روند

وقتی به یک نمودار سری زمانی نگاه می کنیم ، اندازه دوره زمانی که بررسی می کنیم می تواند نتیجه گیری را در مورد اینکه آیا برخی از تعداد روند به بالا ، پایین یا نسبتاً پایدار است ، تغییر دهد.

هر سه نمودار زیر از همان داده ها آمده است:

زمان avg در صفحه در طول روز گذشته

داده ها به سمت بالا و به سمت راست حرکت می کنند - همه چیز رو به رشد است!

زمان AVG در صفحه طی هفته گذشته

هفته گذشته داده ها بالا و پایین بوده است ، ما نمی توانیم مطمئن باشیم که روز گذشته بخشی از یک روند است یا خیر.

زمان AVG در صفحه طی 2 ماه گذشته

این داده ها اخیراً روند کار را افزایش داده است اما واریانس بسیار بالاتر از گذشته است.

ما می توانیم سه داستان مختلف را بر اساس میزان زمان ما بگوییم. مردم به جدول زمانی که داستان را در خود جای می دهد ، جاذبه می کنند (نمونه ای از تعصب تأیید). بنابراین بهترین روش برای نشان دادن هرچه بیشتر داده ها در ابتدا است ، سعی کنید هرگونه تغییر بزرگ در داده ها را متناسب کنید و سپس در محدوده تاریخ خاص بزرگنمایی کنید.

ایجاد جدول زمانی مناسب

تصمیم گیری در مورد اینکه چه داده هایی برای نمایش تأثیر زیادی در نحوه خواندن نمودار دارد. برای خواننده مهم است که در زمینه و واریانس تصمیم بگیرد.

متن نوشته

دیدن این که این داده ها در گذشته چیست ، به ما کمک می کند تا روند حال را در مورد حال خود قضاوت کنیم. ما می توانیم تعیین کنیم که آیا این جدید است یا چیزی که قبلاً دیده ایم یا خیر. در مورد مثال بالا ، یک روند واضح وجود دارد که همه چیز در حال افزایش است اما واریانس نیز در حال افزایش است.

بهترین روشها:

• داده ها را در طولانی ترین جدول زمانی که دارید بررسی کنید و سپس فیلتر را تا زمانی که احساس می کنید داده هایی را که استثناء می کنید ، به سمت بالا منتقل کنید یا به راحتی خلاصه شود.
• دسترسی به جدول زمانی کامل را برای افزودن اعتبار به تجزیه و تحلیل خود وارد کنید.
• جدول زمانی را یادداشت کنید تا به این نکته اشاره کنید که چرا تغییرات زیادی رخ داده است.

با این حاشیه نویسی در نمودار مشخص است که چرا این سنبله به موقع در صفحه ممکن است اتفاق افتاده باشد.

واریانس

واریانس در یک نمودار خط می تواند در مورد روند مورد تجزیه و تحلیل ما منحرف یا آموزنده باشد. اگر زمان روزانه AVG را در نمودار صفحه بگیریم و به آن ماه نگاه کنیم ، یک داستان کلی تر را بیان می کند. زمان در صفحه رو به رشد است:

هرچه بازه زمانی بیشتر در حال جمع شدن باشد ، واریانس کمتری در داده ها مشاهده خواهید کرد. هرچه واریانس کوتاه تر باشد. همچنین می توانید با استفاده از میانگین های متحرک واریانس را کاهش دهید.

در اینجا می توانیم ببینیم که خط زرد روند کلی را ضبط کرده و واریانس ارقام روزانه را صاف می کند.

تفسیر جدول زمانی

هر زمان که داده های سری زمانی ارائه می شود ، به محورها توجه کنید:

محور X: آیا داده های بیشتری وجود ندارد که آنها نشان نمی دهند؟چرا؟

با دیدن نمودار بالا ، می دانیم که مدت طولانی وجود دارد که زمان در صفحه کم بود. اگر داده های قبلی را قطع کنیم ، دیگر مانند یک پدیده جدید احساس نمی شود ، به نظر می رسد از آنجا که برای اولین بار ایجاد شده است ، روند آن را افزایش می دهد. انتخاب نقطه برش در این نمودار زیر آن زمینه اصلی را حذف می کند.

این لزوماً بد نیست ، اگر توضیح دهید که چرا نقطه قطع انتخاب شده است اما فقط نشان دادن روندهای اخیر در داده ها می تواند گمراه کننده باشد.

محور y: آیا دامنه فشرده سازی یا گسترش نامناسب است؟

با افزایش محدوده محور y می توانیم هر روند را فشرده کنیم تا اساساً مسطح به نظر برسیم. این یک تکنیک ظریف است که می تواند برای پنهان کردن اندازه و واریانس یک روند استفاده شود.

ما می توانیم به همان نمودار نگاه کنیم ، اما محدودیت محور y را از 70 به 1000 افزایش دهیم.

این امر به طور اساسی تغییر می کند که چگونه کسی روند را در نگاه اول ارزیابی می کند.

حاشیه نویسی: آیا آنها بخش های مختلف نمودار را که برجسته است توضیح می دهند؟

هنگامی که یک متریک بسیار متفاوت است ، این نشانگر این است که ممکن است در نحوه جمع آوری داده ها مشکلی ایجاد شود یا در بین کاربران بسیار کمی که به طور چشمگیری بر آمار تأثیر گذاشته است ، وجود داشته باشد.

بعضی اوقات این یک اثر واقعی است ، اما در هر صورت اشاره و پرداختن به این نکات در نمودار به همه کمک می کند تا آن را با وضوح بیشتری درک کنند. به عنوان مثال ، آیا قبل از شروع AVG در صفحه ، اتفاقی افتاده است؟چرا زمان AVG در صفحه بعد از بالا رفتن کاهش یافت؟

از طریق آنچه مردم به آن شک می کنند فکر کنند و به آن بپردازند. ارائه داده های واضح یک مسئولیت اخلاقی هر تحلیلگر و مجری داده است.