Bir Rakamın Arkasına Bakmak: Ayrıştırma Ağacıyla Kök Neden Analizi

Ayrıştırma ağacı hangi soruya yanıt verir

Ayrıştırma ağacı, Microsoft belgesinin tanımıyla verileri birçok boyut boyunca görselleştirmenizi sağlayan bir görseldir. Veriyi otomatik toplar ve boyutları istediğiniz sırayla kırmanıza izin verir. Aynı zamanda yapay zeka destekli bir görsel olduğu için, belirli ölçütlere göre bir sonraki kırılım boyutunu önermesini de isteyebilirsiniz. Belge, aracın özel olarak ad hoc keşif ve kök neden analizi için değerli olduğunu belirtir.

Tipik soru şudur: "Toplam iade oranı neden yükseldi?" Basit bir sütun grafikte bir boyuta bakarsınız, ancak hangi boyutun önemli olduğunu önceden bilmezsiniz. Ağaçta ise önce ürün kategorisine, sonra bölgeye, ardından kanala inerek en yüksek değerin yoğunlaştığı yolu bulursunuz.

Bu yüzden ağaç bir raporun ilk görseli olmaktan çok, rakamlar sorgulandığında kullanılan ek bakıştır: ana sayfada özet kartlar, yanında "nedenini göster" amaçlı bir ayrıştırma ağacı.

Kurulum: ölçü, boyutlar ve ilk dal

Görselleştirmeler bölmesinden ayrıştırma ağacı simgesi seçilir. Görsel farklı türde girdiler bekler.

Bunlardan biri analiz edilecek metriktir. Belgenin "Analyze" kutusu olarak adlandırdığı bu alan bir ölçü ya da özetlenmiş (toplanmış) bir alan olmalıdır. Diğeri kırılım yapılacak boyutlardır; "Explain by" kutusuna bir ya da daha fazla boyut eklenir.

Ölçüyü kutuya bıraktığınız anda görsel, kök düğümde toplam değeri gösterir. Boyutları ekledikten sonra kök düğümün yanında bir artı işareti belirir. Artıya tıkladığınızda hangi alana inmek istediğinizi seçersiniz; sıra serbesttir. Seçtiğiniz alan ağacı genişletir ve ölçüyü o sütundaki değerlere göre böler. Aynı işlemi her yeni düğümde tekrarlayabilirsiniz.

Yolu değiştirmek ve çapraz süzmek

Ağaçtaki etkileşim kuralları basittir ama karışıklığa yol açar. Son düzeyden bir düğüm seçtiğinizde diğer görseller o düğüme göre çapraz süzülür. Daha önceki bir düzeyden bir düğüm seçtiğinizde ise yol değişir ve o düğümün alt düğümleri gösterilir.

Raporda diğer görsellerle etkileşim de çift yönlüdür: başka bir görselde seçim yaptığınızda ağaç da süzülür ve düzeylerdeki düğümlerin sırası değişebilir. Belgedeki video oyunu satışı örneğinde, yayıncı olarak bir şirket seçildiğinde platform sıralaması değişir; bazı platformların o şirket için hiç satışı yoksa boş düğümler ve alt yolları görünümden çıkar. Yine de mevcut düzeyler (örneğin tür) ağaçta sabit kalır.

Bu davranışı bilmeden raporu okuyan biri, "az önce en yüksek olan düğüm nereye gitti?" diye sorabilir. Bir rapor notunda ağacın başka görsellerle çapraz süzüldüğünü belirtmek bu soruyu baştan çözer.

Yapay zeka bölmeleri: yüksek ve düşük değer

Bir sonraki hangi boyuta bakacağınızı bilmiyorsanız yapay zeka bölmelerini kullanabilirsiniz. Bu bölmeler listenin en üstünde ampul simgesiyle gelir ve verideki yüksek ve düşük değerleri kendiliğinden bulmaya yardım eder.

Seçenekler: • Yüksek değer: tüm uygun alanları değerlendirir ve ölçünün en yüksek değerine ulaşılan alanı önerir. • Düşük değer: aynı mantıkla ölçünün en düşük değerine götüren alanı önerir.

Önerilen düğüm noktalı çizgiyle işaretlenir; ampule gelmek, önerinin gerekçesini açıklayan bir ipucu gösterir (örneğin belirli bir ürün türünde yedek siparişin en yüksek olduğu). Analiz türü mutlak ya da göreli seçilebilir. Mutlak modda en büyük değer bulunur; ancak bir yayıncı yalnız tek platforma satış yapıyorsa, o tek değer doğal olarak en büyük çıkar ve yorum üretmez. Göreli modda ise aynı sütundaki diğer değerlere göre öne çıkan değer aranır, bu da çoğu zaman daha anlamlıdır.

Yapay zeka düzeyleri ardışık zincirlenebilir ve yüksek ile düşük birlikte kullanılabilir. Başka bir düğüm seçildiğinde ya da başka bir görselle çapraz süzme yapıldığında bölmeler sıfırdan yeniden hesaplanır. Yapay zeka bölmelerini istemiyorsanız analiz biçimlendirme ayarlarından kapatabilir, ampule tıklayarak düzeyi normal düzey gibi davranacak şekilde de çevirebilirsiniz. Bir yapay zeka düzeyini elle seçilen bir düzey izleyemez; elle bölme yapıldığında ampul kaybolur.

Düzeyleri kilitlemek: okuyucuya sınır koymak

Rapor tasarımcısı belirli düzeyleri okuyucular için kilitleyebilir. Kilitli bir düzey kaldırılamaz ya da değiştirilemez; okuyucu o düzeyin içindeki farklı yollarda gezebilir ama düzeyin kendisini değiştiremez. İstediğiniz kadar düzeyi kilitleyebilirsiniz, ancak kilitli düzeylerin önünde kilitsiz bir düzey bulunamaz.

Pratik kullanım şöyledir: analist, raporun anlatmak istediği ilk kırılımı (örneğin bölge, ardından ürün grubu) kilitler ve alt düzeyleri okuyucuya açık bırakır. Böylece karar verici, kendi sorusuna göre alt düzeyi değiştirebilir ancak hikayenin başlangıcı bozulmaz.

Kilit, yanlış yorumlama riskini azaltır. Boyut sırası ölçünün yorumlanmasını değiştirdiği için (önce bölge sonra ürün ile önce ürün sonra bölge farklı yolları gösterir), yönetim raporlarında ilk düzeyleri sabitlemek mantıklıdır.

Ayrıştırma ağacı mı, ayrıntıya gitme mi

Bu yöntemler benzer bir ihtiyaca hizmet eder ama farklı işler yapar. Ayrıntıya gitme, kullanıcıyı seçili değerin filtrelenmiş bir ayrıntı sayfasına götürür; sayfalar arası geçiştir ve ayrıntı sayfası serbestçe tasarlanır. Ayrıştırma ağacı ise tek bir görselin içinde, tek bir ölçünün boyutlara göre kırılımını gösterir.

Karar için pratik ölçüt: • Ölçünün hangi boyutta yoğunlaştığını keşfetmek istiyorsanız ayrıştırma ağacı. • Seçilen bir değerin tüm ayrıntılarını (tablolar, birden çok grafik) ayrı bir sayfada göstermek istiyorsanız ayrıntıya gitme. • Bir noktanın üzerine gelince küçük bir ek bilgi yetiyorsa araç ipucu sayfası.

Ağacın bir de temel etkileyenler görseliyle benzer bir amacı vardır, ancak o bir metriği hangi faktörlerin etkilediğini istatistiksel olarak sıralar; ağaç ise bildiğiniz boyutlarda hiyerarşik inmeyi sağlar.

Sınırlar ve sık yapılan hatalar

Belgeye göre ayrıştırma ağacı şu ortamlarda desteklenmez: şirket içi Analysis Services. Yapay zeka bölmeleri ise Azure Analysis Services, Power BI Rapor Sunucusu, web'de yayımlama ve "Analyze" alanındaki karmaşık ölçülerde desteklenmez. Görselin düzey başına gösterilen düğüm sayısı sınırlıdır; ağaç her düzeyde en büyük düğümleri gösterir, bu yüzden az görünen değerler kesilmiş olabilir.

Sık hatalar: • "Analyze" alanına ölçü yerine özetlenmemiş bir sütun koymak. Bu alan ölçü ya da toplama olmalıdır. • Çok fazla ve ilgisiz boyut eklemek. Belge sınırsız boyuta izin verir; ancak yorumlanamayan bir ağaç, bilgi vermez. • Yapay zeka önerisini yorumlamadan kabul etmek. Mutlak modun bariz sonuçlar verebileceğini unutmayın. • Çapraz süzmeyi unutmak. Aynı sayfadaki bir dilimleyici ağacı da değiştirir.

Raporu yayımlamadan önce, bilinen bir rakamın bulunduğu yolu elle izleyerek ağacın sonucu beklediğiniz yoldan döndürdüğünü doğrulayın.

Bu beceriyi Mindset programlarında nerede çalışırsınız

Uygulamalı Power BI ile Veri Analitiği ve Görselleştirme Sertifika Programı'nın "Power BI'da Veri Görselleştirme Uygulamaları" ve "Etkileşimli Raporlama Teknikleri" başlıkları, ayrıştırma ağacı gibi keşif görsellerinin rapora yerleştirildiği alanlardır. Satış, tedarik zinciri ve kalite ekipleri sapmanın kaynağını aramak için bu tür keşif görsellerinden yararlanabilir.

"Veri Güdümlü İş Zekası Geliştirme" başlığı ise analizden karara geçişin nasıl kurgulanacağını çalışmak isteyen ekipler için uygun bir tamamlayıcıdır.