نمودار پراکندگی (Scatter Chart) در پاور بی آی (Power BI)

در این مقاله قصد داریم نحوه استفاده از نمودار پراکندگی را در Power BI بررسی کنیم .نمودار پراکندگی از نمودارهای پایه ای و اصلی در پاور بی آی  می باشد . به این منظور  از دیتاستی با مشخصات زیر استفاده خواهیم کرد. این دیتاست اطلاعاتی همچون سن ، جنسیت ، تعداد فرزند ، سیگاری بودن ، ناحیه زندگی ، میزان شارژ بیمه (پرداختی به بیمه) و در انتها مقدار شاخص BMI می باشد .

BMI چیست ؟

BMI (body mass index) نتیجه محاسبه شاخص توده بدنی مشخص می کند که آیا فرد چاق، دارای اضافه وزن، نرمال و یا بسیار لاغراست یا خیر. به طور کلی، از آنجایی که شاخص توده بدنی BMI از سایر روش های محاسبه وزن مناسب آسان تر و موثرتر است، تقریبا در همه دنیا به عنوان اساس اندازه گیری توده بدنی استفاده می شود. فرمول محاسبه توده چربی بدن به شرح زیر است : تقسیم وزن (کیلوگرم) به مربع قد (متر)

مدت زمان لازم برای مطالعه : ۱۵ دقیقه

لینک ابزار : نسخه پاور بی آی دسکتاپ

لینک دیتابیس استفاده شده :  insurance

خروجی برنامه : نمودار پراکندگی در Power BI

در ادامه نمایی از دیتاست را مشاهده می کنید :

در نمودار Scatter Chart  مربوط به Power BI در صورتی که در محور X شاخص BMI و همچنین در محور Y شاخص میزان حق بیمه یا Charge را انتخاب کنید شکل زیر نمایان می شود که بیانگر این است که : پراکندگی فوق نشان می دهد که شاخص توده بدن (BMI) و هزینه های بیمه ارتباط مستقیم با هم دارند ، جایی که مشتریانی که BMI بالاتر دارند معمولاً تمایل به پرداخت هزینه های بیشتری در هزینه های بیمه دارند. (این الگو منطقی است ، زیرا BMI بالا معمولاً با خطر بالاتر بیماری مزمن مرتبط است).

در ادامه بررسی می کنیم که آیا سیگاری بودن رابطه را با داده ایجاد می کند یا خیر : به عنوان مثال ، برای درک اینکه سیگار کشیدن بر رابطه بین BMI و هزینه های بیمه تأثیر می گذارد ، می توانیم نقاط را با استفاده از “فیلد سیگاری” کدگذاری کنیم و دو ستون دیگر (“توده بدنی” ، “حق بیمه”) را بر روی محورها رسم کنیم.

این طرح پراکندگی نشان می دهد که گرچه افراد غیر سیگاری تمایل دارند با افزایش BMI کمی بیشتر بپردازند ، افراد سیگاری خیلی بیشتر پرداخت می کنند.