Gesamtdistanz pro Kategorie

Eine der häufigsten Anwendungen von LOD-Ausdrücken ist der Vergleich der Leistung mit einem Benchmark (z. B. als % einer Kategorie, Gruppe usw.).

Schauen wir uns an, welches Geschlecht pro jeweiliger Fitbit-Kategorie die meiste Distanz beiträgt.

Diese Übung ist Teil des Kurses

<Kurs>Berechnungen in Tableau</Kurs>

Interaktive praktische Übung

Verwandle Theorie mit einer unserer interaktiven Übungen in die Praxis

Diese Übung ist Teil des Kurses

<Kurs>Berechnungen in Tableau</Kurs>

Hohe SchwierigkeitSchwierigkeitsgrad

4.8+

Kurs kostenlos starten

Wir starten unsere Reise durch Tableau-Berechnungen mit dem Konzept berechneter Felder und wiederholen die Grundlagen verschiedener Berechnungstypen wie Zeilenebene und Aggregationen. Außerdem lernen wir, typische Fehler in Berechnungen zu beheben, und im zweiten Teil dieses Kapitels sehen wir uns nützliche String- und logische Funktionen an, die in jeder Datenanalyse unverzichtbar sind.

Exercise 1: Einführung in Berechnungen Exercise 2: Wissenscheck zu Berechnungen Exercise 3: Leg los mit Berechnungen in Tableau Exercise 4: Einfache Berechnungen Exercise 5: Berechnungen wiederverwenden Exercise 6: Grundlegende Fehler beheben Exercise 7: Durchschnitte verstehen Exercise 8: String- und Logikfunktionen Exercise 9: Wissenscheck Exercise 10: Praktischer Einsatz von String- und Logikfunktionen Exercise 11: Zeichenkettenoperationen Exercise 12: IF doch nur dies die letzte Übung wäre

In diesem Kapitel erkunden wir die Navigation zwischen verschiedenen Ebenen der Daten-Granularität. Mit LOD-Ausdrücken lernen wir, Berechnungen unabhängig von den Dimensionen in der Ansicht durchzuführen. Mach dich bereit, eine ganz neue Welt analytischer Möglichkeiten zu entdecken, die dir hilft, über offensichtliche Erkenntnisse hinauszugehen!

Exercise 1: Einführung in LOD-Ausdrücke und FIXED Exercise 2: LOD-Ausdrücke – Fakten & Mythen Exercise 3: LOD FIXED in der Praxis Exercise 4: Gesamtdistanz pro Kategorie

Aktuelle Übung

Exercise 5: Kohortenanalyse Exercise 6: Survival-Rate Exercise 7: INCLUDE- und EXCLUDE-LOD-Ausdrücke Exercise 8: Wissenscheck zu LOD-Ausdrücken Exercise 9: INCLUDE- und EXCLUDE-Ausdrücke in der Praxis Exercise 10: INCLUDE LOD üben Exercise 11: EXCLUDE LOD üben Exercise 12: Mehrere LOD-Ausdrücke verwenden

In diesem Kapitel zoomen wir auf einen weiteren nützlichen Berechnungstyp: Tabellenberechnungen. Wir lernen, wie man laufende Summen, Prozentanteile je Kategorie und Rankings berechnet und die Details der zugrunde liegenden Funktionen versteht. Im zweiten Teil dieses Kapitels entdecken wir Parameter und lernen, wie man sie in Berechnungen einsetzt. Auf geht’s!

Exercise 1: Einführung in Tabellenberechnungen Exercise 2: Faktencheck zu Table Calculations Exercise 3: Table Calculations in Aktion Exercise 4: Kumulative Berechnung Exercise 5: Verschachtelte Tabellenberechnung Exercise 6: Ranking Exercise 7: Einführung in Parameter Exercise 8: Wissenscheck zu Parametern Exercise 9: Parameter in der Praxis Exercise 10: TOP N berechnen Exercise 11: Kennzahlen umschalten Exercise 12: Parametrisertes Quadrantendiagramm

In diesem Kapitel arbeiten wir an der Analyse von Zeitreihen. Zuvor konzentrieren wir uns jedoch auf Datums- und Zeitdatentypen als wesentliche Bausteine aller relevanten Zeitreihenberechnungen. Das Erlernen der wichtigsten Datumsfunktionen versetzt uns in die Lage, komplexere Analysen durchzuführen, etwa die Berechnung der CAGR, Year-over-Year-Berechnungen sowie die Untersuchung von Saisonalitätstrends oder indiziertem Wachstum. Das Wissen aus allen vorherigen Kapiteln zahlt sich dabei aus.

Exercise 1: Datums- und Zeitfunktionen Exercise 2: Arbeiten mit Datum und Uhrzeit – Wissenscheck Exercise 3: Datum und Uhrzeit in der Praxis Exercise 4: Datumsumwandlungen Exercise 5: Datumsdifferenzen Exercise 6: Zeitreihenanalyse Exercise 7: Zeitreihenanalyse – Knowledge Check Exercise 8: Zeitreihenanalyse in der Praxis Exercise 9: Saisonalität und gleitende Durchschnitte Exercise 10: CAGR berechnen Exercise 11: Indexiertes Wachstum Exercise 12: Glückwunsch!