[Tableau] 테이블 계산

김소정·2022년 4월 3일

visualization

Tableau

목록 보기

1/4

본 포스팅은 인프런의 태블로 레벨UP 강의를 바탕으로 작성되었습니다.

Configurable Secondary Calculation

테이블 계산은 Configurable Secondary Calculation이다.

Calculation

사칙연산이 포함되는, 태블로에서 제공하는 계산 방법 중 하나

일반적인 관점: + / - / * / ÷
태블로의 관점: 로 레벨 / 집계 / LOD / 테이블 계산

Secondary

첫 번째 계산이 존재하고, 그 이후에 연이어서 (종속되어) 나타나는 계산

화면에서 보이는 막대 그래프, 라인 차트 등 모든 것들이 First-Level에서 이루어지는 집계 계산이다. 한마디로 태블로가 우리에게 보여주는 마법과 같다.

데이터 원본 소스와 무관하다

First: 어떤 행위를 했을 때, 태블로가 데이터 소스가 알아들을 수 있는 query language로 바꿔줌
즉, 데이터 원본 소스를 향해서 질의를 날리고 결과물을 가지고 오는 것
Secondary: 첫 번째 계산의 결과물들에 대해서 재계산이 이루어지는 방식

작동 우선 순위가 비교적 늦다
태블로의 계산, 필터, 명령 등은 태블로의 order of operations에 따라 작동됨
테이블 계산은 매우 편리한 반면에, 집계 계산이나 명령 등 선행되는 것들에 영향을 받기 쉬움 (뭉개지기 쉬움)

Configurable

계산의 범위를 설정할 수 있다.

테이블: 전체
패널: 일부
셀: 특정한 결과물

Quick Table Calc

빈번하게 사용되는 것들 중심으로 사용자가 쓰기 편리하도록 구성해놓은 패키지

테이블 계산 범위 설정

테이블 옆으로 : 각 지역과 각 연도별로 쿼터에 대해서 누적 합계
테이블 계산 - 특정 차원 - Order Date 분기
- 각 A와 B 별로: A와 B의 체크박스 비움
- C와 D에 대해서: C와 D의 체크박스 선택
테이블 아래로 : 각 연도와 각 분기별로 지역에 대해서 누적 합계
테이블 계산 - 특정 차원 - Region
각 연도별로 지역과 분기에 대해서 누적 합계 : Region, Order Date분기 선택
- Region이 분기보다 위에 위치해 있으면 Region에 대한 누적합이 먼저 이루어짐
- 특정차원에서는 순서가 중요함
  위 그림과 같이 설정시, Region에 따라 연도와 분기에 대해 누적합을 구해줌

INDEX, SIZE, RANK, TOTAL

INDEX()

위치에 따라 줄을 세움
'위치의 범위를 어디까지 정할 것인가'가 중요함

SIZE()

그 줄의 제일 끝 번호

RANK([Aggregated Calc])

Aggregated Calc에 따라 줄을 세운다
특정 기준에 의한 순위

RANK : 1, 2, 2, 4
RANK_DENSE : 1, 2, 2, 3
RANK_MODIFIED : 1, 3, 3, 4
RANK_UNIQUE : 1, 2, 3, 4 (INDEX와 같은 방식)

오름차순으로 정렬하고 싶을 때는 RANK(-COUNTD([Order ID]))와 같이 앞에 -를 붙여줌

TOTAL([Aggregated Calc])

지정된 범위 전체에서의 Aggregated Calc

INDEX vs RANK

INDEX는 차원의 sorting이 자유로운 반면 RANK는 그렇지 못함
RANK는 View에 없는 측정값에 대해서도 순위를 매길 수 있는 반면, INDEX는 그렇지 못함

1위인 Sean Miller는 주문 횟수는 비교적 낮은 편에 속하지만, 구매 금액 자체는 크다는 사실을 알 수 있다.

INDEX는 사용하기 간단하고 편리하기 때문에 자주 사용하지만, 조금 더 정교하고 다양한 방식으로 순위를 배길 때는 RANK가 편리하다.

WINDOW 함수

WINDOW_AVG WINDOW_COUNT WINDOW_MAX WINDOW_MIN WINDOW_SUM 등

Customizable Calculation Range
: 사용자 중심의 커스터마이징이 가능한 계산의 범위

Example

자신과 뒤에 있는 세개를 포함한 총 네개의 평균

WINDOW_AVG(SUM([Sales]), 0, 3)
# 0은 자기 자신의 위치
# 다른 숫자는 자신을 기준으로 상대적인 위치

자신 앞에 있는 하나, 뒤에 있는 하나를 포함해 총 3개의 평균을 구해줌
```
WINDOW_AVG(SUM([Sales]), -1, 1)
```

조건을 만족할 때만 결과 값 반환

IF WINDOW_COUNT(SUM([Sales]), -1, 1) = 3 THEN
WINDOW_AVG(SUM([Sales]), -1, 1)
END

위 그림과 같이 년도와 분기로 나눠줬을 때는 패널별로 WINDOW 함수를 적용해주기 위해, 테이블 계산을 패널(옆으로)로 변경해줘야 한다.

Normaliztion (Feature Scaling)

\frac{X-X_{min}}{X_{max}-X_{min}}

WINDOW 함수는 데이터의 분포가 상이하게 나타나는 차원값에 대해서 정규화(Normalization)시킬 때 굉장히 유용하다

Example

⛔️ 고객별 매출 분포를 확인하기 위해서는 테이블 계산 - 특정 차원 - Customer Name을 설정해줘야 한다.

정규화 전
각 지역에서의 최대 매출 고객이 모두 다른 위치에서 나타나는 것을 볼 수 있다.

정규화 후
매출 규모를 상대화시킴으로써, 각 지역에서의 최대 매출 고객을 동일 선상에서 확인할 수 있다.
```
# Sales - Normalized
(SUM([Sales]) - WINDOW_MIN(SUM([Sales])))
/ (WINDOW_MAX(SUM([Sales])) - WINDOW_MIN(SUM([Sales])))
```