--- schema_version: "1" id: 43b22dc2ce6a8cc6ed010397d78cdcbe2791830761bd896c727683b11dc9307f title: 設定 Tableau 資料故事：分析 collection: tableau version: current locale: zh-tw portal_url: https://docs.salesforce.com/tableau/current/zh-tw/server/data_stories_analytics.md canonical_url: https://help.tableau.com/current/server/zh-tw/data_stories_analytics.htm source_site: help.tableau.com content_type: documentation content_hash: 3465b13a9ccd3c3f5312d7e365bb4219f576cde58fc7198376ff021d9d01d83a description: Feature retired. --- [跳至主要內容](#main-content) # 設定 Tableau 資料故事：分析 **Tableau 資料故事的重要變化** Tableau 資料故事將在 Tableau Desktop、Tableau Cloud， 和 Tableau Server 中於 2025 年 1 月 (2025.1) 淘汰。隨著自然語言技術的進步，我們正在開發一種改進的界面，讓您可以更輕鬆地提出資料問題並掌握變化。更多資訊請參閱 [Tableau Pulse Tableau AI 重新構想資料體驗。](https://www.tableau.com/zh-tw/blog/tableau-pulse-and-tableau-ai) 在您的 Tableau 資料故事中，您可以選擇要撰寫哪些分析以及何時撰寫這些分析。根據您的故事類型以及您的故事有多少維度和度量，可以使用不同類型的分析。但是，散佈圖故事類型目前不支援分析。有關更多資訊，請參閱[為 Tableau Desktop 資料故事選擇正確的故事類型](https://help.tableau.com/current/server/zh-tw/data_stories_story_types.htm)。 ## 為您的故事設定分析 1. [在儀表板中新增 Tableau Data Story](https://help.tableau.com/current/server/zh-tw/data_stories_create.htm)。 2. 在儀表板中，按一下資料故事物件左上角的設定圖示。 3. 在資料故事對話方塊中，按一下分析索引標籤。 4. 按一下開關，以開啟不同類型的分析。 5. 對於區段和趨勢線，展開設定，以設定用於執行這些分析的臨界值。 6. 按一下「儲存」。 ## 瞭解不同類型的分析 ### 相關性 使用相關性來識別兩個時間序列之間真實的統計相關性。若有兩個以上的時間序列，則可分析所有組合的相關性。例如，可以開啟相關性，以識別兩種產品經常被一起購買的時間。 ### 叢集 使用叢集透過單個統計分析來識別不同的資料點（叢集）群組。例如，可以開啟叢集，以識別產品何時在特定的地理區域中非常受歡迎。 ### 分佈 使用分佈透過非統計觀察（例如均值、中位數、偏斜等）對資料點進行相對排序。例如，可以開啟分佈，以識別哪個產品的利潤率最高。 ### 區段 使用區段突出顯示時間序列中資料點的顯著變更。首先，設定要在區段中寫入的最小變更百分比。若變更低於定義的臨界值，則不會被寫入。例如，若將區段臨界值設定為大於 60% 的變更，那麼故事就不會寫入時間序列中以 30% 的減少量為特征的低谷。 設定臨界值後，請選擇是否套用格式設定，並設定要設定格式的最小變更百分比。 ### 趨勢線 使用趨勢線計算線性最佳擬合線，並識別屬於定義信賴度百分比的資料。與更一致的資料相比，具有高可變性的資料具有較低的信賴等級，並且該信賴等級會影響是否寫入趨勢線。可以將趨勢線用於具有一個維度和一個度量的故事，也可以在向下鑽研中使用趨勢線。有關向下鑽研的更多資訊，請參閱[設定 Tableau 資料故事設定：記述](https://help.tableau.com/current/server/zh-tw/data_stories_narrative.htm)。 為趨勢線設定最小信賴百分比。若將臨界值設定為 95%，但可以在 90% 的信賴等級繪製趨勢線，那麼故事就不會寫入趨勢線。設定臨界值後，請選擇是否套用格式設定。然後設定要設定格式的最小變更百分比。 關於趨勢線的 Tableau 資料故事可傳達一段時期內的絕對變更。關於趨勢線的故事會根據為故事設定的詳細程度層級而有所不同。若故事使用高詳細程度，那麼故事會寫入有關 R 平方值的資訊，這是一個統計概念，可以量化資料與趨勢線的擬合程度。有關詳細程度設定的更多資訊，請參閱[設定 Tableau 資料故事設定：記述](https://help.tableau.com/current/server/zh-tw/data_stories_narrative.htm)。 在趨勢線設定中，還可以選擇希望故事為未來的多少個時期寫入預測。使用預測時，故事會使用趨勢線的斜率和截距來計算未來時期的預測值。預測的信賴度會向為趨勢線設定的信賴臨界值新增上限和下限。故事至少有 30 個線性資料點時，可以使用預測。 ### 波動率 使用波動率分析一段時間內的標準偏差。例如，希望故事寫入超出資料平均範圍的值時，請使用波動率。 ## 分解如何使用分析來產生故事 此時，您可能想知道不同故事類型的分析如何工作。讓我們來看看每種故事類型的範例，並分解故事中的每個句子。 ### 瞭解離散故事的分析 由於連續故事會隨著時間的推移衡量趨勢，資料故事 會對績效、進展、平均值、總計、連續值、波動率、區段和預測進行描述。 以下的連續故事範例係關於每月銷售額： ![範例故事，其中包含有關每月銷售額的文字見解。此影像中的文字轉錄在下表中。](/tableau/current/zh-tw/server/zh-tw/Img/data_stories_continuous_analytics.png)
範例故事故事分解
  • 在所有 48 個月中，平均銷售額為 47,858 美元。
  • 最小值為 4,520 美元（2014 年 2 月），最大值為 118,448 美元（2017 年 11 月）。
前兩句使用平均值和範圍函數來描述分析期間的平均值、最大值和最小值。
  • 在整個時間序列過程中，銷售額增長了 489%，但最終呈下降趨勢，下降發生在最後一個月。
第三句是關於該度量在此期間的整體表現。例如，句子可以是關於銷售額在特定時期內是增長、下降，還是呈現不同的趨勢。
  • 按百分比計算的最大單次增長發生在 2014 年 3 月 (+1,132% )。然而，按絕對值計算的最大單次增長發生在 2014 年 9 月 (+53,868 美元)。
第四句使用進展分析。此句按百分比和絕對值描述了基於該期間度量的最大增減量。
  • 在三個時間序列中，最強的關係是企業和家庭辦公室之間的關係，具有適度的正相關性，這表明隨著一個（企業業績）的增長，另一個（家庭辦公室業績）通常也會增長，反之亦然。
這句話為相關性見解。這種類型的分析見解描述了資料中不同時間序列之間的顯著相關性。
  • 銷售額經歷了週期性，大約每 12 個月重複每個週期。還有一種較小的週期模式，大約每 3 個月重複一次。
  • 銷售額在 2014 年 10 月（31,453 美元）和 2015 年 2 月（11,951 美元）之間出現了顯著的正峰值，在 2014 年 11 月達到 78,629 美元。
這句話為區段見解。這種類型的分析見解描述了隨著時間的推移值得注意的增長和下降。
  • 該時間序列的整體線性趨勢為每月上漲 902 美元，在整個時間序列過程中絕對變化為 42,394 美元。若此趨勢在接下來的一個月內持續下去，銷售額預計約為 69,958 美元。
這句話為趨勢線見解。這種類型的見解描述了趨勢在一定百分比的信賴度下與資料的擬合程度，並且趨勢線可讓您根據歷史趨勢進行預測。
### 瞭解離散故事的分析 由於離散故事可讓您對值進行比較並瞭解資料的分佈，故事會描述資料的分佈、平均值、總計以及分組或叢集。 以下的離散故事範例係關於按產品分類的銷售額： ![範例故事，其中包含有關按產品分類的銷售額的文字見解。此影像中的文字轉錄在下表中。](/tableau/current/zh-tw/server/zh-tw/Img/data_stories_discrete_analytics.png)
範例故事故事分解
  • 所有 17 種產品的總銷售額為 230 萬美元。
第一句話計算了度量的總值。
  • 230 萬美元的銷售額由以下產品驅動： 電話： 330,007 美元， 椅子： 328,449 美元，以及 儲存設備： 223,844 美元。
第二句話描述了維度驅動因素。在此範例中，維度驅動因素是對總銷售額貢獻最大的產品。
  • 由於平均值 135,129 美元高於中位數 114,880 美元，因此分佈呈正偏態。
  • 銷售額相對集中，17 種產品中的 8 種 (47%) 佔總額的 78% 。
第三句和第四句分析了資料的分佈。其中分析了平均值、中位數、資料集中度（若存在）以及資料如何偏斜。這有助於確定這些分組變數互相比較而言的平衡程度。
  • 前兩種產品合計佔總銷售額的四分之一以上 (29%)。
此句使用叢集描述可進行分組的度量。這有助於確定資料中是否存在突出的不同群組。
  • 電話 （330,007 美元）是 17 種產品平均值的兩倍多。
最後一句話描述了值得注意的極端值。
### 瞭解散佈圖故事的分析 散佈圖故事類型最適合用於瞭解兩個度量之間的關係，因此，散佈圖故事需要 2-3 個度量。散佈圖分析可描述兩個度量之間的關係（回歸），並描述資料中的群組（叢集）（若存在）。 以下的散佈圖故事範例係關於跨維度的利潤和銷售額： ![範例故事，其中包含有關利潤和銷售額的文字見解。此影像中的文字轉錄在下表中。](/tableau/current/zh-tw/server/zh-tw/Img/data_stories_scatter_analytics.png)
範例故事故事分解
  • 隨著數量的增加和利潤的增加，根據提供的資料，銷售額增加了。具體來說，當數量增加 1 時，銷售額增加了 49.55 美元，當利潤增加 1.00 美元時，銷售額增加了 1.20 美元。
  • 很少有客戶偏離這種一般關係，表明關係擬合度高。
前兩句由回歸分析提供支援。回歸可顯示一種度量如何影響另一種度量。請注意，在第一句話中，故事已經確定了利潤和銷售額之間的關係。
  • 將資料分類為具有相似利潤、數量和銷售值的群組時，一個不同的群組脫穎而出。有 651 位客戶的利潤值在 -6,626 美元和 1,488 美元之間，數量在 2 和 122 之間，銷售額在 4.83 美元和 5,690 美元之間。
第三句來源於叢集。叢集分析試圖識別資料中所有變量的關鍵群組或叢集。
  • 客戶中的 Tamara Chand、 Raymond Buch和 Sanjit Chand因高利潤和銷售值而具有極端值。Sean Miller 以低利潤和高銷售值脫穎而出。
第四句係關於極端值 — 顯著高於或低於平均值的值。
  • 利潤的最小值為 -6,626 美元 (Cindy Stewart)，最大值為 8,981 美元 (Tamara Chand)，相差 15,608 美元。每位客戶的平均利潤為 361 美元，中位數為 228 美元。
  • 數量的最小值為 2 (Anthony O'Donnell)，最大值為 150 (Jonathan Doherty)，相差 148。每位客戶的平均數量為 47.76，中位數為 44。
  • 銷售額的分佈範圍從 4.83 美元（Thais Sissman) 至 $25,043 (Sean Miller)，相差 25,038 美元。每位客戶的平均銷售額為 2,897 美元，中位數為 2,256 美元。
散佈圖故事的其餘句子使用範圍和平均值分析來撰寫見解。
### 瞭解整個故事百分比的分析 整體故事類型的百分比最適合用於瞭解維度或度量代表整體的哪一部分。 下方的整個故事百分比範例係關於按細分市場劃分的銷售額： ![範例故事，其中包含有關細分市場銷售額的文字見解。此影像中的文字轉錄在下表中。](/tableau/current/zh-tw/server/zh-tw/Img/data_stories_pie_analytics.png)
範例故事故事分解

  • 所有三個實體的總和（銷售額）為 230 萬。

第一句話計算了度量的總值。

  • 230 萬的總和（銷售額）由消費者（120 萬）、企業（706,146）和家庭辦公室（429,653）驅動。

第二句話描述了驅動因素。在此範例中，驅動因素是對總銷售額貢獻最大的細分市場。
  • 最小值為 429,653（家庭辦公室），最大值為 120 萬（消費者），相差 731,748，平均值為 765,734。
最後一句話分析了資料的分佈。