- Today
- Total
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 | 29 |
30 | 31 |
- 채용공고
- 데이터리안
- 대시보드
- 퀵테이블계산
- 리텐션
- GROUP BY와 NULL
- 아니시에이팅
- NULL값 있는 컬럼 정렬하기
- 데이터분석가
- TWBX
- TWBX 7기
- 네이버웹툰
- 데이터리안 세미나
- pmset
- Tableau
- SQL캠프입문반
- 4LS
- mysql
- 재귀쿼리
- 데이터 분석
- 살짝보기
- python연동
- 대시보드 체크리스트
- SQL
- 태블로
- 고객세분화분석
- 특정차원
- SQL캠프
- 데이터분석
- IF()
ThinkCatLog
[Tableau]태블로를 이용하여 따릉이 대시보드 만들기 본문
https://public.tableau.com/app/profile/.85066529/viz/_17036667384750/sheet15#1
위의 링크를 타고 들어가면 따릉이 대시보드를 확인할 수 있다.
제작 목적
- 2022~2023년 따릉이 이용현황 파악
- 자치구/대여소별 따릉이 대여/반납/유출대수 추세 파악
- 이용자 나이대 파악
대시보드 설명
1. 자치구별 따릉이 이용현황
2. 대여소별 따릉이 이용현황
3. 날씨에 따른 따릉이 이용현황
4. 자치구별 따릉이 이용자의 나이
결론
따릉이 데이터를 이용해서 대시보드를 제작해보았다. 각 자치구별 따릉이 이용현황을 파악하고, 시계열 그래프를 그려 이용현황이 어떻게 변화하는지 살펴보았다.
인사이트
1. 출/퇴근시간동안 자치구별로 대여 또는 반납이 활성화된다.
위의 두 차트를 보고 출근시간대와 퇴근시간대의 유출대수의 부호가 반대임을 알 수 있다. 이는 출근시간대에 대여가 적고 반납이 많은 구가 퇴근시간대에는 대여가 많고 반납이 적다는 것을 의미한다. 반대로 출근시간대에 대여가 많고 반납이 적은 구는 퇴근시간대에 대여가 많고 반납이 적다는 것을 의미한다. 이는 각 지역의 업무지와 거주지 분포에 따른 차이로 인해 나타나는 것으로 보인다. 아침에는 거주지에서 대여하여 업무지 근처에 반납하고 퇴근시간에는 업무지 근처에서 대여하여 거주지 근처에서 반납한다.
2. 따릉이를 이용하기 적정한 온도가 있다.
특정 온도(약 24도)에서 따릉이 대여대수가 최대가 됨을 알 수 있다. 해당 온도 전까지 이용량이 증가하다가 해당 온도 이상으로 올라가면 대여대수가 급격이 떨어진다. 또한, 24도까지의 대여대수의 분산은 커지지만 영하의 온도거나 고온인 경우 분산이 작아지는 것을 볼 수 있다.
보완해야할 점
1. 대시보드 제작의 목적을 명확히 하기
대시보드를 제작할 때에는 목적과 분석방향이 분명하여야 한다. 이는 데이터 분석 과정에서도 필수적인 과정이다. 분석 후 대시보드 제작까지 이어지는 긴 과정에서 명확한 방향성이 없다면 헤맬 가능성이 높다. 또한 목적과 분석방향이 뒷받침되지 않으면 대시보드를 통해 인사이트를 도출하기 힘들어진다.
2. 논리적인 구성
여러개의 차트로 구성된 대시보드를 누구나 잘 이해할 수 있게 하는 것이 중요하다. 논리적으로 대시보드를 구성하여 이해하기 쉽게 만들어야 한다.
3. 용어 통일
용어가 혼용되는 경우가 있다. 용어를 통일해서 대시보드를 보는 사람들이 혼동하지 않도록 명확히 구성해야 한다.
'데이터 분석 > Tableau' 카테고리의 다른 글
[Tableau] 데이터 시각화 체크 리스트 (1) | 2024.04.10 |
---|---|
[Tableau] 퀵 테이블 계산 (2) : 다양한 계산 기능 (1) | 2024.01.17 |
[Tableau] 퀵 테이블 계산하기 (1) : 테이블과 패널 (1) | 2024.01.11 |
[Tableau] 태블로 기초 (2) | 2024.01.08 |