Einblick in Oracle Data Visualization

In dem Blog “OAC Instanz erstellen” hatte ich schon beschrieben, wie mit einer Testlizenz eine Oracle Analytics Cloud (AOC) für Data Visualization (DV) erstellt wurde. In diesem Beitrag werde ich über die Oracle Data Visualization berichten – was es ist und wie es eingesetzt werden kann.

Data Visualization (DV) in der Oracle Produktstruktur

DV ist ein Teil von der Oracle Analytics Cloud (AOC) die als „Plattform as a Service“ (PaaS) betrieben wird. Die Oracle Analytics Cloud enthält die Optionen Business Intelligence (OBIEE), Data Visualization (DV) und Essbase.

Abbildung 1: Thema Business Analytics.

Zur Auswahl stehen die folgenden Pakete:

• Oracle Analytics Cloud – Standard (DV)
• Oracle Analytics Cloud – Essbase
• Oracle Analytics Cloud – Enterprise (OBIEE, Essbase, DV)

Das Data Visualization gibt es auch in einer On-Premise Version und hierzu hatte ich auch schon einen Beitrag geschrieben.

 

Funktionsumfang von DV

Der Platzhirsch auf dem Markt der Visualisierung ist wohl das Produkt Tableau, aber auch MS Power BI und Qlik sind starke Konkurrenten. Das Problem ist oft, dass die Visualisierung nicht alleine steht, sondern Teil eines Ganzen ist, wo Datenquellen, Integrationen und zuspielen von eigenen Daten eine Rolle spielen. Nicht nur ist die Anzahl der möglichen Grafiktypen ein Kriterium, sondern oft wie einfach und flexibel das Werkzeug ist. Hier bietet der kurze Update-Zyklus in der Cloud Vorteile, denn neue Funktionalität kommt schneller verfügbar durch die monatlichen Updates.

DV hat einen sehr großen Funktionsumfang der hier nur Stichpunktartig dargestellt werden kann. In diesem Beitrag lade ich eine große Excel-Datei und erstelle auf dieser die Präsentation. In dem nächsten Beitrag setze ich das DV auf Essbase.

 

DV Präsentation

Der rote Faden durch die DV Präsentation ist folgender: Wir wollen darstellen, welche Mitarbeiter eine größere Kündigungswahrscheinlichkeit haben. Zur Analyse haben wir eine Excel Datei mit Personaldaten und laden diese hoch. Danach erstellen wir Grafiken mit jeweils verschiedenen Datenspalten aus dieser Datei und setzen Filter.

Wir haben eine weitere Excel Datei, laden diese hoch und verbinden die Excel Dateien miteinander. Danach erstellen wir weitere Grafiken mit Daten aus den beiden Dateien.

 

Abbildung 2: Eine Datenquelle hinzufügen

Es erscheint das nächste Fenster in der die Verbindung oder Datei ausgewählt werden kann.

Abbildung 3: Eine Datei hochladen, einen Themenbereich selektieren oder eine Verbindung erstellen

Ich habe die Datei selektiert und diese wird nach ihrem Inhalt analysiert. Die Datei hat Kopfzeilen und anhand der Werte werden auch Eigenschaften der Spalte gesetzt.

Abbildung 4: Eine Excel Datei ist selektiert

Wenn man eine Spalte selektiert erscheinen die Eigenschaften links im Navigationsfenster. In diesem Fall möchte ich nicht die Summe des Alters, sondern den Durchschnitt als Eigenschaft setzen.

Abbildung 5: Anpassen der Spalteneigenschaften

Wenn ich mit den Vorbereitungen fertig bin, dann wechsele ich in die Visualisierungssicht.

Abbildung 6: Umschalten aus der Vorbereitung (Prepare) in die Visualisierung (Visualize)

Diese ist noch leer, und ich selektiere die beiden Spalten „Department“ und „EmployeeCount“ und bringe diese in den Darstellungsbereich.

 

Abbildung 7: Selektieren der Spalten für die erste Grafik.

Anhand der Datenstruktur in den Spalten wird eine Visualisierung die hierzu passt genommen und werden die Daten dargestellt. Die Anzahl Mitarbeiter pro Abteilung wird hier in einem Stabdiagramm dargestellt.

Abbildung 8: Die optimale Grafik wird anhand der Daten erstellt

Ich kann diesen Vorschlag dann einfach anpassen und erweitern.

Abbildung 9: Hinzufügen einer weiteren Datenspalte

Ich füge eine weitere Eigenschaft an die Grafik zu in dem Feld Farbe. Die Geschlechterverteilung wird jetzt in Farbe dargestellt.

Abbildung 10: Hinzufügen einer weiteren Datenspalte

In der Abbildung 11 sieht man ein schönes Feature – ich kann eine Spalte hinzufügen und dabei direkt eine andere ersetzen, wenn ich diese auf die andere Spalte fallen lasse.

Abbildung 11: Hinzufügen oder Ersetzen in dem Schleppen von Daten.

Um den Grafiktyp zu verändern kann man aus verschiedenen eine Auswahl machen, wie in Abbildung 12 ersichtlich ist.

Abbildung 12: Grafiktyp anpassen

Ich habe Ausbildungsinformation und Gehalt hinzugefügt, welches die Geschlechterverteilung ersetzt hat. Die Breite des Balken zeigt das Gehalt und die Länge des Balken zeigt die Prozentuale Verteilung der Ausbilungsrichtung.

Abbildung 13: Grafik soweit fertig.

Die Grafik selbst hat auch interaktive Elemente. Ein Beispiel ist, wenn ich eine Ausbildung selektiere, dann werden die übrigen blasser und ich kann besser die Anteile in den Abteilungen vergleichen.

Abbildung 17: Selektion in der Grafik. Die nicht selektierten werden blasser.

Ich kopiere diese Grafik und nehme diese als Basis für eine Weitere.

Abbildung 14: Kopieren einer Visualisierung.

Abbildung 15: Einfügen einer Visualisierung.

Abbildung 16: Anpassen des Grafiktyps.

Ich füge 3 Spalten als weiter Grafik hinzu. Ich selektiere diese und schleppe diese an den Rand, wo die weitere Grafik erscheinen sollte.

Abbildung 18: Eine weitere Grafik einfügen.

Weil die Datenquelle dieselbe ist, reagieren beide Grafiken auf Veränderungen in dem Filter.

Abbildung 19: Selektieren in der unteren Grafik. Die Obere zeigt diese auch an.

Ich mache eine Selektion in der oberen Grafik und behalte diese.

Abbildung 20: Die Selektion behalten.

Ich kann auch noch eine Selektionshilfe verwenden wie in Abbildung 21 zu sehen ist. In diesem Fall füge ich noch eine weitere Sicht ein.

Abbildung 21: Einen Filter hinzufügen – minimal 20 Jahre Betriebszugehörigkeit

Abbildung 22: Soweit ist die Visualisierung fertig.

In dem nächsten Schritt verbinde ich jetzt eine zweite Datenquelle.

Abbildung 23: Eine weitere Datenquelle hinzufügen.

Diese Datenquellen sind noch nicht miteinander verbunden.

Abbildung 24: Die beiden Datenquellen sind noch nicht miteinander verbunden.

Ich kann, wie in einem ETL Tool oder Datenbank, die Datensätze mit einem Schlüssel verbinden.

Abbildung 25: Verbinden der Datenquellen mit einem Schlüssel.

Abbildung 26: Hinzufügen

In der Abbildung 27 sieht man das hier die Datenquellen mit einem Schlüssel verbunden sind.

Abbildung 27: Die beiden Datenquellen sind über den Schlüssel miteinander verbunden.

Die Navigation wird jetzt länger, denn die Spalten beider Datenquellen sind sichtbar. Ich selektiere eine Spalte aus der einen und eine Spalte aus der anderen Datenquelle und ziehe diese auf einen neuen Grafikbereich.

Abbildung 28: Selektion der JobRole aus der einen Datenquelle und JobSatisfaction aus der anderen.

Die Datenvisualisierung zieht sich die Daten über den Schlüssel und stellt diese dar.

Abbildung 29: Darstellung der JobSatisfaction je JobRole

Auf dieser Weise können Darstellungen gemacht werden wie Zufriedenheit mit der Arbeit nach Rolle und Geschlecht.

Abbildung 30: Hinzugefügt die JobSatisfaction nach Geschlecht

 

Fazit

Die Oracle Analytics Cloud hat mit der DatenVisualization ein sehr starkes Frontend bekommen, welches wenig zu wünschen übrig lässt. Auch ohne Schulung war ich schnell in der Lage gute grafische Darstellungen der Daten zu erstellen. Ich bin mir sicher, dass wir noch viel von diesem sehen werden.

 

Ihr Philip Hulsebosch