Nel mondo attuale i dati sono ovunque; qualsiasi ricerca, qualsiasi click, prenotazione o canzone ascoltata genera un costante flusso di informazioni: stiamo quindi parlando di un’immensa mole di dati che viene creata e fatta circolare ogni singolo secondo.
Avere nei confronti di tutte queste informazioni un approccio passivo, da semplice spettatore che si limita a osservare superficialmente la scena e ignora tutto ciò che sta dietro le quinte, significa rinunciare a delle grandi opportunità.
Al contrario, guardare i dati con un approccio più innovativo, con lo sguardo volto al futuro, permette di migliorare significativamente le performance aziendali, attraverso la ricerca di specifici patterns e insights che offrono la possibilità di anticipare le richieste di mercato, ottimizzare i processi, ridurre le perdite e tanto altro.
Il ramo che permette di effettuare questo tipo di analisi è la Predictive Analytics. Tableau, strumento leader nel settore della data Visualization, ha puntato molto negli ultimi anni in questo settore, aggiungendo funzionalità che permettono di effettuare analisi di tipo predittivo e integrarle direttamente nelle Dashboard.
I tipi di analisi che Tableau offre sono tre:
- Cluster Analysis
- Time Series Analysis
- Model Analysis.
Cluster Analysis
Da come suggerisce il nome, la Cluster Analysis permette di suddividere i dati in cluster, ovvero gruppi omogenei basati sulla somiglianza di features. Partendo dalla creazione di una matrice che associa ad ogni elemento delle specifiche caratteristiche, l’algoritmo riesce a raggruppare i vari elementi sulla somiglianza di queste caratteristiche.
Obiettivo della Cluster Analysis è ad esempio creare gruppi di consumatori a cui inviare una specifica pubblicità.
Tableau permette con un semplice drag and drop di effettuare una cluster Analysis su una qualsiasi visualizzazione, con la possibilità di scegliere il numero di cluster e le caratteristiche su cui essa si deve basare.
Tableau permette inoltre di analizzare più a fondo i cluster. È infatti disponibile una funzionalità che descrive i gruppi individuati, fornendo informazioni dettagliate e analisi statistiche.
I cluster possono infine essere salvati come campo dati e usati per analisi aggiuntive più specifiche.
Time Series Analysis
Partendo da una serie storica, Tableau consente, sempre tramite un drag and drop, di prevedere le osservazioni future basandosi sul passato.
Oltre ad aiutare a individuare la presenza di trend o stagionalità, la Time Series Analysis è utile per avere un’anteprima di quello che potrebbe accadere anche in base a diversi scenari. È infatti possibile scegliere fra 3 diversi tipi di modelli: automatic, automatic without seasonality e custom (che consente di personalizzare le opzioni trend e seasonality).
Model Analysis
Attraverso l’utilizzo della regressione, la funzione di modellazione predittiva permette di generare previsioni ed evidenziare relazioni nei dati.
La modellazione predittiva risulta utile per svariati propositi, come ad esempio creare delle scenario-analysis che permettono di visualizzare i dati in prospettive what if, identificazione di outliers, stimare valori mancanti, ecc.
Le funzioni di modellazione predittiva previste da Tableau sono due: model quantile, che restituisce un valore numerico, e model percentile, che restituisce una probabilità.
I modelli predittivi supportati sono invece tre: regressione lineare, regressione lineare regolarizzata e regressione con processo gaussiano.
Combinando la scelta di specifici predittori (che possono essere qualsiasi campo nell’origine dati, sia misura che dimensione) con una delle due funzioni e uno dei tre modelli viene creato un calcolo tabella contenente i valori predetti.
In conclusione, Tableau offre diverse funzionalità che permettono di sviluppare analisi piuttosto complesse in modo intuitivo e veloce, senza dover acquistare nessun componente aggiuntivo, ma sfruttando semplicemente le proprie funzionalità native. Tableau offre quindi ai propri utenti la possibilità di rivoluzionare il modo in cui vengono osservati i dati, al fine di ottenere un vantaggio competitivo sia in termini di ottimizzazione dei costi che di utilizzo.
In aggiunta a quanto appena descritto si trova la possibilità di integrare strumenti esterni di analisi avanzata come R o Python per raggiungere un livello di profondità ancora più elevato.
