Datensatzquelle (vorgefertigtes Web Scraping)
Textanalyse, RegEx und WebScapping waren meine Lieblingsthemen während der Schulung in der Analytics Academy. Deshalb war ich sehr froh, meine Kenntnisse in diesen Bereichen aufzufrischen und entsprechende ETL-Techniken zu wiederholen. Angesagt war wieder eine freie Aufgabenstellung, und so haben wir mit anderen Analysten versucht, verschiedene Aspekte unserer Daten zu beleuchten.
Ich habe mich entschieden, die Menge von Rohdaten zu reduzieren und nur Artikel der Kategorie „Wissenschaft“ zu betrachten. Außerdem wollte ich nicht komplette Artikel bezüglich Wortfrequenz analysieren, sondern nur Titel und Kurzfassungen.
ETL hat mich wieder fast 60% der Zeit gekostet. Ich habe mir aber dieses Mal schon von Anfang an ein Schema des Dashboards gezeichnet und nötige Daten definiert. Ich habe auch für jeden Kennwert (Anzahl der Artikel pro Zeitschritt / Frequenz der Wörter / Frequenz der Schlüsselwörter, die in der Suchleiste eingegeben werden) einen separaten Output aufgebaut. In Tableau habe ich mehrere Datensätze mittels Blendfunktion zusammengestellt. Ich habe schnell gemerkt, das meine Word Cloud zum Thema Coronavirus überwältigt ist. Deshalb habe ich zusätzliche Parameter hinzugefügt, um diese Wörter aus meiner Analyse herauszufiltern.
Ich habe meine Zeit heute sehr gut organisiert und mein Dashboard bereits eine halbe Stunde vor dem Präsentationstermin fertig gehabt. Das einzige technische Problem, das ich an diesem Tag hatte, war das überlappende Einblenden von Arbeitsblättern auf dem Dashboard mittels parametrischer Filter, aber mithilfe von unserem Tutor habe ich das auch geschafft und bin nun mit dem Ergebnis sehr zufrieden.
Die interaktive Version des Dashboards ist hier.
