Aus dem Kurs: Power BI mit Python

Erhalten Sie Zugriff auf diesen Kurs – mit einer kostenlosen Probeversion

Werden Sie noch heute Mitglied und erhalten Sie Zugriff auf mehr als 24.700 Kurse von Branchenfachleuten.

Korrelationsmatrix plotten und Zusammenhänge analysieren

Korrelationsmatrix plotten und Zusammenhänge analysieren

Aus dem Kurs: Power BI mit Python

Gratismonat starten Für Ihr Team erwerben

Korrelationsmatrix plotten und Zusammenhänge analysieren

“

Im zweiten Schritt sollten wir uns also die Einflussfaktoren genauer anschauen, die dafür verantwortlich sind, dass eine so geringe Kundenzufriedenheit vorliegt. Am besten können Sie das Ganze durchführen über eine Korrelationsmatrix. Wenn Sie einen Blick werfen auf den Reiter Statistik, werden Sie feststellen, dass bereits eine Korrelationsmatrix visualisiert wurde, und zwar im Rahmen von einer Heatmap. Diese können Sie einfach übernehmen und Sie können dann auch den Umsatz hier entfernen in der Betrachtung. Blicken Sie jetzt hier auf die Reihe Kundenzufriedenheit. Hier sehen Sie also die einzelnen Pearson Korrelationswerte. Welche Variablen haben jetzt einen besonders großen Einfluss auf die Kundenzufriedenheit? Vielleicht hätten Sie antizipiert, dass insbesondere die Lieferzeit in Tagen, die Preise oder die Rabatte einen besonderen Einfluss haben auf die Kundenzufriedenheit. Dem ist allerdings nicht so. Die Lieferzeit steht in keinem erkennbaren Zusammenhang zur Zufriedenheit…

Inhalt