Записаться

Файлы для практики: AdventureWorksDW

1. Постановка задачи

В этом примере рассматривается, как вынести на график общие показатели и сравнить с ними отдельные подгруппы данных. Цель — понять, насколько те или иные группы отличаются от общей тенденции, которая характерна для всех данных.

Сначала нужно получить данные. Подключаемся к базе данных DW 2017.

2. Загрузка и знакомство с данными

Находим таблицу Prospect — информацию, которая описывает клиентов. Годовой доход в ней уже рассчитан корректно, поэтому данные можно загрузить как есть.

Что содержит таблица:

Поле Occupation показывает не конкретное предприятие и не адрес работы, а отрасль или тип деятельности, в которой работает человек.

Далее анализируем клиентов с точки зрения среднегодового дохода и сферы работы. Дополнительно используем пол как фильтр.

3. Построение диаграммы

Берем поля:

• Occupation — сфера деятельности;
• Среднегодовой доход;
• Пол.

Переключаемся на кластеризованную столбчатую диаграмму (Clustered Bar Chart). Меняем местами пол и сферу деятельности.

На диаграмме:

• по оси Y — категория работы или профессиональная отрасль;
• по оси X — среднегодовой доход;
• цвета показывают пол: синий — мужчины, красный — женщины.

Такой график позволяет сравнить доходы разных групп и увидеть, как подгруппы соотносятся с общей картиной.

4. Выбор агрегации

Изначально Power BI может суммировать годовой доход. Это неверно для анализа среднего уровня.

Если в одной сфере работает много людей, сумма будет огромной, но она не покажет, сколько в среднем получает один человек. Поэтому нужно считать среднее, а не сумму.

После переключения агрегации на среднее получаем корректную картину.

5. Средняя линия

Добавляем среднюю линию (Average Line) по годовому доходу и включаем подпись.

Средний доход по всей клиентской базе составляет около $50 000 в год. Выше среднего получают только две категории:

• менеджмент и управление (Management);
• профессионалы (Professional).

Остальные категории получают ниже среднего. При этом среднее смещено вправо относительно медианы. Это означает, что представителей менеджмента и профессионалов в базе значительно больше, чем остальных, поэтому среднее смещается в их сторону.

6. Медианная линия

Добавляем медианную линию (Median Line) по годовому доходу, включаем подписи данных и выбираем другой цвет.

Медиана — это значение, при котором половина людей получает меньше, а половина — больше. Это не то же самое, что среднее.

Классический пример: если один человек получает миллион, а пять человек — по рублю, среднее будет сильно смещено в сторону миллиона. Медиана в таком случае будет честнее, потому что показывает середину по количеству людей, а не по сумме денег.

Если пять человек получают 1, 2, 3, 4 и 5 рублей, медиана равна 3 рублям: два человека получают меньше, два — больше. Сколько именно они получают — не играет роли. Главное — равенство количества людей ниже и выше медианы.

Чем ближе медиана к среднему, тем более честно распределены доходы. В примере медиана достаточно близка к среднему, то есть распределение выглядит довольно ровным.

7. Процентили

Добавляем процентили (Percentile) — отсечки, которые делят данные на части.

Используем:

• 25-й процентиль;
• 50-й процентиль — это медиана;
• 75-й процентиль.

25-й процентиль показывает, что 25% людей получают меньше этого уровня. 75-й процентиль показывает, что 75% людей получают меньше этого уровня.

На графике видно:

• две верхние категории — менеджмент и профессионалы — наиболее интересны для магазина;
• самозанятые и специалисты ручного труда заканчиваются ровно на медиане;
• две оставшиеся категории имеют доход ниже 25-го процентиля, то есть получают меньше, чем четверть общей массы.

Также видно, что зарплата мужчин и женщин примерно равна вне зависимости от отрасли.

8. Практический смысл

Такой анализ помогает понять распределение финансовых возможностей клиентов. Можно выделить группы с доходом выше среднего, группы около медианы и группы ниже 25-го процентиля. Это позволяет принимать решения о том, какие сегменты клиентов представляют наибольший интерес.

Краткие итоги

Аналитическая работа начинается с ясной постановки вопроса: не просто описать клиентов, а понять, насколько отдельные сегменты отклоняются от общего поведения. Для этого важно заранее определить единицу анализа, доступные признаки и показатель, который будет использоваться для сравнения. Если сравнивать группы по доходу, нельзя опираться на сумму: она зависит от численности группы и может создать ложное впечатление о благополучии сегмента. Корректная агрегация — среднее или медиана — зависит от того, что именно требуется показать.

Визуализация становится не украшением, а инструментом рассуждения. Размещение категорий по одной оси, а показателя по другой позволяет увидеть структуру различий. Добавление опорных линий превращает диаграмму в аналитическую модель: средняя линия показывает общий уровень, медиана — середину распределения, процентили — границы групп. Это помогает не ограничиваться одним числом, а видеть форму распределения.

Практическая ценность возникает тогда, когда визуальные различия переводятся в решения. Если часть групп стабильно находится выше среднего, они могут быть приоритетными для предложений. Если другие группы расположены ниже 25-го процентиля, их экономический потенциал в рамках выбранного показателя ограничен. При этом близость медианы к среднему говорит о более равномерном распределении, а сильное расхождение предупреждает о влиянии крупных значений или неравномерности сегментов.

Наконец, анализ должен учитывать несколько разрезов одновременно. Пол, сфера деятельности и доход вместе дают более содержательную картину, чем каждый признак по отдельности. Это позволяет увидеть, где различия действительно важны, а где они незначительны. Такой подход применим не только к клиентской базе, но и к другим задачам, где нужно сравнивать подгруппы с общим уровнем и принимать решения на основе распределения, а не единичных значений.