--- schema_version: "1" id: 08ba3522daa381d48c39562cbbb22116c00b110e8297836fce11853836934b71 title: "Configurer les paramètres des histoires basées sur des données Tableau : Analyses" collection: tableau version: current locale: fr-ca portal_url: https://docs.salesforce.com/tableau/current/fr-ca/online/data_stories_analytics.md canonical_url: https://help.tableau.com/current/online/fr-ca/data_stories_analytics.htm source_site: help.tableau.com content_type: documentation content_hash: 25574029cd8bde7a90cd3b6df29c46819247ad6af480fa87c83b9ca546ec2836 description: Feature retired. --- [Passer au contenu principal](#main-content) # Configurer les paramètres des histoires basées sur des données Tableau : Analyses **Changements importants pour Tableau Histoires de données** Les histoires de données Tableau ont été retirées dans Tableau Desktop, Tableau Cloud et Tableau Server en janvier 2025 (2025.1). Grâce aux progrès des technologies du langage naturel, nous développons une interface améliorée qui permettra de poser plus facilement des questions sur vos données et de rester au courant des changements. Pour plus d’informations, consultez l’article [Comment Tableau Pulse alimenté en énergie Tableau AI les expériences liées aux données.](https://www.tableau.com/fr-ca/blog/tableau-pulse-and-tableau-ai) Dans votre histoire basée sur des données Tableau, vous pouvez choisir les analyses sur lesquelles rédiger et quand ces analyses sont rédigées. Différents types d’analyses sont disponibles en fonction du type de votre histoire et du nombre de dimensions et de mesures de votre histoire. Cependant, les analyses ne sont actuellement pas prises en charge pour les types d’histoires de type nuage de points. Pour plus d’informations, consultez [Choisir le bon type d’histoire pour votre histoire basée sur des données Tableau Desktop](https://help.tableau.com/current/online/fr-ca/data_stories_story_types.htm). ## Configurer les analyses pour votre histoire 1. [Ajouter une histoire basée sur des données Tableau à un tableau de bord](https://help.tableau.com/current/online/fr-ca/data_stories_create.htm). 2. À partir de votre tableau de bord, cliquez sur l’icône Paramètres dans le coin supérieur gauche de votre objet Histoire basée sur des données. 3. Dans la boîte de dialogue Histoire basée sur des données, cliquez sur l’onglet Analyses. 4. Cliquez sur les commutateurs pour activer différents types d’analyses. 5. Pour Segments et Ligne de tendance , développez Paramètres pour définir des seuils pour effectuer ces analyses. 6. Cliquez sur Enregistrer. ## Comprendre les différents types d’analyse ### Corrélation Utilisez Corrélation pour identifier les véritables corrélations statistiques entre deux séries. Si vous avez plus de deux séries, toutes les combinaisons sont analysées pour les corrélations. Par exemple, vous pouvez activer la corrélation pour déterminer dans quelles circonstances deux produits sont souvent achetés ensemble. ### Regroupement Utilisez le Regroupement pour identifier des groupes distincts de points de données (clusters) à l’aide d’une seule analyse statistique. Par exemple, vous pouvez activer Regroupement pour déterminer quand un produit est très populaire dans une région géographique spécifique. ### Distribution Utilisez Distribution pour classer les points de données les uns par rapport aux autres à l’aide d’observations non statistiques, telles que la moyenne, la médiane, l’asymétrie, etc. Par exemple, vous pouvez activer Distribution pour identifier le produit qui présente le taux de profit le plus élevé. ### Segments Utilisez Segments pour mettre en évidence les modifications notables apportées aux points de données d’une série. Tout d’abord, définissez le pourcentage minimal de modification sur lequel vous souhaitez écrire dans un segment. Les modifications qui se situent en dessous de votre seuil défini ne font pas l’objet d’une écriture. Par exemple, si vous définissez votre seuil de segment pour des modifications supérieures à 60 %, votre histoire n’écrit pas sur un creux dans une série chronologique qui présente une diminution de 30 %. Une fois que vous avez défini le seuil, choisissez d’Appliquer la mise en forme ou non et définissez le pourcentage minimal de modification que vous souhaitez mettre en forme. ### Courbe de tendance Utilisez Courbe de tendance pour calculer une courbe linéaire adaptée et identifier les données se situant dans un pourcentage de confiance défini. Les données qui présentent une forte variabilité ont un niveau de confiance inférieur à celui des données plus cohérentes, et ce niveau de confiance affecte l’écriture des courbes de tendance. Vous pouvez utiliser des courbes de tendance pour les histoires qui ont une dimension et une mesure, ou vous pouvez utiliser des courbes de tendance dans une exploration. Pour plus d’informations sur les explorations, consultez [Configurer les paramètres des histoires basées sur des données Tableau : Récit](https://help.tableau.com/current/online/fr-ca/data_stories_narrative.htm). Définissez le pourcentage de confiance minimal pour votre courbe de tendance. Si vous définissez votre seuil à 95 %, mais qu’une courbe de tendance peut être tracée à 90 % de confiance, votre histoire n’écrit pas sur les courbes de tendance. Après avoir défini votre seuil, choisissez d’appliquer ou non la mise en forme. Définissez ensuite le pourcentage minimal de modification que vous souhaitez mettre en forme. Les histoires basées sur des données Tableau concernant les lignes de tendance communiquent le changement absolu sur une période. L’histoire écrite sur votre courbe de tendance varie en fonction du niveau de verbosité que vous avez défini pour votre histoire. Si votre histoire utilise une verbosité élevée, votre histoire écrit sur la valeur R au carré, qui est un concept statistique qui quantifie à quel point vos données correspondent à la courbe de tendance. Pour plus d’informations sur les paramètres de verbosité, consultez [Configurer les paramètres des histoires basées sur des données Tableau : Récit](https://help.tableau.com/current/online/fr-ca/data_stories_narrative.htm) . Dans les paramètres de Courbe de tendance, vous pouvez également choisir le nombre de périodes dans le futur pour lesquelles vous souhaitez que votre histoire écrive des prédictions. Lorsque vous utilisez des prédictions, votre récit utilise la pente et l’ordonnée à l’origine de la courbe de tendance pour calculer les valeurs prévues pour les périodes futures. La confiance de la prédiction ajoute des limites supérieures et inférieures au seuil de confiance que vous avez défini pour les courbes de tendance. Vous pouvez utiliser des prédictions lorsque votre histoire comporte au moins 30 points de données linéaires. ### Volatilité Utilisez la Volatilité pour analyser les écarts-types au fil du temps. Par exemple, utilisez Volatilité lorsque vous souhaitez que votre histoire écrive sur des valeurs qui se situent en dehors de la plage moyenne de vos données. ## Décomposer le mode d’utilisation des analyses pour générer des histoires À ce stade, vous vous demandez peut-être comment fonctionnent les analyses pour différents types d’histoires. Examinons un exemple pour chaque type d’histoire et décomposons chaque phrase de l’histoire. ### Comprendre l’analyse pour les histoires discrètes Parce que les histoires continues mesurent les tendances au fil du temps, Histoires de données écrit sur les performances, la progression, les moyennes, les totaux, les séries, la volatilité, les segments et les prévisions. L’exemple suivant d’histoire continue concerne les ventes par mois : ![Exemple d’histoire avec des informations textuelles sur les ventes par mois. Le texte de cette image est retranscrit dans le tableau suivant.](/tableau/current/fr-ca/online/fr-ca/Img/data_stories_continuous_analytics.png)
Exemple d’histoireRépartition de l’histoire
  • Les ventes moyennes étaient de 47 858 $ sur les 48 mois.
  • La valeur minimale était de 4 520 $ (février 2014) et la valeur maximale était de 118 448 $ (novembre 2017).
Les deux premières phrases utilisent des fonctions de moyenne et de plage pour écrire sur les valeurs moyennes, maximales et minimales sur la période que vous analysez.
  • Les ventes ont augmenté de 489 % au cours de la série, mais se sont terminées par une tendance à la baisse, diminuant le dernier mois.
La troisième phrase concerne la performance globale de la mesure sur la période. Par exemple, une phrase peut indiquer si les ventes ont augmenté, diminué ou évolué différemment au cours d’une période spécifique.
  • La plus forte augmentation unique en pourcentage s’est produite en mars 2014 ( +1,132 % ). Cependant, la plus forte augmentation unique sur une base absolue s’est produite en septembre 2014 ( + 53,868 $).
La quatrième phrase utilise une analyse de progression. Cette phrase écrit sur la plus grande augmentation et diminution basée sur la mesure au cours de la période en utilisant à la fois une base de pourcentage et une base absolue.
  • Parmi les trois séries, la relation la plus forte se situe entre Corporate et Home Office, qui présentait une corrélation positive modérée, ce qui suggère qu’à mesure que l’un (Corporate) augmente, l’autre (Home Office) augmente généralement aussi, ou vice versa.
Cette phrase est un aperçu de la corrélation. Ce type d’informations analytiques écrit sur les corrélations notables entre différentes séries de vos données.
  • Les ventes ont connu une cyclicité, chaque cycle répété environ tous les 12 mois. Il y avait aussi un schéma de cycles plus petits qui se répétaient environ tous les trois mois.
  • Les ventes ont connu un pic positif significatif entre octobre 2014 (31 453 $) et février 2015 (11 951 $), atteignant 78 629 $ en novembre 2014.
Cette phrase est un aperçu du segment. Ce type d’information analytique écrit sur les augmentations et les diminutions notables au fil du temps.
  • La tendance linéaire globale de la série a augmenté à 902 $ par mois pour une variation absolue de 42 394 $ au cours de la série. Si cette tendance se poursuit au cours du prochain mois, les ventes devraient être d’environ 69 958 $ .
Cette phrase est un aperçu de la courbe de tendance . Ce type d’informations écrit sur la façon dont les tendances correspondent à vos données avec un certain pourcentage de confiance, et les lignes de tendance vous permettent de faire des prédictions basées sur les tendances historiques.
### Comprendre l’analyse pour les histoires discrètes Étant donné que les histoires discrètes vous permettent de comparer des valeurs et de comprendre la distribution des données, l’histoire écrit sur la distribution, les moyennes, les totaux et les regroupements ou clusters à travers les données. L’exemple suivant d’histoire discrète concerne les ventes par produit : ![Exemple d’histoire avec des informations textuelles sur les ventes par produit. Le texte de cette image est retranscrit dans le tableau suivant.](/tableau/current/fr-ca/online/fr-ca/Img/data_stories_discrete_analytics.png)
Exemple d’histoireRépartition de l’histoire
  • Le total des ventes est de 2,3 millions de dollars pour les 17 produits.
La première phrase calcule la valeur totale de votre mesure.
  • Les ventes de 2,3 millions de dollars ont été obtenues par Téléphones avec 330 007 $, Chaises avec 328 449 $, et Stockage avec 223 844 $ .
La deuxième phrase écrit sur les facteurs de dimension. Dans cet exemple, les facteurs de dimension sont les produits qui ont le plus contribué aux ventes totales.
  • La distribution est positivement faussée, car la moyenne de 135 129 $ est supérieure à la médiane de 114 880 $.
  • Les ventes sont relativement concentrées avec 78 % du total représenté par huit des 17 produits (47 %).
Les troisième et quatrième phrases analysent la distribution des données. Cela analyse les moyennes, les médianes, la concentration des données (le cas échéant) et la façon dont les données sont faussées. Cela permet d’identifier l’équilibre de ces variables groupées les unes par rapport aux autres.
  • Les deux principaux produits se combinent pour plus d’un quart (29 %) des ventes globales.
Cette phrase utilise le regroupement pour écrire sur les mesures qui peuvent être regroupées. Cela permet de déterminer s’il existe des groupes distincts qui se démarquent dans les données.
  • Téléphones (330 007 $) est plus de deux fois supérieur à la moyenne des 17 produits.
La dernière phrase écrit sur des valeurs atypiques notables.
### Comprendre les analyses pour les histoires en nuage de points Les types d’histoires en nuage de points sont adaptés pour comprendre la relation entre deux mesures, et pour cette raison, les histoires en nuage de points nécessitent 2 à 3 mesures. L’analyse du nuage de points écrit sur la relation (régression) entre deux mesures, et elle écrit sur les groupes (clusters) au sein des données, le cas échéant. L’exemple suivant d’histoire en nuage de points concerne les bénéfices et les ventes dans une dimension : ![Exemple d’histoire incluant des informations textuelles sur les bénéfices et les ventes. Le texte de cette image est retranscrit dans le tableau suivant.](/tableau/current/fr-ca/online/fr-ca/Img/data_stories_scatter_analytics.png)
Exemple d’histoireRépartition de l’histoire
  • À mesure que la quantité et que les bénéfices augmentaient, les ventes augmentaient en fonction des données fournies. Plus précisément, lorsque la quantité a augmenté de 1, les ventes ont augmenté de 49,55$, et lorsque le bénéfice a augmenté de 1,00 $, les ventes ont augmenté de 1,20 $.
  • Peu de clients se sont écartés de cette relation générale, ce qui indique un bon ajustement.
Les deux premières phrases sont alimentées par l’analyse de régression. La régression montre comment une mesure affecte une autre. Notez que dans la première phrase, l’histoire a identifié une relation entre profit et ventes.
  • Lors d’une organisation en groupes de bénéfices, de quantités et de valeurs de vente similaires, un groupe distinct se démarque. Il y avait 651 clients qui avaient des valeurs de profit comprises entre -6 626 $ et 1 488 $ , une quantité entre 2 et 122, et des ventes entre 4,83 $ et 5 690 $.
La troisième phrase est dérivée du regroupement. L’analyse de regroupement tente d’identifier des groupes ou clusters clés parmi toutes les variables des données.
  • Tamara Chand, Raymond Buchet Sanjit Chand, parmi d’autres, constituaient des valeurs atypiques avec des valeurs de profit et de vente élevées. Sean Miller s’est démarqué avec un faible bénéfice et une valeur de vente élevée.
La quatrième phrase concerne les valeurs atypiques, c’est-à-dire les valeurs nettement supérieures ou inférieures à la moyenne.
  • La valeur minimale de profit est de -6 626 $ (Cindy Stewart) et la valeur maximale est de 8 981 $ (Tamara Chand), une différence de 15 608 $. Le bénéfice moyen par client est 361 $ et la médiane est 228 $.
  • La valeur minimale de quantité est 2 (Anthony O’Donnell) et la valeur maximale est 150 (Jonathan Doherty), une différence de 148. La quantité moyenne par client est 47,76 et la médiane est 44.
  • La répartition des ventes varie de 4,83 $ (Thaïs Sissman) à 25 043 $ (Sean Miller), une différence de 25 038 $. Les ventes moyennes par client sont 2 897 $ et la médiane est 2 256 $.
Les phrases restantes pour les histoires en nuage de points utilisent une analyse de plage et de moyenne pour écrire des informations.
### Comprendre les analyses pour le pourcentage d’histoires entières Les types de pourcentage d’histoires entières sont les meilleurs pour comprendre quelle partie d’un ensemble une dimension ou une mesure représente. L’exemple suivant d’un pourcentage de toute l’histoire concerne les ventes par segment : ![Exemple d’histoire avec des informations textuelles sur les ventes par segment. Le texte de cette image est retranscrit dans le tableau suivant.](/tableau/current/fr-ca/online/fr-ca/Img/data_stories_pie_analytics.png)
Exemple d’histoireRépartition de l’histoire

  • Total SUM(Sales) est de 2,3 millions dans les trois entités.

La première phrase calcule la valeur totale de votre mesure.

  • SUM(Sales) de 2,3 millions a été obtenu par Consumer avec 1,2 million, Corporate avec 706 146 et Home Office avec 429 653.

La deuxième phrase parle des facteurs. Dans cet exemple, les facteurs sont les segments qui ont le plus contribué aux ventes totales.
  • La valeur minimale est de 429 653 (Home Office) et la valeur maximale est de 1,2 million (Consumer), une différence de 731 748, avec une moyenne de 765 734.
La dernière phrase analyse la distribution des données.