تجسم و مقایسه روند با مقیاس بسیار متفاوت

این یک واقعیت شناخته شده است که تجسم اطلاعات سری زمانی همیشه بهتر از مشاهده همان اطلاعات در قالب جدولی است.

در اینجا ، ما در حال تجزیه و تحلیل درآمد روزانه از بخش اسباب بازی های یک فروشگاه تجارت الکترونیکی هستیم. یک نگاه به نمودار بالا این واقعیت را تقویت می کند که تجسم داده های سری زمانی ، ترسیم بینش را آسانتر از نگاه کردن به داده های جدولی می کند. اما ، فقط تجزیه و تحلیل درآمد حاصل از بخش اسباب بازی ها تنها مورد استفاده نیست. ما به احتمال زیاد درآمدهای بخش های مختلف را در برابر یکدیگر مقایسه می کنیم.

فرض کنید به شما وظیفه داده شده است که درآمد روزانه فروش را برای ماه مارس برای بخش های مختلف یک فروشگاه تجارت الکترونیکی تجزیه و تحلیل کنید.

بیایید تجزیه و تحلیل را با مقایسه 2 بخش در یک زمان شروع کنیم.

شما می توانید فوراً یک قضاوت واجد شرایط داشته باشید که رشد فروش مبلمان بالاتر از رشد فروش خانه است.

اکنون بیایید فروش روزانه بخش های اسباب بازی و جواهرات را با هم مقایسه کنیم.

به نظر می رسد که فروش روزانه جواهرات شاهد رشد مسطح نزدیک به صفر در مقایسه با روند صعودی در اسباب بازی ها است. اما ، نگاهی دقیق تر به دامنه هر دو محصول نشان دهنده دلیل واقعی چنین نمودار است. فروش روزانه پوشاک بین 30000 تا 66000 در حالی که حجم فروش جواهرات بین 120 تا 500 است. این تفاوت بزرگ در مقیاس منجر به خط روند اسباب بازی های حاکم بر خط روند جواهرات می شود. از این رو ، رشد فروش جواهرات آشکار نیست.

یکی از راه های غلبه بر موضوع فوق ، ترسیم فروش روزانه اسباب بازی ها و فروش جواهرات در 2 محور Y مختلف همانطور که در زیر آمده است:

از نمودار فوق به وضوح بدیهی است که روندهایی که با دو محور y یا محور ثانویه نشان داده می شود نشان می دهد که رشد سالم در فروش در بخش جواهرات وجود دارد.

عالی ، ما برای مقایسه 2 خط روند پیشرفت کرده ایم. به طور کلی ، ما به احتمال زیاد ممکن است بیش از 2 خط روند را مقایسه کنیم.

اکنون می توانیم فروش را از همه بخش ها مقایسه کنیم.

به جز درآمدهای مربوط به اسباب بازی ها ، به نظر می رسد که تمام بخش های دیگر با درآمد بخش لوازم خانگی نشان می دهد که در 17 مارس یک امتیاز صعودی نشان می دهد. از این رو ، مقایسه بخش اسباب بازی در برابر سایر بخش ها در وضعیت فعلی امکان پذیر نیست. شما می توانید مقایسه مقایسه با بخش اسباب بازی ها را نادیده بگیرید اما بالاترین درآمد بعدی که بر بخش درآمد حاکم خواهد بود ، پوشاک است. شما به احتمال زیاد با یک مسئله مشابه روبرو خواهید شد.

راه حل کلی برای چنین مشکلی چیست؟چگونه می توانیم چنین داده هایی را برای فعال کردن کشف بینش های معنی دار تجسم کنیم؟

بیایید چند راه حل را کشف کنیم.

روش ورود به سیستم

در بازاریابی ، بیشتر با اعداد مثبت و با صفر استثنا می شود. اگر فرض کنیم که داده های سری زمانی تعداد مثبت دارند ، گرفتن ورود به سیستم به پایین آوردن تفاوت در مقیاس خطوط روند مختلف تا حد زیادی به جز در چند شرایط کمک می کند. مقیاس ورود به سیستم همچنین به حفظ روند ذاتی کمک می کند.

نمودار فوق (F) کار بسیار بهتری نسبت به نمودار (E) انجام می دهد.

چند بینش که از آن استفاده می شود عبارتند از:

• رشد فروش جواهرات بالاترین به نظر می رسد
• رشد فروش اسباب بازی ها ، پوشاک و مبلمان روند صعودی مشابهی را نشان می دهد
• بین بخش های دیگر چیز زیادی برای انتخاب وجود ندارد

چند سناریو که در آن ورود به سیستم کمک نمی کند:

1. اعداد غیر مثبت: از آنجا که ورود به شماره های غیر مثبت تعریف نشده است ، داده های حاوی اعداد غیر مثبت را نمی توان مقایسه کرد.
2. تفاوت شدید در مقیاس: به جز اسباب بازی ها ، پوشاک و جواهرات ، درک رشد نسبی در بین سایر بخش ها دشوار بود. این امر به این دلیل است که شما بخش اسباب بازی هایی را داشتید که دارای مقیاس نسبتاً بالایی و بخش جواهرات بود که دارای مقیاس نسبتاً کم و بخش های دیگر در جایی در بین بود.

روش حداکثر

به نظر می رسد ، یک رویکرد بسیار ساده تر می تواند فقط نشان دادن هر نقطه داده به عنوان نسبت حداکثر نقطه مربوطه در این سری باشد.

برای هر سری زمانی داده ها: مقدار داده تبدیل شده = مقدار داده اصلی / حداکثر داده های سری زمانی مربوطه

داده های فروش الکترونیک را در نظر بگیرید: حداکثر مقدار: 3539 ارزش تبدیل شده در 01 مارس = 3054/3539 = 0. 86

در بازاریابی ، شما بیشتر با داده های غیر منفی سر و کار خواهید داشت. از این رو ، دامنه/مقیاس داده های تبدیل شده بر خلاف روش مقیاس ورود به سیستم بین 0 تا 1 تضمین می شود. به همین ترتیب ، می توانید نسبت مربوطه را برای سایر بخش ها نیز بدست آورید.

نمودار فوق (g) بسیار بهتر از نمودار (e) و (f) است. مقایسه رشد فروش در بخش های مختلف آسان تر است.

چند بینش که از آن استفاده می شود عبارتند از:

• رشد فروش جواهرات به وضوح بالاترین است
• همه بخش ها به جز الکترونیک و مواد غذایی شاهد روند صعودی مداوم در فروش هستند
• الکترونیک شاهد یک روند واگرا و رو به کاهش در فروش است

احتمال وقوع / احتمال

با کمک روش MAX ، می توانید روندها را به راحتی در برابر یکدیگر مقایسه کنید. اما اگر شما نه تنها دوست دارید روندها را با یکدیگر مقایسه کنید بلکه با خودش مقایسه کنید؟

پرونده لوازم را در نظر بگیرید. در 17 مارس یک ضربه صعودی وجود دارد که در آن فروش بیش از 5 تا 6 بار در مقایسه با یک روز عادی به دست می آید. به همین دلیل ، فروش در آن روز در تمام روزهای دیگر حاکم بود و استنباط نوسانات ، در صورت وجود در یک روز دیگر دشوار است.

چه می شود اگر به جای ترسیم نقطه داده ، احتمال مشاهده یک مقدار به اندازه نقطه داده را ترسیم کنید. از نظر ریاضی ، این بدان معنی است که شما در حال محاسبه هستید

با توجه به سری داده ها یا احتمال (نقطه داده کمتر از یا مساوی با مقدار داده با توجه به تمام نقاط داده) احتمال بدست آوردن نتیجه به عنوان نقطه داده به عنوان نقطه داده بسیار شدید است.

این معمولاً از نظر آماری به عنوان p-value شناخته می شود. احتمال مشاهده نقطه داده به اندازه 3،241 شدید 0. 46 است

در مقایسه با نمودار (H) و (i) ، شما می توانید روند و نوسانات موجود در داده ها را در نمودار فوق مشاهده کنید.

با کمک نمودار فوق ، شما قادر به کشف تمام بینش هایی هستید که با روش MAX کشف شده است. اما ، علاوه بر مقایسه روند ، شما همچنین می توانید نوسانات را در هر روند بهتر مشاهده کنید. این روش دامنه بین 0 تا 1 را تضمین می کند و برای اعداد منفی و همچنین مثبت نیز مناسب است.

نتیجه

مقایسه روندهای مختلف هنگامی دشوار می شود که با تفاوت زیادی در مقیاس حداقل یک روند روبرو شوید. در این مقاله ، ما دیدیم که با استفاده از روش های حداکثر و احتمال ، می توانیم بر این مسئله غلبه کنیم و بینش های پنهان در داده ها را کشف کنیم.

پلت فرم بازاریابی هوشمند تلفن همراه