--- schema_version: "1" id: 742cb8a214234a699eed21b1801af184a2869a34a4de450ecad0032fabcc9d56 title: 配置 Tableau 数据故事设置：分析 collection: tableau version: current locale: zh-cn portal_url: https://docs.salesforce.com/tableau/current/zh-cn/server/data_stories_analytics.md canonical_url: https://help.tableau.com/current/server/zh-cn/data_stories_analytics.htm source_site: help.tableau.com content_type: documentation content_hash: f1cd68296b5c0c043cadc069bf7b39f33a0c14fcd9a6362758ebef71e0dce770 description: Feature retired. --- [跳转到主要内容](#main-content) # 配置 Tableau 数据故事设置：分析 **Tableau 数据故事的重要变化** Tableau 数据故事将于 2025 年 1 月 (2025.1) 在 Tableau Desktop、Tableau Cloud 和 Tableau Server 中停用。随着自然语言技术的进步，我们正在开发一种改进的界面，使您可以更轻松地提出数据问题并掌握变化。有关详细信息，请参见[由 Tableau AI 支持的 Tableau Pulse 如何重塑数据体验](https://www.tableau.com/zh-cn/blog/tableau-pulse-and-tableau-ai)。 在您的 Tableau 数据故事中，您可以选择要撰写哪些分析以及何时撰写这些分析。根据您的故事类型以及您的故事有多少维度和度量，可以使用不同类型的分析。但是，散点图故事类型目前不支持分析。有关详细信息，请参见[选择适用于您的 Tableau Desktop 数据故事的正确故事类型](https://help.tableau.com/current/server/zh-cn/data_stories_story_types.htm)。 ## 为您的故事配置分析 1. [将 Tableau 数据故事添加到仪表板](https://help.tableau.com/current/server/zh-cn/data_stories_create.htm)。 2. 从仪表板中，单击“数据故事”对象左上角的“设置”图标。 3. 在“数据故事”对话框中，单击“分析”选项卡。 4. 单击开关以启用不同类型的分析。 5. 对于“细分”和“趋势线”，展开“设置”以设置执行这些分析的阈值。 6. 单击“保存”。 ## 了解不同类型的分析 ### 相关性 使用“相关性”来确定两个系列之间的真实统计相关性。如果您有两个以上的系列，则会分析所有组合的相关性。例如，您可以启用“相关性”以确定两种产品经常一起购买的时间。 ### 聚类 使用“聚类”，通过单个统计分析来识别不同的数据点组（群集）。例如，您可以打开“聚类”以确定产品何时在特定地理区域非常受欢迎。 ### 分布 使用“分布”，通过非统计观察（例如均值、中位数、偏斜等）对数据点进行相对排名。例如，您可以启用“例分布”来确定哪个产品的利润率最高。 ### 细分 使用“细分”突出显示系列中数据点的显着变化。首先，设置要在细分中写出的最小变化百分比。低于您定义的阈值的变化不会被写出。举例来说，如果您将细分阈值设置为大于 60% 的变化，那么您的故事不会写出时间序列中下降了 30% 的低谷。 设置阈值后，选择是否应用格式设置，并设置要设置格式的最小变化百分比。 ### 趋势线 使用“趋势线”计算线性最佳拟合线并确定处于定义置信百分比内的数据。与更一致的数据相比，具有高可变性的数据具有较低的置信水平，并且该置信水平会影响是否写出趋势线。您可以将趋势线用于具有一个维度和一个度量的故事，或者您可以在向下钻取中使用趋势线。有关向下钻取的详细信息，请参见[配置 Tableau 数据故事设置：叙述](https://help.tableau.com/current/server/zh-cn/data_stories_narrative.htm)。 设置趋势线的最小置信百分比。如果您将阈值设置为 95%，但可以以 90% 的置信度绘制趋势线，那么您的故事就不会写出趋势线。设置阈值后，选择是否应用格式设置。然后设置要设置格式的最小变化百分比。 关于趋势线的 Tableau 数据故事传达了一段时间内的绝对变化。关于趋势线的故事会根据您为故事设置的详细程度而有所不同。如果您的故事使用高详细程度，那么您的故事会写出 R 平方值，这是一个统计概念，可以量化您的数据与趋势线的拟合程度。有关详细程度设置的详细信息，请参见[配置 Tableau 数据故事设置：叙述](https://help.tableau.com/current/server/zh-cn/data_stories_narrative.htm)。 在“趋势线”设置中，您还可以选择您希望您的故事针对未来多少个期间写出预测。当您使用预测时，您的故事使用趋势线的斜率和截距来计算未来期间的预测值。预测的置信度为您为趋势线设置的置信度阈值添加上限和下限。当您的故事至少有 30 个线性数据点时，您可以使用预测。 ### 波动率 使用“波动率”分析一段时间内的标准偏差。例如，当您希望故事写出超出数据平均范围的值时，请使用“波动率”。 ## 分解分析如何用于生成故事 此时，您可能想知道不同故事类型的分析是如何工作的。让我们看一下每种故事类型的示例，并分解故事中的每个句子。 ### 了解离散故事的分析 因为连续故事衡量一段时间内的趋势，因此 数据故事 会写出绩效、进展、平均值、总计、连续性、波动性、细分和预测。 以下连续故事示例讲述每月的销售额： ![一个示例故事，其中包含有关每月销售额的文本洞察。图像中的文本转录在下表中。](/tableau/current/zh-cn/server/zh-cn/Img/data_stories_continuous_analytics.png)
示例故事故事分解
  • 全部 48 个月的平均销售额为 47,858 美元。
  • 最小值为 4,520 美元（2014 年 2 月），最大值为 118,448 美元（2017 年 11 月）。
前两个句子使用平均值和范围函数来写出您分析期间的平均值、最大值和最小值。
  • 在整个系列过程中，销售额增长了 489%，但最终呈下降趋势，最后一个月下降。
第三个句子是讲述该度量在此期间的整体表现。例如，一个句子可以讲述特定时期内销售额是否增加、减少或趋势不同。
  • 按百分比计算的最大单次增长发生在 2014 年 3 月 (+1,132%)。然而，最大的单次绝对涨幅发生在 2014 年 9 月（ +53,868 美元）。
第四个句子使用级数分析。这个句子使用百分比基础和绝对基础写出基于该期间度量的最大增减量。
  • 在三个系列中，最强的关系是公司和家庭办公室之间的关系，具有中等的正相关性，这表明随着一个（公司）的增加，另一个（家庭办公室）通常也会增加，反之亦然。
这个句子是一个相关性洞察。这种类型的分析洞察记录了数据中不同系列之间的显着相关性。
  • 销售有周期性，大约每 12 个月重复每个周期。还有一种较小的周期模式，大约每三个月重复一次。
  • 销售额在 2014 年 10 月（31,453 美元）和 2015 年 2 月（11,951 美元）之间出现了显着的正峰值，在 2014 年 11 月升至 78,629 美元。
这个句子是一个细分洞察。这种类型的分析洞察写出一段时间内值得注意的增加和减少。
  • 该系列的整体线性趋势每月上涨 902 美元，在整个系列过程中绝对变化为 42,394 美元。如果这一趋势在接下来的一个月内持续下去，预计销售额约为 69,958 美元。
这个句子是一个趋势线洞察。这种类型的洞察记录了趋势在一定百分比的置信度下与您的数据的拟合程度，趋势线允许您根据历史趋势进行预测。
### 了解离散故事的分析 因为离散故事允许您比较值并了解数据的分布，所以故事会写出数据中的分布、平均值、总计以及分组或群集。 以下离散故事示例讲述按产品分类的销售额： ![一个示例故事，其中包含有关按产品分类的销售额的文本洞察。图像中的文本转录在下表中。](/tableau/current/zh-cn/server/zh-cn/Img/data_stories_discrete_analytics.png)
示例故事故事分解
  • 全部 17 种产品的总销售额为 230 万美元。
第一个句子计算您的度量的总值。
  • 230 万美元的销售额是由以下因素推动的 手机 330,007 美元。 椅子 328,449 美元，以及 存储产品 223,844 美元。
第二个句子写出维度驱动因素。在此示例中，维度驱动因素是对总销售额贡献最大的产品。
  • 由于 135,129 美元的平均值高于 114,880 美元的中位数，因此分布呈正偏态。
  • 销售额相对集中，17 种产品中的 8 种 (47%) 占总量的 78%。
第三和第四个句子分析数据的分布。这将分析平均值、中位数、数据集中度（如果存在）以及数据如何倾斜。这有助于确定这些分组变量相互比较的平衡程度。
  • 前两种产品合计占总销售额的四分之一以上 (29%)。
这个句子使用“聚类”来写出于可分组的度量。这有助于确定数据中是否存在突出的不同组。
  • 手机 （330,007 美元）是 17 种产品平均值的两倍多。
最后一个句子写出值得注意的异常值。
### 了解散点图故事的分析 散点图故事类型最适合了解两个度量之间的关系，因此，散点图故事需要 2-3 个度量。散点图分析写出两个度量之间的关系（回归），并写出数据中的组（群集）（如果存在）。 以下散点图故事示例讲述跨维度的利润和销售额： ![一个示例故事，其中包含有关利润和销售的文本洞察。图像中的文本转录在下表中。](/tableau/current/zh-cn/server/zh-cn/Img/data_stories_scatter_analytics.png)
示例故事故事分解
  • 随着数量的增加和利润的增加，根据提供的数据，销售额增加了。具体来说，当数量增加 1 时，销售额增加 49.55 美元，当利润增加 1.00 美元时，销售额增加 1.20 美元。
  • 很少有客户偏离这种一般关系，表明非常适合。
前两个句子由回归分析提供支持。回归显示一个度量如何影响另一个度量。请注意，在第一个句子中，故事已经确定了利润和销售额之间的关系。
  • 当组织成具有相似利润、数量和销售额骨值的组时，一个不同的组会脱颖而出。有 651 位客户的利润值在 -6,626 美元到 1,488 美元之间，数量在 2 到 122 之间，销售额在 4.83 美元到 5,690 美元之间。
第三个句子来源于聚类。聚类分析会尝试确定数据中所有变量的关键组或群集。
  • Tamara Chand、 Raymond Buch和 Sanjit Chand，其中包括具有高利润和销售额值的异常值。Sean Miller 因为低利润和高销售额而突出显示。
第四个句子写出异常值，即显着高于或低于平均值的值。
  • 利润的最小值为 -6,626 美元 (Cindy Stewart)，最大值为 8,981 美元 (Tamara Chand)，相差 15,608 美元。每位客户的平均利润为 361 美元，中位数为 228 美元。
  • 数量的最小值是 2 (Anthony O'Donnell)，最大值为 150 (Jonathan Doherty)，相差 148。每个客户的平均数量为 47.76，中位数为 44。
  • 销售额的分布范围为 4.83 美元 (Thais Sissman) 至 25,043 美元 (Sean Miller)，相差 25,038 美元。每个客户的平均销售额为 2,897 美元，中位数为 2,256 美元。
散点图故事的其余句子使用范围和平均分析来撰写洞察。
### 了解整体百分比故事的分析 整体百分比故事类型最适合了解维度或度量代表整体的哪一部分。 以下整体百分比故事示例讲述按细分市场划分的销售额： ![一个示例故事，其中包含有关按细分市场划分的销售额的文本洞察。图像中的文本转录在下表中。](/tableau/current/zh-cn/server/zh-cn/Img/data_stories_pie_analytics.png)
示例故事故事分解

  • 所有三个实体的 SUM(Sales) 总计为 230 万。

第一个句子计算您的度量的总值。

  • 230 万的 SUM(Sales) 由消费者（120 万）、企业（706,146）和家庭办公室（429,653）推动。

第二个句子写出驱动因素。在此示例中，驱动因素是对总销售额贡献最大的细分市场。
  • 最小值为 429,653（家庭办公室），最大值为 120 万（消费者），相差 731,748，平均值为 765,734。
最后一个句子分析数据的分布。