Bir Sonucu Hangi Faktörler Sürüklüyor? Temel Etkileyenler Görseliyle Analiz

Hangi soruya yanıt verir

Temel etkileyenler görseli, ilgilendiğiniz bir metriği yönlendiren faktörleri anlamanıza yardımcı olur. Microsoft belgesine göre veriyi analiz eder, önemli olan faktörleri sıralar ve bunları temel etkileyenler olarak gösterir. Örneğin çalışan kaybının nedenini arıyorsanız, bir faktör sözleşme süresi, bir diğeri işe gidiş süresi olabilir.

Görsel şu durumlarda iyi bir seçimdir: metriği etkileyen faktörleri görmek istediğinizde ve bu faktörlerin göreli önemini kıyaslamak istediğinizde, örneğin "kısa dönemli sözleşmeler kaybı uzun dönemlilerden daha çok mu etkiliyor?" sorusunda.

Bu bir tahmin ya da neden-sonuç kanıtı değildir. Görsel, veride gözlenen ilişkileri sıralar; bulduğu faktörün gerçekten neden olup olmadığına ancak iş bilgisi ve ek incelemeyle karar verilir. Bu yüzden görselin sonucu bir hipotez olarak okunmalı, doğrudan karar olarak değil.

Kurulum: Analyze, Explain by ve Expand by

Görselleştirmeler bölmesinde temel etkileyenler simgesi seçilir. Sonra alanlar şöyle yerleştirilir: • Analyze: araştırdığınız metrik. Kurgusal bir örnekte hizmet memnuniyet puanı bu alana konur. • Explain by: metriği açıklayabileceğini düşündüğünüz faktörler. İstediğiniz kadar alan ekleyebilirsiniz; örneğin ülke, kuruluşta rol, abonelik türü, şirket büyüklüğü ve yorumun teması. • Expand by: yalnız ölçü ya da özetlenmiş bir alanı analiz ederken kullanılır; metrik tek bir tablo satırı düzeyinde değilse analiz düzeyini belirler. Boş bırakılabilir.

Metrik kategorikse (düşük ve yüksek gibi), "ne düşük puana yol açıyor" sorusunu seçmek için açılır kutudan düşük değeri seçersiniz. Analiz, Analyze alanındaki metriğin tablo düzeyinde çalışır. Örneğin puan müşteri düzeyinde tanımlıysa, tüm açıklayıcı faktörlerin de müşteri düzeyinde tanımlı olması gerekir.

Her satırın tek bir faktör değeri olduğu alanlar (ülke, rol, abonelik türü) doğrudan kullanılabilir. Bir müşterinin birçok değeri olan alanlar (örneğin destek talepleri) müşteri düzeyine toplanmadan kullanılamaz.

Sonuçları yorumlamak: kategorik metrik

Sol bölme etkileyenlerin listesini, sağ bölme seçilen etkileyenin ayrıntısını gösterir. Belgenin örneğinde kurgusal bir bulut hizmeti müşteri anketi kullanılır. Düşük puanın en güçlü tek faktörü "rol: tüketici" çıkar. Seçtiğinizde sağ bölme, o grubun düşük puan verme oranını diğer grupların ortalamasıyla karşılaştırır; baloncuktaki katsayı, bu ikisinin oranıdır, yani "tüketiciler diğerlerine göre kaç kat daha olası" şeklinde okunur.

Sıradaki etkileyen bambaşka bir alandan gelebilir, örneğin yorumun teması. Etkileyenler farklı değişkenlerden gelir ve görsel hepsini birlikte sıralar. Ortalama çizgisi, her etkileyen için o etkileyen hariç tüm diğer değerlerin ortalamasıdır; bu yüzden etkileyenden etkileyene değişir.

Yalnız etkileyen olan değerleri göster kutusu, sağdaki sütun grafiği sadece gerçek etkileyenlerle sınırlar; örneğin çok sayıda temadan yalnız birkaçı gösterilir.

Sayfadaki dilimleyiciler ve süzgeçler analizi yeniden çalıştırır. Büyük şirket müşterilerini seçtiğinizde etkileyenler farklılaşabilir; bu, farklı müşteri gruplarında farklı sorunların öne çıktığını gösterir.

Sayısal faktörler ve sayısal metrik

Açıklayıcı faktör sürekli bir sayı olabilir: müşterinin hizmette kaldığı süre, yaş, fiyat gibi. Bu durumda görsel, değer arttıkça metriğin olasılığının nasıl değiştiğini gösterir ve sağ bölmede serpme grafiği ile eğilim çizgisi çizer. Belgenin örneğinde müşteri süresi arttıkça düşük puan olasılığı artar; bu da uzun dönemli müşterilerin daha olumsuz puan verdiği anlamına gelir ve ayrıca incelenmesi gereken bir bulgudur.

İlişki doğrusal değilse görsel faktörü otomatik olarak kategorik hale getirir. Görsel, korelasyon testleriyle faktörün hedefe göre ne kadar doğrusal olduğuna bakar; yeterince doğrusal değilse denetimli bölme yaparak sınırlı sayıda bölme üretir.

Metriğin kendisi sayısal ise (ev fiyatı gibi) analiz türü arasında seçim yaparsınız. Kategorik analiz "ev fiyatı belirli bir değer olmasını ne etkiliyor?", sürekli analiz ise "ev fiyatının artmasını ne etkiliyor?" sorusunu sorar. Çok sayıda benzersiz değer varsa sürekli analiz anlamlıdır; belirli bir tek fiyata etki soran soru için yeterli veri bulunmaz. Ölçüler ve özetlenmiş alanlar için analiz her zaman sürekli türde yapılır.

Temel etkileyenler ile en önemli bölümler

Görselin sekmeleri vardır ve aynı soruyu farklı açıdan yanıtlar. Temel etkileyenler sekmesi her faktörü tek başına değerlendirir. En önemli bölümler sekmesi ise faktör birleşimlerinin metriği nasıl etkilediğini gösterir.

Bölümler sekmesi, bulduğu bölümleri baloncuklarla özetler: baloncuğun yüksekliği bölümdeki metrik oranını, boyutu ise bölümde kaç kayıt olduğunu gösterir. Bir bölümü seçtiğinizde hangi faktörlerin birleşiminden oluştuğunu görürsünüz; örneğin uzun süredir müşteri olan, çok sayıda destek talebi açmış ve yayıncı olmayan müşteriler. Bu grubun düşük puan oranı genel ortalamadan çok yüksektir ve verinin ulaşılabilir bir kısmını temsil eder.

Bazen bir etkileyen metrik üzerinde güçlü etki gösterir ama veride çok az kayıt içerir. Sayımlar bu yüzden önemlidir: analiz kartından sayımları açarsanız her baloncuğun çevresinde etkileyenin veri içindeki payını gösteren bir halka görünür; sıralamayı etkiye göre ya da sayıya göre yapabilirsiniz.

Ölçüler, toplama düzeyi ve Expand by

Ölçüleri ve toplanmış alanları açıklayıcı faktör olarak kullanabilirsiniz. Ancak analiz, Analyze alanının tablo düzeyinde çalıştığından, bu faktörlerin de aynı düzeye toplanması gerekir. Örneğin destek talebi sayısı faktör olarak kullanılacaksa, destek tablosundaki kimlik müşteri düzeyine sayım olarak toplanır; sonra sayı arttıkça düşük puan olasılığının nasıl değiştiğine bakılır.

Analiz edilen metrik bir ölçü ya da özetlenmiş sütunsa hangi düzeyde hesaplanacağı belirsizdir. Görsel bunu açıklayıcı alanların düzeyinde otomatik çözer ve çok özetlenmiş sonuçlarda örüntü bulmak zorlaşır. Burada Expand by devreye girer: analiz düzeyini, yeni etkileyen aramadan belirleyen alanları (örneğin kimlik sütunu) bu kutuya koyarsınız. Kimliği Explain by'a koymak ise kimliğin kendisini bir etkileyen olarak değerlendirir ve anlamsız sonuç verir.

Analiz edilen tablonun benzersiz bir tanımlayıcısı yoksa ölçüler hesaba katılamaz ve uyarı alırsınız; Power Query'de bir dizin sütunu eklemek bu sorunu çözer.

Sınırlar ve sık karşılaşılan hatalar

Belgeye göre görsel şu ortamlarda desteklenmez: DirectQuery, Azure Analysis Services ve SQL Server Analysis Services canlı bağlantıları, web'de yayımlama ve SharePoint Online gömme. Ayrıca modelde örtük ölçüler caydırılmışsa (örneğin hesaplama grupları tanımlıysa) kategorik metrik analiz edilemez.

Sık görülen uyarı ve hatalar: • Etkileyen veya bölüm bulunamadı: analiz ettiğiniz metriği Explain by alanına da koymuş olabilirsiniz; ya da açıklayıcı alanlarda çok fazla kategori ve az gözlem vardır. Sayısal bir alan analiz ediyorsanız kategorik yerine sürekli analizi deneyin. • Yeterli veri yok: görsel, bir grubun diğerlerinden örüntü farkını arar; çok az gözlem varsa örüntü bulunamaz. Belge, seçilen durum için en az belirli bir gözlem sayısı ve karşılaştırma durumu için daha az bir sayı önerir. • Açıklayıcı alan, metriği içeren tabloyla benzersiz ilişkili değil: bir müşterinin birden çok cihazı varsa cihaz sütunu müşteri düzeyinde değildir. Çözüm cihazı sayıma çevirmek ya da sütunu cihaz türlerine göre yeni sütunlara çevirmektir. • Metrikte çok fazla benzersiz değer: kategorileri gruplamak daha güçlü etkileyenler bulmayı sağlar. Fiyat gibi alanlarda tek tek fiyatlar yerine düşük, orta ve yüksek gruplarını kullanın. • Beklediğiniz faktör etkileyen çıkmıyor: görsel veri noktası sayısını da hesaba katar. Küçük bir grupta yüksek oran gözlenebilir, ancak yeterli veri yoksa bu şans eseri olabilir ve etkileyen sayılmaz. • Faktörün etkisi başka faktör eklenince değişiyor: görsel tüm faktörleri birlikte değerlendirir. Tek başına etkili görünen bir faktör, diğerleri sabit tutulduğunda etkisini kaybedebilir.

Görsel, analizi bir veri örneği üzerinde çalıştırır; kategorik analizde lojistik regresyon, sayısal analizde doğrusal regresyon, bölümlerde karar ağacı kullanılır. Bu yüzden sonuçları iş bilgisiyle birlikte yorumlayın.

Ayrıştırma ağacıyla farkı ve Mindset programlarında yeri

Ayrıştırma ağacı, seçtiğiniz boyutlara göre ölçüyü hiyerarşik olarak kırar; siz hangi boyuta ineceğinizi seçersiniz. Temel etkileyenler görseli ise hiyerarşik kırılım yapmaz; faktörleri istatistiksel olarak sıralar ve hangisinin metriği daha çok etkilediğini söyler. Ağaç, bildiğiniz boyutlarda inmek içindir; temel etkileyenler görseli ise hangi faktörlerin önemli olduğunu henüz bilmediğinizde işe yarar.

Uygulamalı Power BI ile Veri Analitiği ve Görselleştirme Sertifika Programı'nın "Veri Güdümlü İş Zekası Geliştirme" ve "Power BI'da Veri Görselleştirme Uygulamaları" başlıkları, bu tür analitik görsellerin rapora yerleştirildiği alanlardır. Müşteri deneyimi, insan kaynakları ve satış analitiği ekiplerinde faktör analizi sık gerekebilir; görsel bu analizi kod yazmadan yapar.