차트 및 분석

마지막 업데이트: 2022년 3월 19일 | 0개 댓글
  • 네이버 블로그 공유하기
  • 네이버 밴드에 공유하기
  • 페이스북 공유하기
  • 트위터 공유하기
  • 카카오스토리 공유하기
출처: 파인리포트

대시보드의 차트 측정항목 선택

이 문서에서는 프로젝트에서 수집된 시계열 데이터 표시를 위해 커스텀 대시보드에서 차트를 구성하는 방법을 설명합니다. 차트는 숫자 시계열 데이터만 표시할 수 있습니다. 차트 스타일 구성에 대한 자세한 내용은 보기 옵션 설정을 참조하세요.

표시할 데이터 선택

대시보드에 차트를 추가할 때 표시할 시계열 데이터는 여러 방법을 지정할 수 있습니다.

리소스 유형, 측정항목 유형, 필터를 선택하여 시계열을 지정하는 메뉴 기반 인터페이스. 메뉴 기반 인터페이스에서는 특정 구문을 알 필요 없이 적합한 옵션이 제공되어 있으며, 여러 측정항목 유형을 차트로 작성할 수 있습니다.

측정항목 유형은 리소스에서 수집할 측정값을 식별합니다. 여기에 측정 대상과 측정값을 해석하는 방법에 대한 설명이 포함됩니다. 측정항목 유형측정항목이라고도 부릅니다. 'CPU 사용량'도 측정항목 예시 중 하나입니다. 개념 정보는 측정항목 유형을 참조하세요.

리소스 유형은 측정항목 데이터가 캡처된 리소스를 지정합니다. 리소스 유형모니터링 리소스 유형 또는 리소스라고도 차트 및 분석 합니다. 리소스 예시로는 'Compute Engine 가상 머신(VM) 인스턴스'가 있습니다. 개념 정보는 모니터링 리소스를 참조하세요.

기본 인터페이스에는 최소한의 구성 옵션이 포함되어 있고 고급 인터페이스에서는 대부분의 집계 필드를 사용할 수 있습니다. 기본 인터페이스에서 고급 인터페이스로 전환해도 구성은 그대로 유지할 수 있습니다. 하지만 고급 인터페이스에서 기본 인터페이스로 전환할 때는 구성 설정이 손실될 수 있습니다.

MQL 문을 입력하여 시계열을 지정하는 Monitoring 쿼리 언어(MQL) 인터페이스. MQL 인터페이스는 구문 검사와 함께 쿼리 편집기를 지원합니다.

MQL 사용 방법은 이 문서에서 설명하지 않습니다. MQL 구문에 대한 자세한 내용은 Monitoring 쿼리 언어(MQL) 소개를 참조하세요.

MQL은 다른 인터페이스보다 표현력이 뛰어나기 때문에 다른 인터페이스로 전환할 때는 입력한 MQL 쿼리가 삭제됩니다.

Monitoring 필터를 입력하여 시계열을 지정하는 텍스트 인터페이스. 차트로 작성하려는 시계열이 리소스 및 측정항목 모델로 표현될 수 없는 경우에는 Monitoring 필터를 사용해야 합니다. 예를 차트 및 분석 들어 VM에서 실행되는 프로세스 수를 계산하기 위해서는 Monitoring 필터를 입력해야 합니다. 자세한 내용은 직접 필터 모드를 참조하세요.

Monitoring 필터는 리소스 및 측정항목 모델로 표현할 수 없는 시계열을 기술할 수 있기 때문에 다른 인터페이스로 전환할 때는 해당 구성이 삭제될 수 있습니다.

메뉴 기반 인터페이스

메뉴를 사용해서 표시할 시계열을 지정하려면 다음을 수행합니다.

위젯 라이브러리에서 대시보드로 위젯을 끌거나 대시보드에 있는 위젯을 선택합니다.

대시보드 위젯은 대시보드에 추가될 때 샘플 선택 항목으로 자동 구성됩니다. 다음 단계에서는 이러한 선택 항목을 변경하는 방법을 설명합니다.

기본 탭 또는 고급 탭을 선택합니다.

측정항목 선택 메뉴를 확장합니다.

(선택사항) 메뉴에 표시된 옵션 수를 줄이려면 filter_list 필터 막대에 측정항목 또는 리소스 이름을 입력합니다. 예를 들어 util 을 입력하여 util 이 포함된 항목을 표시하도록 메뉴를 제한합니다. 대소문자를 구분하지 않는 포함 테스트를 통과하면 항목이 표시됩니다.

최근 데이터가 없는 차트 및 분석 항목을 포함해서 모든 측정항목 목록을 보려면 활성 리소스 및 측정항목만 표시 전환 버튼을 사용 중지로 전환합니다. 기본적으로 이 전환 버튼은 사용 설정되어 있으므로 데이터가 있는 측정항목과 리소스만 메뉴에 표시됩니다.

리소스 메뉴에서 측정항목 데이터가 캡처되는 리소스를 선택합니다.

리소스에 대해 측정항목이 기록되지 않으면 미지정을 선택합니다.

측정항목 카테고리 메뉴에서 측정항목의 카테고리를 선택합니다.

이 카테고리는 일반적으로 측정항목 프리픽스 다음에 오는 첫 번째 항목입니다. 예를 들어 compute.googleapis.com/instance/utilization 측정항목의 경우 카테고리는 instance 입니다.

측정항목 메뉴에서 차트로 작성할 측정항목을 선택합니다.

적용을 클릭합니다.

예를 들어 가상 머신의 CPU 사용률을 차트로 표시하려면 다음 안내를 따르면 됩니다.

리소스 유형 및 측정항목을 선택하면 해당 쌍에 사용 가능한 모든 시계열이 차트에 표시됩니다. 다음 스크린샷은 리소스 유형 및 측정항목을 선택한 후의 차트를 보여줍니다.

측정항목이 선택된 차트를 표시합니다.

이전 차트에는 표시하지 못한 데이터가 더 있습니다. 차트에 표시 가능한 선은 300개로 차트 및 분석 제한됩니다. 이 차트는 표시할 데이터가 너무 많음을 알리고 이상점 모드를 사용하여 표시할 데이터 양을 대폭 줄이도록 제안합니다. 이상점 모드 제어에 액세스하려면 settings 설정을 클릭합니다. 상세 설명은 보기 옵션 설정을 참조하세요.

필터링 및 집계 옵션을 사용하여 차트로 작성되는 데이터의 양을 줄일 수도 있습니다. 이러한 기법을 사용하면 차트의 진단 및 분석 효율을 높이고 사용자 인터페이스 자체의 성능과 응답성도 향상시킬 수 있습니다.

(선택사항) 표시되는 차트 및 분석 시계열을 제한하는 필터를 추가합니다. 자세한 내용은 차트 데이터 필터링을 참조하세요.

직접 필터 모드

다음 항목을 차트로 작성하려면 직접 필터 모드를 사용합니다.

  • 서비스 수준 목표(SLO)
  • 가상 머신(VM)에서 실행되는 프로세스 수
  • 아직 데이터가 없는 커스텀 측정항목

직접 필터 모드를 사용하면 Monitoring에서 모니터링할 시계열을 식별하는 데 사용하는 표현식을 입력할 수 있습니다. 직접 필터 모드로 입력하는 표현식을 측정항목 필터 또는 Monitoring 필터라고도 합니다. 예를 들어 다음 표현식은 이름에 nginx 가 포함된 프로세스 수를 표시하는 차트를 생성합니다.

또한 Monitoring 필터를 사용해서 해당 리소스 및 측정항목 유형에 따라 시계열을 식별할 수 있습니다. 다음 표현식은 us-east1-b 영역에 있는 모든 Google Cloud 가상 머신 인스턴스의 로그 항목 수를 보여주는 차트를 표시합니다.

모니터링 필터를 입력하려면 다음을 수행합니다.

  1. Google Cloud Console에서 Monitoring을 선택하거나 다음 버튼을 클릭합니다.
    Monitoring으로 이동
  2. 탐색창에서 대시보드를 선택한 후 보거나 수정할 대시보드를 선택합니다.
  3. edit대시보드 수정 버튼이 표시되었으면 이를 클릭합니다.
  4. 위젯 라이브러리에서 대시보드로 위젯을 끌거나 대시보드에 있는 위젯을 선택합니다.
  5. 기본 모드 또는 고급 모드를 선택합니다.

측정항목 선택 메뉴에서 help_outline 도움말을 클릭한 후 직접 필터 모드를 선택합니다.

페이지에 텍스트 상자가 표시됩니다. 직접 필터 모드로 전환하기 전 리소스 유형, 측정항목, 또는 필터를 선택한 경우 해당 설정이 텍스트 상자에 표시됩니다.

텍스트 상자에 Monitoring 필터 표현식을 입력합니다. 구문 정보는 다음 문서를 참조하세요.

직접 필터 모드를 사용할 때 필터에 맞는 데이터가 없으면 오류가 표시됩니다. 일반적인 오류 메시지에는 Chart definition invalid 및 No data is available for the selected timeframe. 이 있습니다.

메뉴 기반 인터페이스로 돌아가려면 표준 모드를 클릭하세요.

차트 데이터 필터링

필터 기준을 지정하거나 집계를 적용하거나 이상점 모드를 사용해 차트에 표시할 데이터 양을 줄일 수 있습니다. 필터를 사용하면 일정 기준 집합을 충족하는 시계열만 사용할 수 있습니다. 필터를 적용할 때는 차트 줄 수를 줄여서 차트 성능을 향상시킬 수 있습니다.

이 섹션의 나머지 부분은 메뉴 기반 인터페이스를 사용한 차트 구성에 적용됩니다. 이 섹션은 필터 문이 포함된 MQL 및 Monitoring 구성에 적용되지 않습니다.

필터링 기준을 여러 개 제공하면 해당 차트에 모든 기준을 충족하는 시계열인 논리적 AND 만 표시됩니다. 일반적으로 리소스 그룹, 이름, 리소스 라벨, 영역, 측정항목 라벨을 기준으로 필터링할 수 있습니다.

기본 또는 고급 모드를 선택할 때 필터를 추가하려면 필터 추가를 클릭한 다음 필터 라벨, 비교, 값 또는 값 범위를 지정합니다.

라벨을 클릭한 다음 메뉴에서 항목을 선택합니다.

특정 라벨을 찾으려면 스크롤바를 사용하거나 필터 filter_list 텍스트 영역에 텍스트를 입력할 수 있습니다. 텍스트를 입력하면 입력된 텍스트를 포함하는 항목만 메뉴에 나열됩니다.

다음 스크린샷은 특정 측정항목의 알려진 필터링 기준 라벨을 보여줍니다.

필터 라벨 목록 예시

비교를 클릭한 다음 메뉴에서 항목을 선택합니다. 같음( = ), 같지 않음( != ), 정규 표현식 일치( =~ ), 정규 표현식과 일치하지 않음( !=~ )의 4가지 연산자 중에서 선택할 수 있습니다.

필터 비교 연산자 목록

을 클릭한 후 다음 작업 중 하나를 수행합니다.

= 또는 != 의 직접 비교의 경우 메뉴에서 값을 선택하거나 값을 입력하고 완료를 클릭합니다. 입력한 값은 us-central1-a 와 같은 간단한 값이거나 starts_with 또는 ends_with 로 시작하는 필터 문자열을 만들 수 있습니다. 예를 들어 us-central1 영역의 데이터를 표시하려면 필터 문자열 starts_with("us-central1") 를 입력하면 됩니다. 필터 문자열에 대한 자세한 내용은 Monitoring 필터를 참조하세요.

메뉴 항목은 수신된 시계열에서 파생되므로 모니터링 리소스가 선택한 측정항목의 데이터를 생성하지 않는 경우 라벨 값을 입력해야 합니다.

다음 스크린샷은 zone 리소스 라벨이 선택되면 특정 프로젝트에 표시되는 값 메뉴를 보여줍니다.

필터 라벨 목록 예시

=~ 또는 !=~ 의 정규 표현식 비교의 경우에는 RE2 정규 표현식을 필드에 입력하고 완료를 클릭합니다. 예를 들어 정규 표현식 us-central1-.* 는 모든 us-central1 영역과 일치합니다.

'a'로 끝나는 미국 영역과 일치시키려면 정규 표현식 ^us.*.a$ 를 사용하면 됩니다.

정규 표현식을 사용해 project_id 리소스 라벨을 필터링할 수는 없습니다.

예를 들어 us-central1 영역 중 하나에서 시계열만 보려면 zone="starts_with("us-central1")" 또는 zone=~"us-central1.*" 필터를 적용합니다.

필터링된 시계열을 표시합니다.

여러 필터 기준을 지정할 수 있으며 동일한 라벨을 여러 번 사용할 수 있습니다. 이러한 기능을 사용하면 특정 값 범위에 대한 필터를 지정할 수 있습니다. 논리적 AND 로 구성되므로 모든 필터 기준이 충족되어야 합니다. 예를 들어 다음은 starts_with 와 ends_with 필터 문자열을 모두 사용하여 미국의 'a' 영역만 표시할 수 있는 구성입니다.

여러 필터를 사용한 예시

차트 데이터를 표시하는 방법 선택

시계열 데이터를 선택한 후 다음 단계는 데이터가 표시되는 방식을 결정하는 것입니다. 예를 들어 각 시계열을 표시할 것인지 아니면 시계열을 결합할 것인지 결정합니다.

집계 옵션을 구성하여 데이터가 표시되는 방식을 지정합니다. 집계는 시계열 데이터를 정렬한 다음 서로 다른 시계열을 결합하는 것으로 구성됩니다. 시계열 조합은 선택사항입니다.

집계에 대한 자세한 설명은 필터링 및 집계: 시계열 조작을 참조하세요.

데이터 정렬

정렬은 Monitoring에서 수신한 시계열 데이터를 데이터 포인트가 고정된 간격으로 있는 새 시계열로 변환하는 프로세스입니다. 정렬 프로세스는 고정된 시간 내 수신된 모든 데이터 포인트를 수집하고, 해당 데이터 포인트를 결합하는 함수를 적용하고, 결과에 타임스탬프를 할당하는 과정으로 구성됩니다. 이러한 함수를 사용하면 모든 샘플의 평균을 계산하거나 모든 샘플의 최댓값을 추출할 수 있습니다.

정렬 기간은 시계열 데이터를 정렬할 때 사용할 최소 시간 간격을 지정합니다. 선택한 표시 기간에 차트의 데이터 포인트가 너무 많으면 정렬 기간이 자동으로 늘어나 모든 데이터 포인트가 표시됩니다. 이 필드의 기본 설정은 1분입니다.

정렬 함수 필드는 정렬 기간 내 모든 데이터 포인트를 결합하는 데 사용되는 함수를 지정합니다. 대부분의 정렬기는 일반적인 수식 기능을 수행합니다. 예를 들어 min을 선택할 때 정렬되는 데이터 포인트는 정렬 기간 내 모든 데이터 포인트의 최솟값입니다.

예를 들어 샘플링 기간이 1분인 측정항목을 가정해 보겠습니다. 차트에서 1시간 분량의 데이터를 표시하도록 구성한 경우 차트에 데이터 포인트 60개 모두가 표시될 수 있습니다. 정렬 기간이 10 minutes 로 설정된 경우 차트에 데이터 포인트 6개가 표시됩니다. 정렬 함수 필드의 값이 평균인 경우 차트의 각 포인트가 정렬 기간의 모든 포인트에 대한 평균입니다. 그러나 차트에서 데이터를 1주일 동안 표시하도록 구성한 경우 차트에 표시할 포인트가 너무 많아 기간이 자동으로 수정됩니다. 이 예시에서 수정된 정렬 기간은 1시간입니다.

대부분의 정렬기는 일반적인 수학 함수를 수행하지만 더 복잡한 작업을 수행하는 정렬기도 있습니다.

next older: 할당 기간 내에서 최신 샘플만 보존하려면 next older 정렬기를 사용합니다. 이 정렬기는 일반적으로 업타임 체크와 함께 사용되며 최신 값만 필요할 때 유용한 옵션입니다.

이 정렬기는 게이지 측정항목에만 유효합니다.

percentile: 선 차트, 누적 영역 차트, 누적 막대 차트의 도표 유형에 배포 측정항목을 표시하려면, 배포에 표시할 백분위수를 선택해야 합니다. 이 백분위수를 지정하는 한 가지 방법은 percentile 정렬기를 선택하는 것입니다. 5번째, 50번째, 95번째, 99번째 백분위수를 선택할 수 있습니다. 정렬된 데이터 포인트는 정렬 기간의 모든 데이터 포인트를 사용해서 지정된 백분위수를 계산하여 확인됩니다.

이 정렬기는 배포 데이터 유형을 포함할 때 게이지 및 델타 측정항목에만 유효합니다.

delta: 누적 측정항목 또는 델타 측정항목을 정렬 기간별로 하나의 샘플이 포함된 델타 측정항목으로 변환하려면 이 정렬기를 사용합니다. 이 정렬기를 사용하면 데이터 보간이 발생할 수 있습니다. 이에 대한 예시는 종류, 유형, 변환을 참조하세요.

이 정렬기는 누적 및 델타 측정항목에만 유효합니다.

rate: 누적 또는 델타 측정항목을 게이지 측정항목으로 변환하려면 이 정렬기를 사용합니다. 이 정렬기를 선택할 경우 변환되는 시계열을 델타 정렬기와 같이 생각하고, 정렬 기간으로 분할되는 것으로 생각할 수 있습니다. 예를 들어 원래 시계열의 단위가 MiB이고 정렬 기간의 단위가 초이면 차트에 MiB/초 단위가 사용됩니다. 자세한 내용은 종류, 유형, 변환을 참조하세요.

이 정렬기는 누적 및 델타 측정항목에만 유효합니다.

사용 가능한 정렬기에 대한 자세한 내용은 API 참조에서 Aligner 를 확인하세요.

정렬 필드에 액세스하려면 다음을 수행합니다.

기본 모드: 모든 정렬 필드는 사전 구성됩니다.

고급 모드: 모든 정렬 옵션은 리소스 유형과 측정항목을 선택한 후 액세스할 수 있습니다. 이러한 필드에 대한 기본값이 제공됩니다. 하지만 선택 항목을 수정할 수 있습니다.

MQL 모드: 모든 정렬 옵션을 사용할 수 있습니다.

다음 스크린샷은 특정 Google Cloud 프로젝트에 있는 Compute Engine VM 인스턴스의 CPU 사용률을 보여줍니다. 이 이미지에서 정렬 필드는 기본값으로 설정됩니다. 정렬 함수가 mean 으로 설정되고 정렬 기간이 1 minute 으로 설정됩니다.

기본 정렬 설정을 사용하는 VM 인스턴스의 CPU 사용률

비교를 위해 다음 스크린샷은 기간을 1 minute 에서 5 minutes 로 변경했을 때의 결과를 보여줍니다.

5분의 정렬 기간을 기본값으로 사용하는 VM 인스턴스의 CPU 사용률

기간을 늘리면 결과 차트에 포인트가 줄어들어 시계열당 60포인트에서 시계열당 10포인트로 줄어듭니다. 차트의 각 지점은 정렬 기간의 시계열 포인트를 평균하여 계산됩니다. 정렬 기간을 늘리면 더 많은 포인트가 평균 계산되고 이는 표시된 데이터에 평활 작용을 합니다.

시계열 결합

서로 다른 시계열을 결합하여 측정항목에 대해 반환되는 데이터 양을 줄일 수 있습니다. 여러 시계열을 결합하려면 일반적으로 그룹화 및 함수를 지정합니다. 그룹화는 라벨 값을 기준으로 합니다. 이 함수는 그룹 내 모든 시계열 데이터가 새로운 시계열로 결합하는 방법을 정의합니다.

시계열을 그룹화하고 결합하려면 다음 중 하나를 수행하세요.

기본 모드:

시계열을 그룹화하는 방법을 결정합니다.

  • 모든 시계열을 표시하려면 그룹화를 그대로 둡니다.
  • 라벨 값으로 시계열을 그룹화하려면 그룹화를 선택한 후 그룹화 기준 메뉴를 사용하여 그룹화 라벨을 선택합니다. 선택한 후 확인을 클릭합니다.

데이터 포인트를 결합하는 방법을 결정합니다.

분포 값이 있는 측정항목을 선택한 경우 라디오 버튼에 백분위수만 나열됩니다. 라디오 버튼을 사용하여 분포에서 표시할 백분위수를 선택합니다.

라디오 버튼이 mean , min , max 로 나열되면 숫자 값이 있는 측정항목을 선택한 것입니다. 이 버튼을 사용하면 데이터 포인트가 차트 작성 과정에서 결합되는 방식을 지정할 수 있습니다. 이러한 결합 기능의 작동 방식을 이해하기 위해 차트에 60개의 데이터 포인트가 표시될 수 있고 데이터 속도가 분당 1점이라고 가정합니다. 1시간 분량의 데이터를 표시하면 차트에 모든 데이터 포인트가 표시될 수 있습니다. 그러나 3시간 동안의 데이터를 표시하려면 180개의 데이터 포인트를 60개로 줄여야 합니다. 여기서 60은 표시할 수 있는 포인트 개수입니다. 데이터를 줄이는 한 가지 방법은 인접한 샘플 3개의 평균을 내는 것이고 또 다른 방법은 최솟값을 취하는 것입니다.

고급 모드:

모든 시계열 데이터를 단일 시계열로 결합하려면 그룹화 기준을 비워두고 그룹화 기준 함수 메뉴를 사용하여 시계열의 결합 방식을 선택합니다.

모든 시계열 데이터를 표시하려면 다음 중 하나를 수행하세요.

  • 그룹화 기준을 비워두고 그룹화 기준 함수로 none 을 선택합니다.
  • 그룹화 기준 메뉴를 클릭하고 모두 추가를 선택한 후 그룹화 기준 함수를 선택합니다. 숫자 차트 및 분석 값을 저장하는 측정항목의 경우 그룹화 기준 함수를 선택하면 생성된 차트에 눈에 띄는 차이가 없을 수도 있습니다.

특정 라벨 값으로 시계열을 그룹화하려면 그룹화 기준을 클릭하고 그룹화 라벨을 선택합니다. 시계열의 결합 방식을 지정하려면 함수별 그룹 메뉴를 사용하여 함수를 선택합니다.

MQL 모드

Monitoring Query Language에 대한 자세한 내용은 쿼리 편집기 사용을 참조하세요.

다음 스크린샷은 기본값인 sum 으로 설정된 그룹화 기준 함수를 사용한 user_labels.version 별 그룹화를 보여줍니다. 이렇게 하면 user_labels.version 의 각 값에 대해 하나의 시계열이 생성됩니다. 각 시계열의 데이터 포인트는 특정 버전에 대한 개별 시계열의 모든 값 합계에서 계산됩니다.

user_labels.version으로 그룹화된 시계열 표시

여러 라벨을 사용하여 그룹화할 수 있습니다. 여러 그룹화 옵션이 있으면 선택한 라벨에 대해 동일한 값을 갖는 시계열 집합에 그룹화 기준 함수가 적용됩니다.

결과 차트는 라벨 값 조합마다 하나의 시계열을 표시합니다. 라벨을 지정하는 순서는 중요하지 않습니다.

예를 들어 다음 스크린샷은 user_labels.version 및 system_labels.machine_image 를 기준으로 그룹화하는 방법을 보여줍니다.

시계열을 버전 및 머신 이미지별로 그룹화하여 표시

그림과 같이 두 라벨로 그룹화하면 각 값 쌍에 대해 하나의 시계열이 생성됩니다. 라벨 조합마다 시계열을 얻을 수 있으므로, 이 기법을 사용하면 단일 차트에 효율적으로 넣을 수 있는 것보다 많은 데이터가 생성됩니다.

그룹화를 지정하거나 그룹화 기준 함수를 선택하면 차트화된 시계열에는 프로젝트 식별자와 같은 필수 라벨과 그룹화에서 지정된 라벨만 포함됩니다.

그룹화 기준 조건 삭제

모든 그룹화 기준 조건을 삭제하려면 다음 중 하나를 수행하세요.

기본 모드: 그룹화를 선택 해제합니다.

고급 모드: 다음 단계를 따르세요.

  1. 그룹화 기준 메뉴에서 모두 삭제를 클릭한 다음 확인을 클릭합니다.
  2. 그룹화 기준 함수 메뉴에서 none 을 선택합니다.

MQL 모드: 그룹화 명령어를 삭제합니다.

Monitoring Query Language에 대한 자세한 내용은 쿼리 편집기 사용을 참조하세요.

보조 집계

선택하는 탭에 따라 집계 옵션이 결정됩니다.

기본고급 모드: 대시보드 편집기는 다음 정보를 사용하여 집계 선택 항목을 Cloud Monitoring API에서 지정한 기본 및 보조 집계 필드에 매핑하는 방법을 결정합니다.

  • 위젯 유형
  • 측정항목 종류
  • 측정항목의 값 유형
  • 위젯을 구성하는 데 사용되는 모드

커스텀 대시보드의 차트에 대한 이 매핑을 확인하려면 Google Cloud CLI를 사용하여 대시보드 구성을 검색할 수 있습니다. 자세한 내용은 대시보드 나열을 참조하세요.

MQL 모드: 이 필드는 액세스 가능합니다.

다음 단계

Except as otherwise noted, the content of this page is licensed under the Creative Commons Attribution 4.0 License, and code samples are licensed under the Apache 2.0 License. For details, see the Google Developers Site Policies. Java is a registered trademark of Oracle and/or its affiliates.

파레토 차트 및 예제로 설명되는 파레토 분석

Pareto Analysis는 강력한 품질 및 의사 결정 도구입니다.차트 및 분석 제대로 구현되면 모든 프로세스 흐름의 주요 함정을 식별하는 데 도움이되어 제품 / 비즈니스의 품질을 향상시킵니다. 문제를 빠르게 시각화 할 수있는 훌륭한 시각화 도구입니다.

Pareto Analysis가 적용된 실제 사례를 살펴 보겠습니다.

한 회사의 학습 및 개발 [L & D] 관리자는 기술 업그레이드 교육에 등록하는 직원 수가 상당히 감소하고 있음을 발견했습니다. 이유를 이해하기 위해 그는 가능한 불만족 요인에 대한 피드백 설문 조사를 수행하고 파레토 차트를 그렸습니다.

그리고 거기! 그가 원했던 모든 정보가 그의 앞에 있고 이제 그는 훈련 세션을 개선하는 방법을 알고 있습니다.

파레토 분석

파레토 분석과 파레토 차트 또는 파레토 다이어그램에 대해 자세히 알아 보겠습니다.

파레토 분석이란?

파레토 분석은 파레토 원칙에 기반한 의사 결정에 사용되는 기술입니다. 파레토 원칙은 '영향의 80 %가 원인의 20 % 때문'이라는 80/20 규칙을 기반으로합니다. 상대적으로 적은 수의 근본적인 원인으로 인해 주요 문제가 발생한다는 것을 강조합니다.

파레토 분석은 7 가지 기본 품질 프로세스 도구 관리자가 비즈니스와 품질을 개선하기 위해 여러 산업에 적용됩니다.

소프트웨어 산업에 적용 할 때 파레토 원칙은“결함의 80 %가 코드의 20 %에 기여한다”고 인용 할 수 있습니다. 80/20은 숫자 일 뿐이며 70/30 또는 95/5로 다양 할 수 있습니다. 또한 합산이 100 %가 될 필요는 없습니다. 예를 들면 회사 내 제품의 20 %가 120 %의 수익을 차지할 수 있습니다.

파레토 분석의 역사

파레토 분석의 이름은 빌 프레도 파레토 , 이탈리아 경제학자. 그는 1800 년대 후반에 이탈리아에서 토지의 80 %를 20 %의 사람들이 소유하고 있음을 관찰했습니다. 따라서 80/20 규칙이라고도합니다.

Pareto Analysis는 나중에 양질의 전도사에 의해 업데이트되었습니다. 조셉 주란 파레토가 개발 한 대수 수학 모델이 ​​경제학뿐만 아니라 품질 관리 및 기타 여러 분야에도 적용 가능하다는 것을 관찰했습니다. 따라서 그는 80/20 규칙이 보편적이라는 결론을 내렸고이를 파레토 원칙이라고 명명했습니다.

Pareto Principle은“The 바이탈 퓨사소한 많은 ”. 찾는 데 도움이되는 우선 순위 지정 도구입니다. '생각''3 중 다수' 원인. 바이탈 퓨 비교적 적은 수의 원인에서 많은 문제가 발생 함을 의미합니다. 사소한 많은 많은 수의 나머지 원인을 참조하면 문제가 거의 발생하지 않습니다.

파레토 분석 예

파레토 분석은 일상 생활에서 볼 수있는 모든 시나리오에 문자 그대로 적용 할 수 있습니다.

여기 예시들이 있습니다 :

  • 직원의 20 %가 업무의 80 %를합니다.
  • 운전자의 20 %가 사고의 80 %를 유발합니다.
  • 하루에 보내는 시간의 20 %가 작업의 80 %로 이어집니다.
  • 옷장에있는 옷의 20 %가 80 % 번 착용합니다.
  • 창고에있는 물건의 20 %가 저장 공간의 80 %를 차지합니다.
  • 직원의 20 %가 병가의 80 %를 담당합니다.
  • 가정 용품의 20 %는 전기의 80 %를 소비합니다.
  • 책의 20 %는 찾고있는 콘텐츠의 80 %를 차지합니다.
  • 전 세계 인구의 20 %가 전체 소득의 80 %를받습니다.
  • 도구 상자에있는 도구의 20 %는 작업의 80 %에 사용됩니다.
  • 범죄의 80 %는 범죄자의 20 %가 저지 릅니다.
  • 수익의 80 %는 회사 제품의 20 %에서 발생합니다.
  • 불만의 80 %는 고객의 20 %입니다.
  • 집에서 요리하는 80 %는 전체 식기의 20 %에서 나온 것입니다.
  • 보류중인 대출 상환액의 80 %는 채무 불이행자 20 %에게서 나옵니다.
  • 여행의 80 %는 장소의 20 %입니다.
  • 80 %의 고객이 소프트웨어 앱 / 웹 사이트 / 스마트 폰 기능의 20 % 만 사용합니다.
  • 기여의 80 %는 사용 가능한 잠재적 기여의 20 %에서 나옵니다.
  • 레스토랑 판매의 80 %는 메뉴의 20 %에서 발생합니다.

그리고 그러한 예는 끝이 없습니다. 자연과 주변에서 일어나는 일을 관찰하면 이와 같은 많은 예를 인용 할 수 있습니다. 비즈니스, 영업, 마케팅, 품질 관리, 스포츠 등 거의 모든 분야에 적용됩니다.

이점 및 제한

이점은 다음과 같습니다.

  • 주요 근본 원인을 식별하는 데 도움이됩니다.
  • 문제에 대한 주요 문제의 우선 순위를 정하고 먼저 제거하는 데 차트 및 분석 도움이됩니다.
  • 문제의 누적 영향에 대한 아이디어를 제공합니다.
  • 시정 및 예방 조치를 더 잘 계획 할 수 있습니다.
  • 중요한 몇 가지 원인을 찾을 수있는 집중적이고 간단하며 명확한 방법을 제공합니다.
  • 문제 해결 및 의사 결정 능력 향상에 도움이됩니다.
  • 품질 관리의 효율성을 향상시킵니다.
  • 모든 형태의 리더십 결정에 유용합니다.
  • 시간 관리, 직장에서 또는 개인적으로 도움이됩니다.
  • 일반적인 성과 관리에 도움이됩니다.
  • 계획, 분석 및 문제 해결에도 도움이됩니다.
  • 문제 해결 및 의사 결정에 도움이됩니다.
  • 변경 관리에 도움이됩니다.
  • 시간 관리에 도움이됩니다.

제한 사항은 다음과 같습니다.

  • Pareto Analysis는 자체적으로 근본 원인을 찾을 수 없습니다. 근본 원인을 도출하려면 다른 근본 원인 분석 도구와 함께 사용해야합니다.
  • 문제의 심각성을 보여주지 않습니다.
  • 이미 피해가 발생한 과거 데이터에 중점을 둡니다. 때로는 향후 시나리오와 관련이 없을 수도 있습니다.
  • 모든 경우에 적용되는 것은 아닙니다.

파레토 차트는 무엇입니까?

파레토 차트는 원인 또는 문제를 빈도 및 누적 영향의 내림차순으로 정렬하는 통계 차트입니다. 히스토그램 차트는 Pareto 차트 내에서 원인의 순위를 매기는 데 사용됩니다. 이 차트는 Pareto Diagram이라고도합니다.

다음은에 게시 된 파레토 차트의 예입니다. 질병 관리 저널 병원 입원에 대한 상위 진단 카테고리가 무엇인지 보여줍니다.

상위 진단 카테고리에 대한 파레토 차트

파레토 차트에는 막대 차트와 선 그래프가 공존합니다. 파레토 차트에는 1 개의 x 축과 2 개의 y 축이 있습니다. 왼쪽 x 축은 원인 범주가 발생한 횟수 [빈도]입니다. 오른쪽 y 축은 원인의 누적 비율입니다. 빈도가 가장 높은 원인이 첫 번째 막대입니다.

막대 차트는 원인을 내림차순으로 나타냅니다. 선 그래프는 오름차순으로 누적 백분율을 표시합니다.

파레토 차트는 언제 사용합니까?

이들은 다음과 같은 경우에 사용됩니다.

  • 데이터가 많고 정리해야 할 때.
  • 이해 관계자에게 주요 이슈를 전달하고자 할 때.
  • 작업의 우선 순위를 정해야 할 때.
  • 데이터의 상대적 중요성을 분석해야하는 경우.

파레토 차트를 만드는 단계

아래 순서도는 파레토 차트를 만드는 단계를 요약합니다.

파레토 차트 설명

# 1) 데이터 선택

비교해야 할 데이터를 나열하십시오. 데이터는 문제, 항목 또는 원인 범주의 목록 일 수 있습니다.

Pareto Analysis가 어떻게 적용되는지 더 잘 이해하기 위해 소프트웨어 개발 관리자가 코딩 단계에서 결함에 기여하는 주요 원인을 분석하려는 예를 들어 보겠습니다. 데이터를 얻기 위해 Manager는 결함 관리 도구에서 결함에 기여한 코딩 문제 목록을 가져옵니다.

# 2) 데이터 측정

데이터는 다음과 같은 측면에서 측정 할 수 있습니다.

이 시나리오에서는 검토자가 결함 원인을 선택할 수있는 드롭 다운과 함께 결함 관리 도구가 나열됩니다. 그래서 우리는 아니오를 취할 것입니다. 특정 코딩 문제가 일정 기간 동안 발생했습니다.

# 3) 기간 선택

다음 단계는 한 달, 분기 또는 1 년과 같이 데이터를 분석해야하는 기간을 선택하는 것입니다. 이 시나리오에서는 지난 4 개의 소프트웨어 릴리스에서보고 된 결함을 분석하여 팀이 어디에서 잘못되고 있는지 분석해 보겠습니다.

# 4) 백분율 계산

데이터가 수집되면 아래 이미지와 같이 Excel Sheet에 넣습니다.

백분율 계산

그런 다음 백분율 열을 만듭니다. 빈도를 TOTAL로 나누어 각 이슈 유형의 백분율을 계산합니다.

합계

다음을 사용하여 백분율 열을 변경합니다. 백분율 스타일 단추 (홈 탭-> 숫자 그룹) 결과 소수를 백분율로 표시합니다.

퍼센트 스타일 버튼

최종 비율은 다음과 같이 표시됩니다.

최종 비율

# 5) 오름차순 정렬

아래에 설명 된대로 백분율을 가장 큰 것에서 가장 작은 것 순으로 정렬하십시오.

처음 2 개 열을 선택하고 데이터-> 정렬 정렬 기준 ' 회수' 열 및 순서 ' 큰 것에서 작은 것 ”.

오름차순으로 정렬

분류 된 카테고리는 다음과 같이 표시됩니다.

분류 된 카테고리

# 6) 누적 비율 계산

누적 백분율은 이전 근본 원인 범주 백분율에 백분율을 더하여 계산됩니다. 마지막 누적 백분율은 항상 100 %입니다.

백분율 열과 동일한 값으로 첫 번째 열을 시작하고 나머지 행에 대해 위의 백분율을 계속 추가합니다.

누적 비율 계산

누적 비율을 채우면 Excel 시트는 다음과 같습니다.

Excel 시트 누적 백분율

# 7) 막대 그래프 그리기

x 축이 코딩 오류의 여러 원인을 나타내고 왼쪽 y 축이 아니오를 나타내는 막대 그래프를 만듭니다. 코딩 문제가 발생한 횟수와 오른쪽 y 축의 백분율입니다.

표를 클릭하고 삽입-> 차트-> 2D 열 .

2D 기둥.

마우스 오른쪽 버튼을 클릭하고 데이터를 선택합니다.

클릭하고 데이터를 선택

백분율 및 총계 선택 취소 데이터 소스 선택 .

데이터 소스 선택

차트는 다음과 같습니다.

차트

# 8) 선 그래프 그리기

누적 백분율을 결합하여 선 그래프를 그립니다.

누적 비율을 선택하고 차트를 마우스 오른쪽 버튼으로 클릭하고 '시리즈 차트 유형 변경'

선 그래프 그리기

누적 백분율을 선 그래프로 수정하고 '2 차 축'을 선택합니다.

보조 축 선택

다음은 최종 파레토 차트입니다.

최종 파레토 차트

# 9) 파레토 다이어그램 분석

y 축의 80 %에서 선 그래프까지 선을 그린 다음 x 축으로 내려가는 선을 상상해보십시오. 이 선은 '사소한 다수'와 '중요한 소수'를 구분합니다. Pareto Chart의 관찰을 바탕으로 Pareto Principle 또는 80/20 규칙이 적용되고 개선 조치가 계획됩니다.

이 시나리오에서는 처음 2 개의 원인이 결함의 70 %에 기여합니다.

파레토 다이어그램 분석

파레토 차트를 만드는 Microsoft 차트 및 분석 Excel의 내장 도구

Microsoft Excel에서 Pareto 차트를 만드는 과정을 설명하여 플롯 방식을 이해했습니다. 그러나 이상적으로는 Microsoft Office에서 Pareto 차트를 만드는 기본 옵션을 제공하므로 모든 계산을 혼자서 수행 할 필요가 없습니다. Excel Sheet에 공급할 데이터를 소싱하고 Pareto 차트를 플로팅하기 만하면됩니다. 간단합니다 !!

현재 인구로 순위가 매겨진 대륙 목록의 예

위 이미지와 같이 Excel Sheet에 필요한 모든 데이터를 수집합니다. 이제 우리는 대륙 별 인구에 대한 파레토 차트를 그릴 것입니다. 이를 위해 먼저 B1, C1에서 B9, C9까지의 행을 선택하십시오.

먼저 B1, C1에서 B9, C9까지 행을 선택하십시오.

그런 다음 ' 끼워 넣다 ' 그리고 ' 통계 차트 삽입 ”.

통계 차트 삽입

그런 다음 ' 파레토 ' 아래에 히스토그램 .

히스토그램에서

보시다시피 차트가 작고 글꼴이 보이지 않습니다. 이제 차트를 데이터 테이블 아래로 드래그하고 x 축 텍스트 영역을 마우스 오른쪽 버튼으로 클릭하고 글꼴을 선택하고 필요에 따라 업데이트합니다.

글꼴 선택 및 업데이트

필요에 따라 글꼴을 업데이트하십시오.

글꼴 업데이트

글꼴을 업데이트 한 후 그림을 확장하여 글꼴이 명확하게 보이도록합니다.

글꼴을 보려면 그림을 확장

파레토 차트가 준비되었습니다 !! 이제 분석 할 시간입니다.

2 개 대륙 아시아와 아프리카 (7 개 대륙 중)가 세계 인구의 83 %를 차지하고 나머지 5 개 대륙 (유럽, 북미, 남미, 호주, 남극)이 나머지 세계 인구의 17 %를 차지합니다.

더 많은 Pareto 템플릿은 Microsoft 지원 웹 사이트 요구 사항에 따라 다운로드하고 수정할 수 있습니다. 다음과 같은 다른 분석 도구에서도 사용됩니다. SAS , 판 등

자주 묻는 질문

Q # 1) 파레토 차트를 사용하는 이유는 무엇입니까?

대답: Pareto Chart는 문제의 원인이되는 주요 원인을 도출하기 위해 개선 팀에서 사용하는 의사 결정 도구입니다. 품질 관리에서는 최대 결함 수에 기여하는 근본 원인으로 정의 할 수 있습니다.

Q # 2) Pareto Chart는 무엇을 말합니까?

대답: 파레토 차트는 막대 그래프와 선 그래프가있는 시각적 그래프입니다. 차트는 왼쪽에 원인이 거의없고 차트의 오른쪽에 더 많은 원인이있는 중요한 소수와 사소한 다수로 차트를 나눕니다.

Q # 3) Pareto Analysis의 이점은 무엇입니까?

대답: 결함을 주요 문제와 사소한 문제로 분리하는 것이 유용합니다. 문제에 집중하는 데 도움이되고 상당한 개선을 제공합니다.

Q # 4) Pareto는 어떻게 계산됩니까?

답변 : 아래 단계를 따르십시오.

1 단계: 데이터와 총 개수를 식별합니다.
2 단계: 가장 큰 것에서 가장 작은 것으로 순서를 변경하십시오.
3 단계 : 모두의 누적 비율을 결정하십시오.
4 단계 : 원인이있는 가로 축, 발생이있는 왼쪽에 세로 축, 누적 비율로 왼쪽에 세로 축을 그립니다.
5 단계 : 데이터에 따라 막대 그래프와 선 그래프를 그립니다.
6 단계 : 파레토 차트를 분석합니다.

Q # 5) Pareto Chart의 80/20 규칙은 무엇입니까?

대답: 이는 출력의 80 %가 입력의 20 %에서 나온다는 유명한 파레토 원리를 기반으로합니다.

Q # 6) 파레토 원칙이 사실입니까?

대답: 파레토 원리는 입력과 출력 사이에 불균형이 있다는 보편적 인 관찰을 기반으로합니다. 입출력 비율의 비율은 엄격하게 80/20 비율이 아닙니다.

Q # 7) 파레토 원칙의 다른 이름은 무엇입니까?

대답: 또한“80/20 규칙”또는“중요한 소수 및 사소한 많은 법칙”이라고도합니다.

Q # 8) 파레토 원칙의 공통적 인 한계는 무엇입니까?

대답: 파레토 원칙은 일반적으로 결함의 심각도보다는 결함의 발생을 측정합니다. 심각한 결함이 20 % 범주에 속하면 누락됩니다.

Pareto Analysis를 효과적으로 구현하려면 올바른 데이터 소스가 필요합니다. 튜토리얼은 Pareto Analysis의 개념, 사용, 제한 사항 및이 기술을 사용해야하는시기 / 방법을 다룹니다.

적절하게 수행되면 Pareto Analysis는 큰 문제를 작은 조각으로 나누고 노력할 위치에 집중하여 리소스를 더 잘 사용하도록 안내하는 데 도움이됩니다.

막대 차트

막대 차트는 변수의 다양한 수준을 이해하는 데 유용하며, 오류를 확인하는 데 사용할 수 있습니다.

생각해볼 문제점은 무엇인가?

막대 차트는 명목형 또는 범주형 데이터에 사용됩니다. 연속형 데이터에는 대신 히스토그램을 사용합니다.

데이터의 빈도 수를 보여주는 막대 차트

막대 차트는 범주형 또는 명목형 변수의 여러 가지 수준에 대한 값의 빈도 수를 보여줍니다. 때로, 백분율과 같은 다른 통계량을 막대 차트로 표시하기도 합니다. 그림 1은 설문조사 응답에 대한 막대 차트의 예입니다.

막대에 변수의 수준이 표시되고, 막대 높이로 해당 차트 및 분석 수준의 반응 개수를 나타냅니다.

막대 차트와 히스토그램 간 차이점은 무엇인가?

히스토그램과 막대 차트 사이 두 가지 주요한 차이점은 막대 간 간격과 데이터 유형입니다. 히스토그램은 막대 사이에 빈 칸이 없고, 막대 차트에는 빈 칸이 있습니다. 하지만 다양한 소프트웨어 도구로 막대 차트를 수정하여 막대 사이 빈 칸을 제거할 수 있고, 결과적으로 히스토그램과 막대 차트 간 두 번째 주요한 차이가 발생합니다.

히스토그램은 연속형 데이터에 사용되고, 막대 차트는 범주형 또는 명목형 데이터에 사용됩니다. 자세한 내용은 아래 "막대 차트와 데이터 유형" 섹션을 참조하십시오.

막대 차트와 파레토 차트 간 차이점은 무엇인가?

파레토 차트는 막대 차트의 특별한 예입니다. 파레토 차트에서는 최고에서 최저 높이 순서로 막대가 정렬됩니다. 이러한 차트는 대개 품질 관리 분야에서 문제가 가장 심한 영역을 찾아내는 데 사용됩니다.

히스토그램과 마찬가지로 파레토 차트에도 막대 사이에 빈 칸이 있습니다. 히스토그램과 달리 파레토 차트는 명목형 또는 범주형 변수에 해당하는 개수를 요약해 보여줍니다.

그림 2는 비즈니스 프로세스 감사에서 발견된 결과 유형을 요약한 파레토 차트의 예입니다. 차트에 범주의 범례가 포함되므로 범주를 읽기 쉽도록 라벨을 길게 지정할 수 있습니다.

개수가 아닌 통계량 도표 작성

모든 예제에서 막대 차트로 개수로 보여주고 있지만 이러한 그래프로 백분율과 같은 그 외 통계량도 표시할 수 있습니다. 대부분의 소프트웨어 도구가 차트로 작성할 통계 옵션을 제공합니다.

막대 차트 예

막대 차트를 생성하는 데 소프트웨어가 자주 사용됩니다. 대개 소프트웨어를 사용하여 세로 막대 차트 또는 가로 막대 차트를 생성하고, 사용자 정의 기능도 막대 차트에 추가할 수 있습니다.

다음은 막대 차트의 몇 가지 예입니다. 통계학자와 상의하거나 이용 가능한 여러 서적과 웹사이트를 통해 데이터에 가장 적합한 막대 차트 유형을 확인할 수 있습니다.

그림 3-15에서는 캔디 10봉지의 데이터를 사용합니다. 한 봉지에 캔디가 100개씩 들어 있고, 각 봉지에서 5가지 맛별로 캔디 수 데이터를 수집했습니다. 각 봉지에 들어 있는 맛별 캔디 수가 거의 동일한 것이 목표입니다. 즉, 각 봉지에 캔디가 맛별로 대략 20개씩 들어 있다고 기대합니다. 전체 10봉지에 캔디가 맛별로 200개씩 들어 있을 것을 기대합니다.

첫 번째 단계는 그림 3과 같은 데이터 막대 차트를 생성하는 것입니다.

소프트웨어는 맛의 명칭을 기준으로 알파벳순으로 막대를 정렬합니다. 청중에게 결과를 제시하는 가장 좋은 방법일 것입니다.차트 및 분석

하지만 그림 4에서 보듯이 개수가 줄어드는 순서로 단백질바를 정렬할 수도 있습니다.

이제 포도맛 캔디와 오렌지맛 캔디의 총 개수가 같다는 것을 알 수 있습니다. 이 사실은 그림 3에서 확인되지만 쉽게 눈에 띄지 않았습니다.

막대들이 세로형입니다. 그래프 라벨이 길 때는 대개 가로형 막대 차트가 더 좋습니다. 그림 5는 가로 차트에서 캔디 맛별로 더 긴 라벨을 사용하여 같은 데이터를 보여줍니다. 세로 막대 차트를 대신 사용했다면 라벨은 읽기가 더 어려웠을지도 모릅니다.

소개되는 예제에서는 모든 막대에 같은 색상을 사용했습니다. 일반적으로 사용하는 색상이 많으면 그래프를 파악하기 어려워집니다.

하지만 캔디 회사는 한 봉지에 모든 맛이 각각 18개 이상이어야 한다고 가정해봅시다. 따라서 10 봉지에는 맛별로 180개 이상의 캔디가 있어야 합니다. 데이터를 보면 체리 맛이 120개뿐이며, 이 문제를 강조해서 나타내려고 합니다. 이를 위해 그림 6에서 짙은 색상의 막대를 사용합니다. 다른 색상을 사용하여 체리에 해당하는 막대를 강조표시하는 방법도 있습니다.

막대에 라벨을 추가해야 할 수 있습니다. 그림 7에서 각 막대 끝에 개수를 추가합니다. 이 방법으로 빨간색 캔디 사과 맛에 문제가 있을 가능성도 표시할 수 있습니다. 그 이유는 봉지당 18개 요건을 간신히 충족하기 때문입니다.

극단의 데이터 값이 막대 차트에 미치는 영향

막대 차트에는 데이터의 범주 개수가 표시됩니다. 히스토그램과 달리 막대 차트는 극단값의 영향을 받지 않습니다. 막대 차트는 단순히 매우 적은(혹은 많은) 값을 가진 범주를 다른 막대로 표시해줍니다. 그림 8은 포도 맛을 망고 맛으로 바꾼 다른 캔디 데이터 집합을 보여줍니다. 망고 맛 캔디 개수가 기대값보다 훨씬 적습니다.

그림 9는 포도를 파인애플로 바꾼 다른 예를 보여줍니다. 파인애플 맛 캔디 개수가 기대값보다 훨씬 많습니다.

막대 차트는 데이터에서 잘못된 값을 찾아내는 데 유용합니다. 그림 10에서 한 데이터 값의 "망고"가 "망기"로 잘못 표기되었습니다. 이는 수정해야 할 명백한 데이터 오류입니다. 막대 차트를 사용하면 데이터의 오류를 확인하기 쉽습니다.

막대 차트에 그룹을 어떻게 추가하는가?

데이터에 여러 그룹이 있는 경우 모든 데이터를 막대 차트에 함께 표시하면 그룹 전체의 패턴을 표시하는 데 도움이 됩니다. 그림 11은 캔디 공장 세 곳의 데이터를 통합한 것입니다.

이 그림에서 어떤 공장에서 캔디 봉지에 어떤 맛을 사용하는지 알 수 있습니다. 또한 A 공장의 캔디 봉지에는 망고 맛 캔디가 차트 및 분석 너무 적은 것과 같은 문제들도 확인됩니다. 예제에서 막대를 알파벳순으로 정렬하면 편리합니다. 공장마다 주문이 달라서 개수 단위로 주문할 수 없습니다.

예제에서는 공장마다 다른 색상을 사용하는 것이 편리할 수 있습니다. 그림 12는 공장들을 각각 다른 색상으로 보여줍니다.

그림 13에서와 같이 가로 축에 개수를 표시하면 개수를 눈으로 쉽게 비교할 수 있습니다.

그림 13은 맛 별로 개수를 비교하기는 쉽지만, 들어있는 맛 개수를 공장 별로 비교하기는 그림 차트 및 분석 12보다 어렵습니다.

이러한 방법은 막대 차트에 그룹을 추가하는 수 많은 방법 중 몇 가지에 불과합니다. 데이터의 경우, 청중에게 전달할 메시지와 그 메시지에 가장 적합한 그래프를 그릴 방법을 생각해 보아야 합니다.

누적 막대 차트

그룹을 사용하는 대신 누적 막대 차트를 사용할 수 있습니다. 누적 막대 차트를 사용하여 그룹에 대한 반응을 표시합니다. 여기서 그룹은 캔디 데이터에 해당하는 공장을 나타냅니다. 그룹별로 막대가 하나씩 있습니다. 이어서 변수의 빈도 개수가 각 공장에 해당하는 막대 안에 누적됩니다. 캔디 데이터의 경우, 맛의 개수가 각 공장에 해당하는 막대와 함께 누적됩니다. 그림 14는 세 공장의 캔디 데이터에 대한 누적 막대 차트를 보여주며, 각기 다른 색상으로 맛을 구분하고 있습니다.

그림 14에서 망고는 A 공장만 사용하고 파인애플은 B 공장만 사용하며 포도는 C 공장만 사용한다는 것을 쉽게 알 수 있습니다. 막대의 누적 부분 크기를 비교함으로써 A 공장은 망고 캔디를 아주 조금 사용하고 B 공장은 파인애플 캔디를 많이 사용하는 것도 확인할 수 있습니다.

누적 막대 차트에서 범례 추가는 중요한 기능입니다. 그림 15에서 보듯이 다양한 소프트웨어 도구를 사용하여 누적 막대 차트에 라벨을 추가할 수 있습니다. B 공장을 예로 보면, 체리 맛 캔디와 오렌지 맛 캔디의 총 개수가 같다는 것을 범례로 쉽게 확인할 수 있습니다.

색상에 대한 최종 결정을 내리기 전에 누적 막대 차트를 흑백으로 인쇄해보는 것이 유용할 수 있습니다. 또한 그림 15에서 보듯이 라벨을 추가할 때, 누적 막대의 각 요소에 대한 배경 색상에서 라벨이 잘 보이는지 확인해야 합니다.

수익 차트

Revenue(수익) 페이지의 차트 및 지표는 사용자 구매 활동과 앱에서 발생한 수익에 관한 세부 정보를 제공합니다.

Revenue(수익) 페이지의 차트 및 지표는 엔드포인트 또는 사용자를 참조합니다. 사용자와 엔드포인트 간의 차이에 대한 자세한 내용은 Amazon 차트 및 분석 Pinpoint 분석의 엔드포인트 및 사용자 단원을 참조하십시오.

수익 차트 보기

를 보려면 다음 단계를 완료합니다.Revenue(수익)Amazon Pinpoint 콘솔에 표시되는 차트 및 지표. 날짜 및 엔드포인트 속성별로 데이터를 필터링할 수 있습니다.

수익 차트 및 지표를 확인하고 필터링하려면

All projects(모든 프로젝트) 페이지에서 수익 데이터를 확인할 프로젝트를 선택합니다.

탐색 창의 분석에서 Revenue(수익)를 선택합니다.

(선택 사항) 특정 날짜 또는 날짜 범위의 데이터를 표시하는 필터를 적용하려면 페이지 상단의 날짜 선택기를 사용하여 원하는 기간의 날짜를 선택합니다. 새 날짜를 선택하면 페이지가 업데이트되어 선택한 기간의 데이터가 표시됩니다.

(선택 사항) 특정 속성이 있는 엔드포인트에 대해서만 데이터를 표시하는 필터를 적용하려면 필터 섹션을 확장합니다. 에서 속성을 선택합니다.엔드포인트 속성계정의. 속성을 선택한 후 Endpoint Attribute Values(엔드포인트 속성 값) 목록에서 속성 값을 선택합니다. 그런 다음 View charts(차트 보기)를 선택하여 업데이트된 지표를 확인합니다.

최상의 환경을 제공하기 위해 지난 90일 동안 사용하지 않은 필터는 숨겨집니다.

필터 섹션에 필터를 사용할 수 없다는 메시지가 표시되면 추가 정보를 선택한 다음 Enable filters(필터 사용)를 선택합니다. 그러면 현재 AWS 리전에서 계정에 대한 필터가 복원됩니다. 계정과 연결된 데이터 양에 따라 이 프로세스를 완료하는 데 최대 72시간이 걸릴 수 있습니다.

데이터를 추가로 필터링하려면 데이터를 필터링하려는 추가 속성 및 속성 값마다 이 단계를 반복합니다.

차트 설명

Revenue(수익) 페이지에는 다음 섹션이 포함되어 있습니다.

선택한 기간의 각 날짜별로 모든 사용자가 보고한 금액을 미국 달러 (USD) 단위로 보여줍니다. 또한 이 차트에서는 전체 기간 동안 앱에서 생성된 평균 금액, 해당 기간 처음부터 끝까지 수익 금액의 변화 (백분율) 도 보여줍니다.

Revenue per endpoint(엔드포인트당 수익)

선택한 기간의 각 날짜별로 앱 내에서 보고한 평균 금액을 보여줍니다. Amazon Pinpoint Pinpoint는 선택한 기간 동안 발생한 매출 금액을 해당 기간에 앱을 연 사용자 수로 나누어 이 수치를 계산합니다. 또한 이 차트에서는 전체 기간 동안 엔드포인트의 평균 금액, 해당 기간 처음부터 끝까지 엔드포인트의 개수 변화 (백분율) 도 보여줍니다.

Paying users(유료 사용자)

선택한 기간의 각 날짜별로 최소 1회 구매를 수행한 고유 사용자의 수를 보여줍니다. 또한 이 차트에서는 총 유료 사용자 수, 차트 및 분석 해당 기간 처음부터 끝까지 유료 사용자 개수, 해당 기간 처음부터 끝까지 유료 사용자 개수 변화 (백분율) 도 보여줍니다.

Revenue per paying user(유료 사용자당 수익)

각 유료 사용자가 지출한 금액을 표시합니다. Amazon Pinpoint Pinpoint는 선택한 기간 동안 매일 발생하는 매출 금액을 해당 날짜에 한 번 이상 구매한 고유 사용자 수로 나누어 이 수치를 계산합니다. 또한 이 차트에서는 전체 기간 동안 유료 차트 및 분석 사용자별로 평균 수익, 해당 기간 처음부터 끝까지 유료 사용자별로 수익 금액의 변화 (백분율) 도 보여줍니다.

Units sold(판매된 제품 수)

선택한 기간의 각 날짜별로 앱에서 구매한 총 항목 수를 보여줍니다. 또한 이 차트에서는 총 판매 개수, 하루 평균 개수, 분석 기간 처음부터 끝까지 판매 개수 변화 (백분율) 도 보여줍니다.

Units sold per endpoint(엔드포인트당 판매 개수)

각 엔드포인트에서 구매한 일일 평균 항목 수를 표시합니다. Amazon Pinpoint Pinpoint는 매일 판매된 단품의 수를 선택한 기간 동안 활성화된 엔드포인트의 수로 나누어 이 수를 산출합니다. 또한 이 차트에서는 전체 기간 동안 엔드포인트의 평균 개수, 분석 기간 처음부터 끝까지 엔드포인트의 개수 변화 (백분율) 도 보여줍니다.

Purchases(구매)

선택한 기간의 각 날짜별로 앱에서 구매한 수입니다. 또한 이 차트에서는 해당 기간 동안 이루어진 총 개수, 분석 기간 처음부터 끝까지 구매 개수 변화 (백분율) 도 보여줍니다.

Purchases per endpoint(엔드포인트당 구매)

선택한 기간의 각 날짜별로 엔드포인트당 일일 평균 구매 수입니다. Amazon Pinpoint 이 숫자를 나누어 계산합니다.Purchases(구매)분석 기간의 각 날짜별로 구매를 한 엔드포인트의 수를 기준으로 합니다. 또한 이 차트에서는 전체 기간 동안 엔드포인트의 평균 개수, 분석 기간 처음부터 끝까지 엔드포인트의 개수 변화 (백분율) 도 보여줍니다.

차트 분석을 통해 올바른 차트 유형을 선택하는 방법을 알 수 있다

차트는 데이터를 명확하고 간단한 방식으로 시각적으로 표현한 것입니다. 이러한 유형의 시각화는 특히 패턴, 추세 및 상호 연결의 경우 이해 수준을 높이기 위해 자주 사용됩니다. 따라서 차트를 사용하면 유리할 수 있습니다. 알아야 할 주요 개념에 대해 자세히 알아보겠습니다. 이 문장은 차트 분석 을 통해 가장 적합하고 편리한 차트를 선택하는 방법을 알려드립니다.

어떻게 차트 분석 을 합니까?

아래 인포그래픽을 사용하면 사용할 차트 유형을 쉽게 알 수 있습니다. 당신의 변수에 대한 정보만 있으면 됩니다. 그런 다음 주어진 질문에 답해야 합니다. 이러한 질문은 고객에게 설득력 있는 이야기를 들려주는 데 도움이 되는 프레임워크가 될 것입니다. 따라서 적합한 차트에 대해 몇 가지 조언을 제공합니다.

차트를 자세히 살펴보고 주요 탐색 규칙을 정의하겠습니다. 저희 인포그래픽의 분기는 계층적으로 구축되어 있기 때문에 위에서부터 시작해야 합니다. 먼저 변수가 하나 이상 있는지 대답합니다. 왼쪽으로 한 개의 변수만 이동하는 경우. 그런 다음 이 변수의 순서 여부를 결정합니다. 따라서 변수가 하나만 있는 경우 다음 유형 중 완벽한 차트를 선택할 수 있습니다.

차트 분석 에 대해 설명

차트 종류

출처: 파인리포트

*이 게시물에서 나타내는 차트 템플릿은 파인리포트로 작성한 것입니다.

차트 분석 1 : Line chart

선 차트에는 데이터가 선으로 연결된 점의 시리즈로 표시됩니다. 이 유형의 그래프는 일반적으로 데이터의 일부 변경 및 추세를 표시하는 데 사용됩니다.

차트 분석 2: Area chart

이 유형의 차트는 선 차트를 기반으로 합니다. 따라서 그들의 기능은 매우 유사하다. 영역형 차트는 데이터 점을 그래프로 표시한 후 선 세그먼트에 연결하여 정량적 데이터를 그래프로 표시하는 데 사용됩니다.

차트 분석 3: Box plot

상자 그림은 일반적으로 숫자 데이터 그룹을 사분위수를 사용하여 나타내는 데 사용됩니다. 상자 그림에는 종종 사분위수 외부의 변동성을 설명하기 위해 수염이 수직으로 확장되어 있습니다.

차트 분석 4: Histogram

히스토그램은 수치 데이터 분포의 표현으로 널리 적용됩니다. 히스토그램의 각 막대는 단일 범주, 연속 데이터 범위 또는 특정 데이터 점에 대한 빈도를 통해 분포된 데이터를 나타냅니다.

차트 분석 5: Density plot

밀도 그림은 연속 기간에 걸친 데이터 분포를 시각화한 것입니다. 밀도 그림의 피크에는 구간에 대한 값의 농도가 반영됩니다.

차트 분석 6: Scatter plot

산점도 또는 산점도는 데카르트 좌표를 사용하여 데이터 집합에 대한 두 개의 공통 변수의 값을 나타내는 다이어그램의 한 유형입니다. 이 경우 데이터는 점의 집합으로 표시됩니다.

차트 분석

출처: 파인리포트

Heatmap

열 지도는 행렬 내의 개별 값이 색으로 표시되는 데이터의 그래픽 표현입니다. 큰 값은 어두운 픽셀로 표시되며, 작은 값은 밝은 색으로 표시됩니다.

Treemap

트리맵은 데이터를 크고 작은 직사각형 형태로 표시합니다. 각 사각형의 크기는 해당 사각형이 집합에 속하는지 또는 하위 집합 중 하나에 속하는지 여부를 나타냅니다.

차트 분석

출처: 파인리포트

Stacked bars

쌓인 막대의 경우 데이터의 일부가 조정되거나 쌓입니다(수평 막대, 세로 막대 또는 열). 이는 하위 양으로 분류된 데이터의 전체 양을 나타냅니다. 각 막대의 등가 섹션은 유사하게 색칠됩니다.

차트 분석

출처: 파인리포트

Pie chart

원형 통계 그래프는 원형 통계 그래프이며, 데이터의 비율을 나타내는 섹터 또는 슬라이스가 있습니다. 각 섹터의 호 길이는 비례적으로 양을 나타냅니다.

마지막으로

이 문장에서는 보유한 데이터에 따라 사용할 수 있는 차트 유형을 보여주는 인포그래픽을 제시했습니다. 다른 그래프의 종류가 오른쪽을 변수에 대해 몇가지 간단한 질문에 대한 대답 온다를 선택하는 당신이 혼동해서는 안됩니다.

FineReport는 상용 리포팅 대시보드 툴로 리포트/대시보드 디자인, Import, 데이터 입력 및 모바일BI 등 풍부한 리포팅 기능을 가지고 있으며, 영업,인사, Iot와 같은 업무별 보고서 템플릿을 준비할 수 있습니다. 가발자들은 단시간에 실용성 높은 업무 리포트를 작성할 수 있습니다.

현재 파인리포트(FineReport)는 기간과 기능의 제한이 없는 개인 사용자용 라이선스를 공식홈페이지에서 무료로 배포하고 있습니다. 기업용으로는 사용이 불가능하며, 두 명의 사용자를 초과할 경우, 필요한 기능에 대한 비용을 지불해야 합니다.

지금 바로 FineReport 무료 체험판을 사용해보세요.

此图像的alt属性为空;文件名为9-1-1024x337.png

체험판 무료로 알아보기
현재 파인리포트(FineReport)는 기간과 기능의 제한이 없는 개인 사용자용 라이선스를 공식홈페이지에서 무료로 배포하고 있습니다.

페이스북에서 FineReport Reporting Sofeware 채널을 구독하고 무료로 대시보드 템플릿을 다운 받으세요!


0 개 댓글

답장을 남겨주세요