Wprowadzenie - cel ćwiczenia Celem ćwiczenia jest przygotowanie wizualizacji charakteryzującej lokalizacje i rodzaje Miejsc Obsługi Podróżnych (MOP) przy drogach ekspresowych i autostradach na terenie Polski. Przykładowa wizualizacja jest dostępna na stronie Generalnej Dyrekcji Dróg Krajowych i Autostrad. Podczas zajęć należy przygotować kokpit managerski (dashboard) złożony z czterech arkuszy - wizualizacji (sheets) przygotowanych w Tableau. Prezentacja ma zawierać charakterystykę MOP w Polsce - Rys.0. <a id="rys0"></a> Rys.0 Kokpit managerski.

Wprowadzenie - cel ćwiczenia Podczas zajęć należy przygotować kokpit managerski (dashboard) złożony z trzech arkuszy - wizualizacji (sheets) przygotowanych w Tableau. Prezentacja ma zawierać ilustrację długości dróg ekspresowych i autostrad w Polsce na przestrzeni ostatnich 5 lat z podziałem na województwa. 1. Informacje podstawowe 1.1. Proces przygotowania wizualizacji - Tableau Rys.1 prezentuje główne czynności składające się na proces przygotowania prezentacji w Tableau. <a id="rys1"></a>

Purpose of the exercise The purpose of the exercise is to effectively use a data source describing energy generation/recovery in the EU. A tool is available at Eurostat Energy and Industry Geography Lab. 0. Data source I suggest the following modifications to the data source: define calculated fields "type of energy" image creating gropus in the dimension "type of energy" - eg. type (group)<br/> image

Introduction - Purpose of the exercise The purpose of this exercise is to improve your ability to use visual analytics tools in Tableau. 1. Clustering Among the analytical tools offered by Tableau are methods for grouping data - known as cluster analysis. Clustering is a technique for grouping objects with similar properties, and the cluster formed during clustering is a class of similar objects. Clustering is a machine learning method that belongs to the class of unsupervised learning methods - its aim is to find "natural" clusters for a set of objects. The equivalent of this method in supervised learning is the classification process. The clustering problem is to divide the set P into k clusters such that the function F takes a maximum value, where:

Introduction - purpose of the exercise During the lab you are to prepare a dashboard (dashboard) consisting of six sheets - visualisations (sheets) prepared in Tableau. The presentation should include an analysis of sales and profit in a model enterprise over the last 4 years - Fig.0. Particular emphasis in this exercise will be placed on: formatting the visualisation elements, defining filters, defining interactions in dashboards analysis of the financial data. <a id="rys0"></a>

Introduction - exercise objective We will practise: how to define calculation fields, the syntax of calculation formulas, interactivity of dashboards: defining filters and highliters, formatting tooltips, descriptions. The purpose of this exercise is to prepare a visualisation that characterises the locations and types of Motorway Service Points (MOPs) along expressways and motorways in Poland.

Introduction - purpose of the exercise During the class you are to prepare a dashboard (dashboard) consisting of three sheets - visualisations (sheets) prepared in Tableau. The excercise is divided into two parts - first is related to Poland, and second realted to Europe. a) Poland transport infrastructure The presentation should include an illustration of the length of express roads and motorways in Poland in the last 5 years divided into voivodships - check online. <a id="rys0"></a> ds1

Cel ćwiczenia Celem ćwiczenia jest efektywne wykorzystanie źródła danych opisującego wytwarzanie/odzyskiwanie energii w UE. W Eurostat jest dostępne narzędzie Energy and Industry Geography Lab. Na podstawie źródła danych związanego z ww. narzędziem proponuję zrealizować wizualizacje z pkt. 1-4 a następnie połączyć je w spójny dashboard. 0. Data source Proponuję zrelizować następujące modyfikacje źródła danych: definicja pola obliczeniowego "type of energy" image

Cel ćwiczenia Celem ćwiczenia jest wprowadzenie w techniki przetwarzania danych pochodzących z najpopularniejszych serwisów statystycznych. 1. EUROSTAT 1.1 Lokalizacja i struktura bazy danych Baza danych EUROSTAT jest zorganizowana w postaci hierarchicznego drzewa, do którego dostęp można uzyskać wybierając opcję Complete database (rysunek poniżej). Załóżmy, że inetersują nas dane dotyczące liczby studentów w poszczególnych krajach na 1 i 2 stopniu studiów, w całym dostępnym przedziale czasowym. Seria danych:

Cel ćwiczenia Celem ćwiczenia jest porównanie różnych koncepcji wizualizacji dużej liczby danych ilustrujących liczbę sportowców startujących w igrzyskach olimpijaskich. 1. Struktura zbioru danych Zbiór danych athleteevents.csv zawiera ponad 270 000 rekordów danych opisująych sportowców startujących w igrzyskach olimpijskich od roku 1896. Proszę po imporcie zbioru do Tableau sprawdzić poprawność przypisania typów danych do poszczególnych atrybutów (proszę zwrócić uwagę na geolokalizację). 1.1 Hierarachie w danych W zaimportowanych danych obecne są relacje hierarchiczne, które warto na początku odpowiednio skonfigurować w systemie - proponowana hierarchia: Season - rodzaj igrzysk olimpijskich (letnie/zimowe),Sport - dyscyplina sportu,Event - konkurencja w ramach dyscypliny sportu.

Introduction - Purpose of the exercise The purpose of this exercise is to learn about the visual analytics features offered by Tableau. 1. background information Two popular approaches to visual data analysis include data visualization and visual analytics. Both methods play a very important role in data mining. Data visualization is the graphical representation of data in the form of dashboards or reports. Individual visualizations present views of data that answer "what? and how?" questions, e.g., "What are our sales and profits for different regions and months or years? " Data visualization provides answers to a finite set of questions and provides some interactivity during the data mining process. Answering the "what? and how?" questions is the first step in data mining - the next is the "why?" question. To make the data mining process deeper and more complete one should use analytics methods. Visual analytics is a more user-friendly and technology-enabled branch of data analytics.

[TOC] Wprowadzenie - cel ćwiczenia Podczas zajęć należy przygotować kokpit managerski służący do analizy wybranych wskaźników z bazy danych Eurostat. 1. Data source 1.1. Serie danych Jako źródło danych należy wykorzystać następujące dane z Eurostat: Electricity prices

[TOC] Wprowadzenie - cel ćwiczenia Celem ćwiczenia jest doskonalenie umiejętności wykorzystania narzędzi analityki wizualnej w Tableau. 1. Klastrowanie Wśród narzędzi analitycznych oferowanych przez Tableau są znajdują się m.in. metody grupowania danych - tzw. analiza klastrowa. Klastrowanie to technika grupowania obiektów o podobnych własnościach, zaś klaster powstający podczas grupowania to klasa obiektów podobnych. Klastrowanie to metoda uczenia maszynowego, należąca do klasy metod uczenia nienadzorowanego - jej celem jest znalezienie „naturalnych” skupień dla zbioru obiektów. Odpowiednikiem tej metody w uczeniu nadzorowanym jest proces klasyfikacji.

[TOC] Wprowadzenie - cel ćwiczenia Celem ćwiczenia jest zapoznanie się z wizualnymi funkcjami analitycznymi oferowanymi przez Tableau. 1. Informacje podstawowe Dwa popularne podejścia do wizualnej analizy danych obejmują wizualizację danych i analitykę wizualną. Obie metody odgrywają bardzo ważną rolę w eksploracji danych. Wizualizacja danych to graficzne przedstawienie danych w postaci np. pulpitów nawigacyjnych lub raportów. Poszczególne wizualizacje przedstawiają widoki danych, które odpowiadają na pytania „co? i jak?”, np. „Jaka jest nasza sprzedaż i zyski dla różnych regionów i miesięcy lub lat? ” Wizualizacja danych zapewnia odpowiedzi na skończony zestaw pytań i dostarcza pewnej interaktywności podczas procesu eksploracji danych.

[TOC] Business Intelligence Business Intelligence (BI, analiza biznesowa) to proces polegający na przetwarzaniu dostępnych danych w informacje, anastępnie w wiedzę. BI pozwala na przyspieszenie procesu decyzyjnego w firmie, zwiększenie efektywności pracy oraz zysków. Co odróżnia Business Intelligence od tradycyjnego gromadzenia danych? Najważeniajsza jest kompleksowość - głównym zadaniem BI jest zbieranie informacji z różnych źródeł (np. systemów ERP, CRM, marketingowych), co umożliwia przeprowadzanie przekrojowych analiz. Nie mniej ważna są wysoka jakość danych i ciągły proces ich przetwarzania (nieustanny monitoring oraz automatyczne przygotowywanie raportów w czasie rzeczywistym). Dzięki BI zyskujemy dostęp do większej ilości danych, których interpretacja jest realtywnie łatwa i szybka - pozwala to na zdobycie dokładnego rozeznania w ad hoc sytuacji organizacji w skali makro i mikro. 1. Informacje podstawowe - wybrane platformy BI

[TOC] Wprowadzenie - cel ćwiczenia Podczas zajęć należy przygotować kokpit managerski (dashboard) złożony z czterech arkuszy - wizualizacji (sheets) przygotowanych w Tableau. Prezentacja ma zawierać analizę wybranych aspektów bezpieczeństwa - Rys.0 zawiera link do działającej wizualizacji. Tym razem wizualizację można pobrać na własny dysk - rekomenduję jednak nie zaczynać od tej opcji ;-) Rys.0 Kokpit managerski - analiza wybranych aspektów bezpieczeństwa. 1. Informacje podstawowe 1.1. Dane źródłowe

[TOC] Introduction - Purpose of the exercise This exercise covers predictive modeling techniques using Tableau's built-in functions: MODEL_QUANTILE, MODEL_PERCENTILE. The source data for the exercise is the data source stored in Tableau: World Indicators. The exercise is to examine the relationship between the following measures contained in the above file:

[TOC] Wprowadzenie - cel ćwiczenia Podczas zajęć należy przygotować kokpit managerski służący do analizy współwystępowania (Co-Occurrence) oraz do analizy rozkładu wybranej cechy. 1. Informacje podstawowe 1.1. Techniki data mining: współwystępowanie Grupowanie współwystąpień (co-occurence grouping) lub odkrywanie zależności (association discovery) stara się znaleźć związki pomiędzy jednostkami na podstawie transakcji z ich udziałem. Załóżmy, że prowadzimy sklep internetowy. Na podstawie danych koszykowych moglibyśmy poinformować klienta, że „klienci, którzy kupowali nowy zegarek eWatch, kupowali także bransoletkę eBracelet z Bluetooth

[TOC] Introduction - KPI KPI (Business English) -- abbreviation for key performance indicator: a very important indicator (= something that shows what a situation is like or how it is changing) that shows how well an economy, company, stock, project, etc., is doing: A KPI should indicate what action needs to take place. How to report on KPI/KPI dashboard ?? 1 Simple KPI This excercise shows how to create a view that shows Key Progress Indicators (KPIs). A Key Performance Indicator is a measurable value that shows how effectively a company is achieving key business objectives. At a high level, the procedure requires you to do the following:

[TOC] Wprowadzenie - cel ćwiczenia W ramach ćwiczenia zostaną omówione techniki modelowania predykcyjnego wykorzystujące funkcje wbudowane w Tableau: MODEL_QUANTILE, MODEL_PERCENTILE. Dane źródłowe do ćwiczenia to data source zapisane w Tableau: World Indicators. Ćwiczenie polega na badaniu zależności między następującymi miarami zawartymi w ww. pliku: