[태블로] 활용한 Superstore 데이터셋 시각화

 

홈 - Tableau Cloud

https://prod-apnortheast-a.online.tableau.com/#/site/teamsparta/home

 

01 데이터 속성

---

🔎 Superstore: 2020~2023년도까지 4개년 커머스 데이터

 

• Oredr ID: 상품 주문 고유 아이디(PK)
• Order Date: 상품 주문 날짜
• Ship Date: 배송 날짜
  • 2020- 2023(4개년)
• Ship Mode: 배송 유형
  • First Class
  • Same Day
  • Second Class
  • Standard Class
• Customer ID: 고객 아이디
• Category: 상위 카테고리
• SubCategory: 하위 카테고리
• Sales: 판매량
• Discount: 할인율
• Profit: 순이익

 

02 데이터 살펴보기

---

1. 텍스트 테이블 (분석 > 총계)

 

2. 하이라이트 테이블

 

- 행은 서브 카테고리 넣기, 열에는 아무것도 X

- 워크시트 표 값 안에 Sales 넣기

- 표현방식: 하이라이트 그래프

- 워크시트 안 컬럼명 옆 화살표 눌러서 필드 정렬

 

3. 컨텍스트 필터 활용하기

행의 고객 이름명 옵션으로 필터...를 클릭하여 필터를 만든다.

상위 10명의 고객을 필터링한다.

지역 컬럼을 필터 영역에 드래그 앤 드롭한다.

지역 컬럼의 필터를 (전체)를 눌러서 추가한다.

지역별 상위 10명의 고객이 누구인지 확인할 수 있게 된다.

필터를 표시하여 전, 후의 차이가 있는지 확인한다.

지역 필터를 컨텍스트 필터에 추가한 전 → 후

 

03 태블로 작동 원리: 필터 6종 (1>2>3>4>5>6)💡

---

1. 추출 필터(top): 데이터 소스에서 추출된 데이터 필터링 (데이터 연결방식 라이브VS추출에서 추출을 선택했을 때만 사용 가능)
2. 데이터 원본 필터: 데이터 원본 소스에서 일부 데이터만 필터링 (워크시트 작업 전 데이터원본 탭에서 이용 가능)
3. 컨텍스트 필터: 특정값에 대한 데이터만 필터링 (여기부터 워크시트 작업)
4. 차원 필터: 차원을 기준으로 데이터 필터링
5. 측정값 필터: 측정값을 기준으로 데이터 필터링
6. 테이블 계산 필터: 특정 계산 결과를 기준으로 데이터 필터링

 

04 계산과 필터의 태블로 작업 순서(쿼리 파이프 라인)

---

- 필터를 추가할 때 해당 필터가 항상 작업 순서에 따라서 순서대로 진행된다.

- 계산과 필터 사이에는 우선 순위가 있다.

- ex) FIXED가 컨텍스트 필터보다 아래에 있음을 유의해야 한다.

- 상위 필터, 집합, Fixed식과 차원 필터의 문제들이 발생하는 경우, "컨텍스트 필터"를 활용해서 작동 순서를 바꿀 수 있다.

 

 

1. 측정값/차원 필터는 우클릭을 통해 쉽게 만들 수 있다. (지역별 필터에서 컨텍스트에 추가를 누르면 바로 변경됨.)
2. 컨텍스트 필터를 많이 사용하는 이유는 컨텍스트 필터로 지정하게 되면 다른 필터와 다르게 필터링 된 데이터에 대해서만 필터가 적용되기 때문이다.
3. 컨텍스트 필터는 데이터 원본 자체가 너무 클 때, topN필터를 사용할 때 많이 활용한다.

 

 

1. 날짜 필터는 매개 변수를 활용해서 많이 만들기도 한다.
2. 날짜 필터는 필터 표시에서 드롭다운, 슬라이더 등 다양한 형태로 변경할 수 있다.

 

05 태블로만의 계산식 (기본 계산식, 고급 계산식 LoD)

---

1.기본 계산식 활용하기: 계층과 드릴 다운 이해하기

 

2.퀵테이블 계산: 간단한 계산은 빠르게 해결하기

- 실무에서는 시계열 데이터를 많이 다룬다. 연도별, 월별, 주별, 일별로 비교하기 위해 전년 대비, 전월 대비, 전주대비, 전일대비 기준으로 "비즈니스 지표 증감 비교"를 많이 한다.

 

- 전주/월/년 대비 함수: 퀵 테이블 기능을 통해 빠르게 계산이 가능하다.

- LOD식을 활용해서 YTD, YoY, MoM, WoW를 직접 만들기도 한다.

 

YTD: 연초 대비 증감률
YoY: 전년 대비 증감률
MoM: 전월 대비 증감률
WoW: 전주 대비 증감률

 

합계(salse) 옵션을 눌러서 변경한다. 퀵 테이블 계산 전에 테이블 계산 추가를 누른다.

서브 카테고리 기준으로 보고 싶기 때문에 특정 차원에서 서브카테고리를 누른다.

비율이 잘 안보이니 100퍼센트 누적 막대 그래프로 변경한다.

 

기기 카테고리에서 휴대폰의 비중이 39.51%로 가장 높게 나타난다.

 

3. 태블로 함수 (SQL과 유사하다)

: 계산된 필드를 만들 때 많이 활용한다. 특히! ZN 함수가 특이하고 많이 사용한다.

 

참고 자료: 논리 함수

논리 함수

 

참고 자료: 날짜 함수

날짜 함수

 

- IF

IF SUM([Sales]) >= 10000
 THEN '상위 매출' ELSE '하위 매출' END

 

- CASE WHEN

CASE [측정값]
WHEN 'Sales' THEN [매출]
WHEN 'Profit' THEN [수익] 
...
END

 

- DATEDIFF 함수: 두 날짜 사이의 차이를 반환

DATEDIFF(단위, 시작 날짜, 끝 날짜)

 

- DATEADD 함수: 날짜 더하기

DATEADD(단위, 간격, 기준 날짜)

 

- [배송 기간] 필드 만들기

불연속형인 차원으로 이동

완성!

4. 고급 계산식(LoD식) 활용하기

개념 참고: TIL 69일차 : Tableau 개념이해, 판다스 4-6 (tistory.com)

TIL 69일차 : Tableau 개념이해, 판다스 4-6

 

기본 문법 구조

{[FIXED | INCLUDE | EXCLUDE] [차원1], [차원2] : AVG([측정값])}

 

FIXED : 뷰에 지정 차원과 상관없이 계산한다.

INCLUDE : 뷰에 지정된 차원 뿐만 아니라 뷰에 보이지 않는 모든 차원을 포함시켜 계산한다. 뷰에 보이지 않는 특정 차원을 포함시키고 싶을 때 사용한다. 보통 평균과 많이 활용된다.

EXCLUDE : 식에 해당되는 차원을 제거하고 계산한다. 보통 뷰에 포함된 특정 차원을 제거하고 싶을 때 많이 활용된다.

 

지역별 평균 매출

{ FIXED [Region] : AVG([Sales]) }

{ INCLUDE [Region]: AVG([Sales]) }

{ EXCLUDE [Region]: AVG([Sales]) }

 

참고 자료: 상위 15가지 LOD 표현식

상위 15가지 LOD 표현식

 

 

1. 현재(VLoD) 태블로에서는 드릴 다운[+]한 하위(세부) 카테고리를 기준으로 측정값이 나온다.
2. fixed는 상위 수준인 region으로 고정해서 계산한다. exclude와 값이 같다.
3. exclude는 세부 수준을 제거해서 더 상위 수준은 region별로 나오게 된다.

 

 

1. 태블로에서는 카테고리별로 모든 매출을 더하고나서 매출의 합계들을 각 카테고리의 행의 수만큼 나눠준다.
2. include는 서브 카테고리 레벨에서 평균 값을 구하고나서 그 다음 상위 카테고리에 있는 평균 값을 구해준다.
3. 그래서 VLoD에 포함되지 않는 서브 카테고리 세부 수준까지 계산되는 것이다.

 

 

[질문] 전자는 상위 카테고리 별 매출액의 평균을 구했다. 후자는 왜 서브 카테고리 별 매출액의 평균을 구하고 거기에서 합계를 하는 것인지 계산해보니 진짜 서브 카테고리별 합계였다. 그 이유는 그냥 값이 다른 걸 보여주기 위함이라고 생각했다. 맞나?

 

 

[질문]  평균으로 바꾸면 또 둘의 값이 달라진다. 하지만 뷰수준을 하위 카테고리로 내리면 같다. 이유는 아래와 같이 열에 해당하는 부분이 상위 카테고리 차원에서의 측정값이고 현재 뷰는 하위가 기준이라서가 맞나? 뷰 수준의 차원을 기준으로 비교하는 용도니까.

 

 

진짜 신기한 점, 서브 카테고리별로 평균을 구해 > 그리고 걔네만의 평균을 또 구해 그럼 값이 달라!!

 

 

1) 보통은 상황에 따라 다르지만, 일반적으로 서브 카테고리별로 평균을 구하는 경우가 더 많이 사용된다고 한다. 데이터의 세부 수준에서 분석하고자 할 때, 서브 카테고리 수준의 정보가 더 유용하기 때문이다. 서브 카테고리별로 평균을 구하면 더 세분화된 정보를 얻을 수 있어서 의사 결정에 도움이 된다.

2) 그러나 경우에 따라 상위 수준의 정보만 필요한 경우도 있다. 예를 들어, 높은 수준의 의사 결정을 내리기 위해 상위 카테고리별로 매출액의 평균을 비교하는 경우가 있을 수 있다. 이런 경우에는 카테고리별로 상품의 매출액을 집계하여 분석하는 것이 더 적합할 수 있다.

따라서 분석의 목적과 필요한 정보의 수준에 따라 적절한 방법을 선택하는 것이 중요하며 이것이 분석가의 역량이라고 생각이 된다. 데이터의 세부 수준을 고려하여 적절한 수준의 집계를 수행해야 겠다.