이 없는 데이터를 가지고 답을 찾아가는 머신러닝을 비지도 학습이라고 합니다.

실습

• 행과 열에 매출액 및 평균 가격을 배치
• 마크 카드의 세부 정보에 Model 필드 배치
• 분석 탭에서 클러스터를 뷰로 배치
  
• 자동으로도 할 수 있고, 수동으로 그룹 수를 바꿀 수 있습니다.
  
• 클러스터는 측정값이 아닌, 차원으로 컬럼을 만들 수 있습니다.

사용자 지정

• 분석 정보를 직접 설정하는 것

실습 환경

• 행과 열에 매출액 및 Model(클러스터) 필드를 배치
  

✔ Quick Table 계산

• 데이터 시각화에 필요한 계산식(누계 / 구성 비율 / 순위 / 전년 대비 성장율..)을 빠르게 정요할 수 있는 Tableau의 기능
• 측정 값을 가지고 하기도 하고, 계산된 필드를 만들어서 적용하기도 합니다.