Cálculos de rollup en métricas de widget
Acerca de los cálculos de rollup
Los cálculos de rollup son una forma de aplicar una métrica sobre un conjunto de puntos de datos compuestos de varios períodos. Las opciones incluyen medias continuas y métricas continuas.
Los promedios continuos toman una serie de puntos, donde esos puntos pueden ser el resultado de cualquier tipo de cálculo métrico, y los promedia a través de una ventana de un tamaño especificado.
Las métricas de rollup aplican una métrica seleccionada utilizando todos los puntos de datos dentro de un tamaño de ventana especificado. A diferencia de los promedios acumulados, utiliza todos los datos para producir una nueva métrica calculada.
Puede añadir promedios continuos y métricas continuas a los widgets del dashboard. Sin embargo, primero debe asegurarse de que el widget que está utilizando es compatible y de que los datos visualizados se desglosan por fecha.
Compatibilidad de widget
Los cálculos de rollup se pueden añadir a cualquier widget que le permita añadir métricas, además de una dimensión, fila o eje donde los datos se pueden desglosar por fecha.
Esto incluye:
Los filtros de fecha aplicados a la página de dashboard afectarán a los cálculos continuos.
Los cálculos de rollup son compatibles con la ponderación.
Los cálculos de rollup no se pueden utilizar con pruebas de significación.
Agregar un desglose de fecha
A continuación se muestra un ejemplo de un desglose de fecha que se añade a un widget de barra vertical.
- Haga clic para editar el widget.
- En el panel de edición del widget, haga clic en Añadir en la sección Eje X.
- Seleccione un campo Fecha.
Consejo Q: puede consultar un campo tipo de campo en la sección de datos de dashboard del dashboard.
- Haga clic en el campo del eje X.
- Seleccione el período por el que están agrupados los datos. Puede ir por año, trimestre, mes, semana, día o automático.
Añadir una métrica continua o media continua a un widget
- Utilice uno de los widgets compatibles y desglose los datos por fecha, como se explica en las secciones anteriores.
- Asegúrese de tener al menos una métrica. Si aún no ha añadido una, haga clic en Añadir en la sección Métrica.
Consejo Q: Puede elegir cualquier métrica que desee, como NPS o Promedio. El cálculo continuo aplicado se calculará en función de esta métrica. Sin embargo, los cálculos continuos no son compatibles con las métricas personalizadas. - Haga clic en la métrica que ha añadido.
- Active el cálculo Continuo y, a continuación, utilice la lista desplegable para seleccionar su cálculo, ya sea Media continua o Métrica continua.
- Seleccione el período de tiempo sobre el que desea realizar los cálculos continuos. Puede escribir cualquier valor y elegir entre año, trimestre, mes, semana, día o automático, si es así como fija el desglose de fecha.
Cómo se calculan los promedios continuos
El promedio móvil toma “el promedio de promedios”. Tomará cada valor de métrica (que es el promedio de las respuestas de cada encuestado) dentro de una ventana específica y hará un promedio de cada una de ellas en relación con el número de ventanas. Esto significa que el promedio resultante es independiente del tamaño de la muestra para cualquier período dado.
El promedio continuo se implementa sobre las métricas que se permiten en los valores escalares (valores numéricos). El algoritmo implementa esencialmente este siguiente conjunto de ecuaciones. Para Tamaño de ventana “w”:
Comportamiento para datos actuales
El comportamiento predeterminado incluye el punto de datos actual para la ventana y utiliza el valor actual en el intervalo para cada punto de datos.
Ejemplo: Supongamos que tenemos un conjunto de puntos de datos para una métrica (recuento, suma, promedio, etc.). Supongamos que utilizamos “promedio” para este ejemplo, con un tamaño de ventana de “2”.
Fecha | 1/1/2018 | 2/1/2018 | 3/1/2018 | 4/1/2018 | 5/1/2018 | 6/1/2018 |
Entidad original calculada | 10 | 6 | 11 | 2 | 9 | 14 |
Media móvil | (10) / 2
= 5
|
(10 + 6) / 2
= 8 |
(6 + 11) / 2
= 8.5 |
(11 + 2) / 2
= 6.5 |
(2 + 9) / 2
= 5.5 |
(9 + 14) / 2
= 11.5 |
- El último punto de datos se considera incompleto y contribuirá a los cálculos medios variables cuando tengamos un punto de datos para 7/1/2018.
Comportamiento medio continuo para datos escasos
Los datos representados anteriormente son un comportamiento definido según las ecuaciones mencionadas en el gráfico. Pero en un escenario real, los datos suelen ser escasos. Estos casos se denominan “puntos de datos que faltan” o “caso nulo”. En este caso, sólo existen promedios en los elementos de la ventana. Si faltan los elementos en la ventana, los promedios de rollup no utilizarán los puntos de datos anteriores para rellenar la ventana.
Ejemplo:
Fecha | 1/1/2018 | 2/1/2018 | 3/1/2018 | 4/1/2018 | 5/1/2018 | 6/1/2018 |
Entidad original calculada | 10 | FALTANTE | 11 | FALTANTE | FALTANTE | 14 |
Media móvil | (10) / 2 = 5 |
(10 + nulo) / 1 = 10 |
(NULO + 11) / 1 = 11 |
(11 + NULO) / 1 = 11 |
(NULO + NULO) = NULO |
(NULO + 14) / 1 = 14 |
Cómo se calculan las métricas de rollup
Las métricas de rollup funcionan de la misma manera que las métricas normales, excepto que los datos utilizados pueden ampliarse más allá de un período, de forma continua. El comportamiento predeterminado incluye el punto de datos actual para la ventana que utiliza el valor actual en el intervalo para cada punto de datos.
Las métricas de rollup se pueden considerar como una “métrica de rodadura ponderada”. En este caso, “ponderado” significa que su valor métrico controla el tamaño base en cada período de tiempo de la ventana, aplicando más peso a períodos de tiempo de tamaño base alto y menos peso a períodos de tiempo de tamaño base bajo.
Ejemplo: Supongamos que tenemos un conjunto de puntos de datos para una métrica (recuento, suma, promedio, etc.). Supongamos que utilizamos “promedio” para este ejemplo, con un tamaño de ventana de “2”.
Fecha | 1/1/2018 | 2/1/2018 | 3/1/2018 | 4/1/2018 | 5/1/2018 | 6/1/2018 |
Número original de puntos de datos | 12 | 17 | 20 | 10 | 15 | 25 |
Total de valores | 36 | 52 | 78 | 62 | 55 | 89 |
Métrica con desplazamiento | 36 / 12 = 3 | (36 + 52) / (12 + 17) = 3.03 | (52 + 78) / (17 + 20) = 3.51 | (78 + 62) / (20 + 10) = 4.67 | (62 + 55) / (10 + 15) = 4.68 | (55 + 89) / (15 + 25) = 3.6 |
- Cada punto de datos siguiente obtiene el promedio de las sumas utilizando el número de puntos de datos dentro del tamaño de ventana de dos.
BEHAVIOR de métrica continua PARA DATOS SPARSE
Los datos representados anteriormente son un comportamiento definido según las ecuaciones mencionadas en el gráfico. Pero en un escenario real, los datos suelen ser escasos. Estos casos se denominan “puntos de datos que faltan” o “caso nulo”. En este caso, la métrica aún se calcula utilizando el número de puntos de datos disponibles en esa ventana.