--- schema_version: "1" id: 46ce1b25f41a784d256e050ce62a9c01c215f1d7b93772f4eb9e3bf7f3808cad title: Användning av sjukhussäng med Tableau Prep collection: tableau version: next locale: sv-se portal_url: https://docs.salesforce.com/tableau/next/sv-se/prep/prep_tutorial_hospitalbeds.md canonical_url: https://help.tableau.com/v0.0/prep/sv-se/prep_tutorial_hospitalbeds.htm source_site: help.tableau.com content_type: documentation content_hash: b28d0a2603ddb9036614caea5fb101d2b02b43794e11ba159424c77bfa14b205 description: "tutorial: analyze hospital bed usage by restructuring data in Tableau Prep." --- [Hoppa till huvudinnehåll](#main-content) # Användning av sjukhussäng med Tableau Prep Det kan vara problematiskt att nå full kapacitet på ett sjukhus, men det är även ett överflöd av resurser. Det är viktigt att se på sjukhussängar från sängens perspektiv som en resurs. Data lagras emellertid ofta från patientens perspektiv. Hur kan vi med data som registrerar när patienter ligger i sängar bestämma användningen av sängar? **Obs**! Du måste ha Tableau Prep och eventuellt Tableau Desktop installerade för att kunna slutföra uppgifterna i denna handledning. Läs mer i [Driftsättningsguide för Tableau Desktop och Tableau Prep](https://help.tableau.com/current/desktopdeploy/sv-se/desktop_deploy_welcome.htm#) för att installera Tableau Prep och Tableau Desktop. Du kan även ladda ned den kostnadsfria utvärderingsversionen av [Tableau Prep](https://www.tableau.com/sv-se/products/prep/download) och Tableau Desktop Free Edition. Du måste även ladda ned tre datafiler. Vi rekommenderar att du sparar dem i din Min Tableau Prep-lagringsplats > Datakällor-mapp. \- [Beds.xlsx](https://mkt.tableau.com/PrepTutorials/Beds.xlsx) \- [Hours.xlsx](https://mkt.tableau.com/PrepTutorials/Hours.xlsx) \- [Patient Beds.xlsx](https://mkt.tableau.com/PrepTutorials/Patient%20Beds.xlsx) ## Data För våra fyra sängar A, B, C och D spårar vi vilken patient som låg i sängen och deras start- och sluttid i den. Så här ser data ut: ![förhandsgranskning av datauppsättningen Patientsängar](/tableau/next/sv-se/prep/sv-se/Img/prep_tutorial_hb_patientbeddata.png) ## Preliminär analys Om vi hämtar dessa data till Tableau Desktop kan vi skapa ett Gantt-diagram som visar när patienterna ligger i sängar. ![Gantt-diagram i Tableau Desktop i datauppsättningen Patientsängar](/tableau/next/sv-se/prep/sv-se/Img/prep_tutorial_hb_originaldatagantt.png) Detta är en användbar layout. Vi ser att det bara finns små luckor i användning för sängarna A och B, men säng C är mycket underutnyttjad. Patienten i säng D har ingen sluttid, men vi kan svara på det genom att göra några beräkningar. Detta ger oss en visuell överblick över hur sängarna används. Vad händer om vi skulle vilja räkna timmarna när en säng står tom? Eller jämföra ledig sängtid före och efter att en ny policy införs? Det finns inget enkelt sätt att göra det med data i dess nuvarande struktur. ## Önskad datastruktur Om vi skapar några mycket grundläggande datauppsättningar och kombinerar dem i Tableau Prep kan vi ändra denna datauppsättning till en form som vi kan använda för att utföra djupare analyser och skapa ännu mer användbara visualiseringar. Innan vi går in i Tableau Prep tar vi ett steg tillbaka och tänker på vad vi behöver skapa för att svara på frågan ”Hur många timmar stod varje säng tom?” Vi måste kunna titta på varje säng för varje timme och veta om det fanns en patient i sängen eller inte. Just nu visar data endast när en patient låg i sängen. Vi har inte gett Tableau information om de _lediga_ timmarna. Vi skapar två nya datauppsättningar för att skapa en fullständig matris med alla sängar och alla timmar. Den ena är en lista över sängar (A, B, C, D) och den andra är en lista över timmar (1, 2, 3, …, 23, 24). Genom att utföra en korsdatabaskoppling (koppla varje rad i en datauppsättning med varje rad i den andra datauppsättningen) kommer vi att få alla möjliga kombinationer av sängar och timmar.
Datauppsättningen Beds.xlsx ser ut så här:Datauppsättningen Hours.xlsx ser ut så här:Och resultaten för korsdatabaskoppling ser ut så här: 
Förhandsgranskning av datauppsättningen SängarFörhandsgranskning av datauppsättningen TimmarFörhandsgranskning av Matrisdata för säng-timmar
Sedan hämtar vi informationen om **Patientsängar** och etiketterar varje kombination av säng-timme om den har en specifik patient eller inte. Vi avslutar med en datauppsättning som har en rad för varje säng-timme och om en patient befann sig i sängen, deras nummer och start- och sluttider. Nullvärden indikerar att sängen stod tom. ![Förhandsgranskning av Matrisdata för säng-timme-patient](/tableau/next/sv-se/prep/sv-se/Img/prep_tutorial_hb_bedhourpatientmatrix.png) Med hjälp av data i denna struktur kan vi utföra analyser som denna, vilket gör det lika enkelt att undersöka lediga sängar som patientsängar. ![Instrumentpanel med formade data som visar sänganvändning per timme och patient](/tableau/next/sv-se/prep/sv-se/Img/prep_tutorial_hb_shapeddatadashboard.png) ## Strukturera om data Så hur tar vi oss dit med Tableau Prep? Vi bygger upp flödet i två delar. Först bygger vi matrisen för Sängtimmar och sedan kombinerar vi den med data om Patientsängar. Se till att du har laddat ned alla tre Excel-filer **(Beds.xlsx**, **Hours.xlsx** och **Patient Beds.xlsx)** för att kunna följa med. ### Matris för Sängtimme Först ska vi ansluta till filen **Beds.xlsx**. 1. Öppna Tableau Prep. 2. Välj Anslut till data på startskärmen. 3. I rutan Anslutningar väljer du Microsoft Excel. Gå till platsen där du sparade **Beds.xlsx** och välj Öppna. 4. Bladet Sängar borde automatiskt tas fram till rutan Flöde. **Tips**: Mer information om hur du ansluter till data finns i [Anslut till data](https://help.tableau.com/v0.0/prep/sv-se/prep_connect.htm). Sedan måste vi skapa ett fält som vi kan använda för att göra korsdatabaskopplingen med datauppsättningen **Timmar**. Vi lägger till en beräkning som helt enkelt är värdet **1**. 1. Välj Sängar i rutan Flöde och välj sedan förslaget Rensningssteg. 2. Rutan Profil visas med steget Rensa som vi precis har lagt till. Välj Skapa beräknat fält i verktygsfältet. 3. Ge fältet namnet **Korsdatabaskoppling** och ange värdet **1.** 4. Rutnätet Data bör uppdateras och visa det aktuella tillståndet för data. ![En tabell som visar resultatet av en korskoppling.](/tableau/next/sv-se/prep/sv-se/Img/prep_tutorial_hb_crossjoinresults.png "visualisering av datarutnätet med kolumner för Korsdatabaskoppling och Säng") Nu upprepar vi processen med datauppsättningen Timmar. Utöka för anvisningar 1. Lägg till ytterligare en dataanslutning genom att välja knappen Lägg till anslutning ![En knapp för att lägga till en dataanslutning.](/tableau/next/sv-se/prep/sv-se/Img/prep_addconnection.png) i rutan Anslutningar. 2. Välj Microsoft Excel och välj sedan filen **Hours.xlsx**och klicka på Öppna. 3. Välj Timmar i rutan Flöde och välj förslaget Rensningssteg för att lägga till det till flödet. 4. Från verktygsfältet i rutan Profil skapar du ett beräknat fält med namnet **Korsdatabaskoppling** och anger värdet **1**. ![En tabell som visar resultatet av en korskoppling.](/tableau/next/sv-se/prep/sv-se/Img/prep_tutorial_hb_crossjoinresults2.png "visualisering av datarutnätet med kolumner för Korsdatabaskoppling och Timme") Båda datauppsättningarna har nu ett delat fält, **Korsdatabaskoppling** och kan kopplas. 1. Koppla de två rensningsstegen genom att dra **Rensa 2** till **Rensa 1** och släpp det på alternativet Koppla. ![Rutan Flöde visar släppområdet Koppla när Rensa 2 dras till Rensa 1](/tableau/next/sv-se/prep/sv-se/Img/prep_tutorial_hb_clean1joinclean2.png) 2. I Koppla profil nedan ska kopplingskonfigurationerna fyllas i automatiskt. - Eftersom vi gav båda fälten namnet **Korsdatabaskoppling** identifierar Tableau Prep dem automatiskt som det delade fältet och skapar lämpliga Tillämpade kopplingssatser. - Standardinställningen Kopplingstyp är inre, vilket är vad vi vill. - Denna koppling kommer att matcha alla rader från **Sängar** med alla rader från **Timmar**, som visas i rutnätet Data. ![Rutan Koppla profil med olika element som räknas upp för att motsvara listan ovan](/tableau/next/sv-se/prep/sv-se/Img/prep_tutorial_hb_join1profile.png) A. Kopplingssats B. Kopplingstyp C. Resultat av datarutnät **Tips**: Mer information om kopplingar finns i [Koppla dina data](https://help.tableau.com/v0.0/prep/sv-se/prep_combine.htm#Join). Eftersom vi inte längre behöver fälten för **Korsdatabaskoppling** kan vi ta bort dem. 1. Välj **Koppling 1** i rutan Flöde, välj plusikonen ![En knapp med ett plustecken.](/tableau/next/sv-se/prep/sv-se/Img/prep_addicon.png) och lägg till ett rensningssteg. 2. Markera fälten **Korsdatabaskoppling-1** och **Korsdatabaskoppling** och välj Ta bort fält. 3. Dubbelklicka på etiketten **Rensa 3** och byt namn på steget **Matris för sängtimmar**. Vi har nu datauppsättningen Matris för sängtimmar som innehåller alla sängar och alla timmar och har slutfört den första delen av uppbyggandet av vår datauppsättning. ### Användning av patientsäng Del två är att hämta användningen av patientsäng. Vi börjar med att ansluta till data. 1. Lägg till ytterligare en dataanslutning genom att välja knappen Lägg till anslutning ![En knapp för att lägga till en dataanslutning.](/tableau/next/sv-se/prep/sv-se/Img/prep_addconnection.png) i rutan Anslutningar. 2. Välj Microsoft Excel och välj sedan filen **Patient Beds.xlsx** och välj Öppna. 3. Välj **Patientsängar** i rutan Flöde och välj sedan förslaget Rensningssteg för att lägga till det till flödet. Eftersom filen Matris för sängtimmar baseras på _timme_ men Patientsängar baseras på _faktisk tid_, måste vi dra ut timmen från start- och sluttiderna för Patientsängar. För sluttiden vill vi dessutom se till att om ett patent fortfarande finns kvar i sängen i slutet av dagen (midnatt, timme 24) indikerar vi att sängen är upptagen även om det inte finns någon sluttid i datauppsättningen. Vi lägger till ett beräknat fält i det här nya steget. 1. Klicka på Skapa beräknat fält i verktygsfältet. 2. Namnge fältet **Starttid**. Ange `DATEPART('hour',[Start Time])` för beräkningen. 3. Detta identifierar och tar ut starttidens timdel. Därför blir "1/1/18 9:35 AM" helt enkelt "9". 4. Skapa ett annat beräknat fält som heter **Sluttid**. Ange `IFNULL(DATEPART('hour',[End Time]), 24)` för beräkningen. Delen `DATEPART` tar timmen från sluttiden. Delen `IFNULL` tilldelar en sluttid på 24 (midnatt) till eventuell saknad sluttid. Nu är vi redo att koppla användningen av patientsäng till **Matrisen för sängtimmar**. Detta är en lite mer komplicerad koppling än vad vi gjorde tidigare. En inre koppling skulle endast returnera värden som finns i båda datauppsättningarna. Vi måste göra en vänster koppling eftersom vi vill se till att hålla alla platser för säng-timme, oavsett om en patient befann sig i sängen eller inte. Detta kommer att resultera i många nollor, men det är bra. Vi måste också matcha när en plats för säng-timme upptas av en patient (eller patienter). Så förutom att matcha sängen som patienten befinner sig i måste vi även ta hänsyn till tiden. Datauppsättningen Matris för sängtimmar har bara ett fält för **Timme** och datauppsättningen **Patientsängar** har **Starttid** och **Sluttid**. Vi kommer att använda lite grundläggande logik för att avgöra om en patient ska tilldelas en given plats för säng-timme: _En patient anses ligga i en säng om deras starttid är mindre än eller lika med (<=) platsen säng-timme OCH deras sluttid är större än eller lika med (>=) platsen säng-timme._ Därför behövs det tre kopplingssatser för att dessa två datauppsättningar ska matchas på lämpligt sätt. 1. Koppla steget **Rensa 3** med steget **Matris för sängtimmar**. 2. I området Tillämpade kopplingssatser ska standardvärdet vara **Timme** = **Sluttid**. Välj kopplingssatsen för att ändra operanden från ”**\=**” till ”**<=**”. ![Fält med kopplingsoperatorer.](/tableau/next/sv-se/prep/sv-se/Img/prep_tutorial_hb_joinoperator.png "visualisering av ändring av kopplingsoperand") 3. Välj plusknappen ![En knapp med ett plustecken.](/tableau/next/sv-se/prep/sv-se/Img/prep_addvalueicon.png) i det övre högra hörnet av området Tillämpade kopplingssatser för att lägga till en kopplingssats till. Ställ in den på **Timme >= Starttid**. Lägg till en tredje kopplingssats för **Säng = Sjukhussäng**. 4. I avsnittet Kopplingstyp väljer du det ej skuggade området i bilden bredvid **Matrisen för sängtimmar** för att ändra kopplingstypen till **Vänster** koppling. ![Rutan koppla Profil för Koppla 2 visar den korrekta konfigurationen](/tableau/next/sv-se/prep/sv-se/Img/prep_tutorial_hb_join2.png) **Obs!** Om du drar **Matrisen för sängtimmar** till **Rensa 3** istället för tvärtom, kan du få önskat resultat genom att använda en höger koppling istället för en vänster koppling. Ordningsföljden för att dra stegen är viktig för kopplingens orientering. Kopplingssatserna kommer också att vara i omvänd ordning. Se till att du bevarar korrekt logik för att jämföra timmarna. Våra data är nu kopplade, men vi bör rensa några artefakter från kopplingen och se till att fälten ser snygga ut. Vi behöver inte längre **Starttid** och **Sluttid**. **Sjukhussäng** och **Säng** är också överflödiga. Slutligen betyder ett nullvärde i fältet **Patient** att sängen är ledig. 1. I rutan Flöde lägger du till ett rensningssteg så att vi kan rensa kopplade data. 2. Ctrl-klicka (Cmd-klicka på Mac) för att markera fälten **Sluttid**, **Starttid** och **Sjukhussäng** och välj sedan Ta bort fält i verktygsfältet. 3. På fältprofilkortet **Patient** dubbelklickar du på **nullvärdet** och skriver **Ledig**. Vi har nu en datastruktur med en rad för varje säng-timme. Om det fanns en patient i sängen under den timmen har vi även patientinformationen. Nu behöver vi bara lägga till ett utmatningssteg och generera själva datauppsättningen. 1. I rutan Flöde väljer du **Rensa 4**, väljer plusikonen ![En knapp med ett plustecken.](/tableau/next/sv-se/prep/sv-se/Img/prep_addicon.png) och lägger till ett utdatasteg. 2. Ändra Utdatatyp till .csv i rutan Utdata och välj sedan Bläddra. 3. Ange **Matris för patientens sängtimmar** som namn och välj önskad plats innan du väljer Acceptera för att spara. 4. Välj knappen Kör flöde längst ner i rutan för att generera utdata. Stäng dialogrutan genom att välja Klart i statusdialogrutan. **Tips**: Mer information om utdata och flödeskörning finns i [Spara och dela ditt arbete](https://help.tableau.com/v0.0/prep/sv-se/prep_save_share.htm#Export). Det slutliga flödet bör se ut så här: ![Rutan Flöde med alla slutförda steg](/tableau/next/sv-se/prep/sv-se/Img/prep_tutorial_hb_finalflow.png) ## Analys i Tableau Desktop För att installera Tableau Desktop kan du ladda ned Tableau Desktop Free Edition innan du fortsätter med denna handledning. Nu när vi har datauppsättningen i en önskad struktur kan vi utföra en djupare analys än med ursprungliga data. 1. Öppna Tableau Desktop. Välj Textfil i rutan Anslut, gå till filen **Bed Hour Patient Matrix.csv** och välj Öppna. 2. Data visas som standard på arbetsytan på fliken Datakälla. Navigera till **Blad 1**. 3. I rutan Data drar du **Timme** till ovanför linjen som skiljer Mätvärden och Dimensioner åt för att göra det till en diskret dimension. ![Dra ett mätvärdesfält till sektionen Dimension för att konvertera det till en dimension.](/tableau/next/sv-se/prep/sv-se/Img/prep_tutorial_hospitalbeds_dimmeasure.png) 4. Dra **Säng** till hyllan rader och **Timme** till hyllan Kolumn. 5. Dra **Patient** till hyllan Färg. ![Grundläggande vy av formade data i Tableau Desktop som visar sänganvändning per timme](/tableau/next/sv-se/prep/sv-se/Img/prep_tutorial_hb_desktopbasic.png) Formatering är valfritt, men kan hjälpa till att förbättra visualiseringarna. 1. Välj hyllan Färg och välj sedan Redigera färger. 2. I området till vänster väljer du **Ledig**. Välj färgpaletten Seattle-gråa nyanser i listrutan till höger. 3. Välj den fjärde ljusaste gråa färgen och klicka på OK. 4. Välj hyllan Färg igen och klicka sedan på listrutan Kant. Välj det andra grå alternativet längst till höger. 5. Byt från Standard till Anpassa bredd i listrutan Storlek i verktygsfältet. ![Bild av placeringen av listrutan Storlek i verktygsfältet](/tableau/next/sv-se/prep/sv-se/Img/prep_tutorial_hb_desktopfitwidth.png) 6. Välj menyn Format och sedan Kanter. 7. Välj en mycket ljust grå färg i listrutan Ruta som Radavdelare. 8. Justera skjutreglaget Nivå till det andra skalstrecket. 9. Upprepa med Kolumnavdelaren. Ange färgen på Rutan till ljusgrå och Nivån till den andra bockmarkeringen. ![Ett kodavsnitt som visar formatrutan med rätt inställningar för kanterna](/tableau/next/sv-se/prep/sv-se/Img/prep_tutorial_hb_desktopborders.png) 10. Dubbelklicka på bladfliken längst ned och byt namn på den till **Sänganvändning per timme**. Denna vy låter oss snabbt se när en viss säng var upptagen eller ledig. ![En vy som visar sängens användning per timme](/tableau/next/sv-se/prep/sv-se/Img/prep_tutorial_hb_desktopbeduse.png) Men vi kan gå längre och räkna antalet timmar varje säng var ledig. 1. Välj den nya bladikonen ![Ikonen för nytt arbetsblad.](/tableau/next/sv-se/prep/sv-se/Img/newsheet.png) längst ned för att öppna ett tomt blad. 2. Dra **Patient** till Rader. 3. Dra **Timme** till Kolumner. Öppna menyn genom att högerklicka på fältet Timme. Välj Mätvärde > Räkna. 4. Dra en annan kopia av fältet **Patient** från rutan Data till hyllan Färg. 5. Högerklicka på axeln och välj Redigera axel. Ändra rubriken till **Timmar** och stäng dialogrutan. 6. Byt namn på bladfliken **Sängtimmar per patient**. ![En vy som visar sängtimmar per patient](/tableau/next/sv-se/prep/sv-se/Img/prep_tutorial_hb_desktoppatientbeds.png) Med den här vyn kan vi identifiera hur många lediga timmar vi hade i sängen, något som vi inte kunde göra med den ursprungliga datauppsättningen. Vilka andra diagram eller instrumentpaneler kan du skapa? Försök med det nu när dina data är i rätt struktur. ## Sammanfattning och resurser För att bygga denna datastruktur med Tableau Prep behövde vi utföra följande åtgärder: 1. Bygg en datauppsättning för varje aspekt vi vill analysera, i detta fall **Sängar** och **Timmar**. 2. Korsdatabaskoppla dessa datauppsättningar för att skapa datauppsättningen **Matris för sängtimmar** med alla möjliga kombinationer av sängar och timmar. 3. Koppla **Matris för sängtimmar** med data om **Patientsäng** och se till att kopplingen håller alla sängplatstimmar och att kopplingssatserna matchar data för patientsäng med platser för säng-timme. Vi använde följande beräkningar för att skapa fält som vi kunde koppla med. Den andra och tredje tar fram timinformationen från de ursprungliga datumtidsfälten. - **Korsdatabaskoppling** = `1` - Detta tilldelar bara värdet 1 till varje rad - **Starttid** \= `DATEPART('hour',[Start Time])` - Detta identifierar och tar ut starttidens timdel. Därför blir "1/1/18 9:35 AM" helt enkelt "9". - **Sluttid** = `IFNULL(DATEPART('hour',[End Time]), 24)` - Vi skulle kunna använda `DATEPART('hour',[End Time])` som vi gjorde för **Starttid**. Detta identifierar och tar ut sluttidens timdel. Därför blir "1/1/18 16:34 PM" helt enkelt "4". - Men vi vill indikera att patientsängen som fortfarande är upptagen (ingen sluttid) används och är inte tom. För att göra detta tilldelar vi en sluttid på 24 (midnatt) till eventuell saknad sluttid med hjälp av funktionen `IFNULL`. Om det första argumentet `DATEPART('hour',[End Time])` är null returnerar beräkningen ”24” istället. **Obs!** Vill du kontrollera ditt arbete? Ladda ned den paketerade flödesfilen för Tableau Prep ([Hospital Beds.tflx](https://mkt.tableau.com/PrepTutorials/Hospital%20Beds.tflx)) och den paketerade arbetsboksfilen för Tableau Desktop ([Hospital Beds.twbx](https://mkt.tableau.com/PrepTutorials/Hospital%20Beds.twbx)). **Resurser**: Behöver du mer utbildning? Gå en [personlig utbildning](https://www.tableau.com/sv-se/learn/classroom/prep). Är du nyfiken på vilka funktioner vi har gått igenom? Ta en titt på övriga avsnitt i Tableau Prep-hjälpen online. Vill du ha ytterligare resurser? Då är blogginlägget [Bemästra Tableau Prep med denna lista över utbildningsresurser](https://www.tableau.com/sv-se/about/blog/2018/7/master-tableau-prep-list-learning-resources-92064) något för dig.