앱 명령어, 워크시트 식별자 및 예제 데이터 값은 원문 그대로 유지됩니다. 스크린샷, 차트 및 다운로드 파일은 영어로 제공됩니다. 예제는 영어 원문의 숫자 표기를 유지하며, 소수점에는 마침표를, 천 단위 구분에는 쉼표를 사용합니다.
예제: 품목 수에 따른 포장 시간
예제는 세 포장 구역의 주문 90건을 기록합니다. 포장 시간의 단위는 초이며 품목 수와 화물 질량은 각 주문의 특성을 나타냅니다.
예제 데이터 다운로드(CSV, 영어 열 이름)Help에서 사용하는 것과 같은 예제입니다. CSV에는 가져올 관측값이 들어 있습니다.
1. 분석 만들기
사이드바에서 Plots를 열고 분석을 만듭니다. 이름을 입력하고 New blank worksheet를 선택한 다음 Create analysis를 선택합니다.
2. 데이터 가져오기
Worksheet에서 Import를 선택합니다. 다운로드한 CSV를 선택하거나 내용을 붙여 넣습니다. 구분 기호를 Comma로 설정하고 Decimal dot을 사용하며 First row contains column names를 선택합니다. 가져올 내용을 미리 확인한 다음 Import into worksheet를 선택합니다.
3. 입력 열 지정
Inputs에서 Chart type을 General line으로 선택합니다. Data arrangement에서는 Single variable — no grouping을 선택합니다. X values를 Numeric으로 설정합니다.
X variable의 열 선택기를 열고 item_count를 선택합니다. Measurement에는 packing_time_s를 선택합니다. 가로축은 시간이 아니라 주문당 품목 수를 표시합니다.
4. 차트 옵션 설정
Statistics에서 Connected values를 Mean per X로 선택합니다. Layout에서 Show markers를 선택합니다. 각 점은 세 구역 전체에서 품목 수가 같은 모든 주문을 요약합니다.
Labels를 열고 Chart title에 Explore mean packing time by item count를 입력합니다. 원본 레이블을 사용하도록 Horizontal axis label과 Vertical axis label은 비워 둡니다.
5. 차트 만들기
Create chart를 선택한 다음 Results를 엽니다. 차트를 이 가이드와 비교하기 전에 Data used를 확인합니다. 저장된 워크시트의 모든 행이 분석에 참여하며, 워크시트를 정렬하거나 필터링해도 분석 표본은 바뀌지 않습니다.
6. 결과 해석
연결된 평균 읽기
가로축은 시간이 아니라 주문당 품목 수입니다. 각 점은 세 구역의 주문을 모두 합쳐 해당 품목 수를 가진 주문들의 평균 포장 시간을 초 단위로 나타냅니다. 선은 품목 수의 숫자 순서대로 평균을 연결합니다.
영어 원본 차트: 세 구역의 주문을 모두 합친 품목 수별 평균 포장 시간입니다. 차트를 원본 크기로 보기 (새 탭에서 열림) 시간 비교
품목이 하나인 주문의 평균은 88.8초(주문 11건), 열두 개인 주문의 평균은 202.75초(주문 6건)입니다. 열 개인 주문의 평균은 211.1초(주문 5건)로 더 높습니다. 각 점을 뒷받침하는 주문 수와 구성은 서로 다르며, 모든 단계에서 평균이 증가하는 것은 아닙니다.
한 점을 뒷받침하는 주문 수 확인
연결된 값의 첫 워크시트 행은 해당 점에 기여하는 원본 행 하나를 가리키며, 점을 뒷받침하는 주문 수가 아닙니다. 평균을 비교하기 전에 Full source observations에서 품목 수별 행 수를 세어 보세요.
다음 비교 선택
인력 배치 규칙을 정하기 전에 구역 내에서 비슷한 주문끼리 비교합니다. 평균을 연결한 것만으로 적합된 예측 모형을 얻거나 품목 하나를 추가할 때 포장 시간이 얼마나 달라지는지 입증할 수는 없습니다.
자세히 보기: 각 결과 섹션 읽기
전체 결과 표는 Help와 동일하게 유효숫자 여섯 자리로 표시합니다.
사용한 데이터
워크시트 행 수는 90, 계열 전체의 분석 가능 관측값 수는 90, 제외 관측값 수는 0입니다. 모든 원본 행을 사용합니다. 실행 결과를 비교할 때 이 개수를 확인하고 예제의 열 지정을 유지하세요. 워크시트 정렬과 필터는 분석 표본을 바꾸지 않습니다.
저장된 모든 행을 원래 순서대로 고려합니다. 워크시트 정렬과 필터는 분석 표본을 바꾸지 않습니다.
| 워크시트 행 수 | 계열 전체의 분석 가능 관측값 수 | 제외 관측값 수 |
|---|---|---|
| 90 | 90 | 0 |
데이터 요약
계열은 측정 항목 또는 집단을 나타냅니다. 유효 값 수와 결측값 수는 개수를, 평균과 중앙값은 중심을 설명합니다. 표본 표준편차는 산포를 나타냅니다. 최솟값과 최댓값은 관측 범위의 양 끝이며 Q1과 Q3은 가운데 절반을 포함합니다. 이 요약은 기록된 관측값을 설명하며 합격 판정 한계가 아닙니다.
| 계열 | 유효 값 수 | 결측값 수 | 평균 | 표본 표준편차 | 최솟값 | Q1 | 중앙값 | Q3 | 최댓값 |
|---|---|---|---|---|---|---|---|---|---|
| packing_time_s | 90 | 0 | 150.572 | 45.2425 | 59.9 | 115.125 | 152.9 | 184.675 | 252.5 |
연결된 값
각 행은 숫자로 된 item_count와 그에 대한 평균 packing_time_s를 초 단위로 표시합니다. 첫 워크시트 행은 평균에 포함된 주문 수가 아니라 처음 기여한 원본 행을 가리킵니다. 예를 들어 품목 수 1의 평균은 88.8초이며 처음 기여한 워크시트 행은 10입니다. 전체 원본 관측값에서 이를 뒷받침하는 주문 수를 세어 보세요.
| 계열 | 첫 워크시트 행(0 = 빈 기간) | item_count | packing_time_s |
|---|---|---|---|
| packing_time_s | 10 | 1 | 88.8 |
| packing_time_s | 1 | 2 | 87.7333 |
| packing_time_s | 8 | 3 | 116.944 |
| packing_time_s | 12 | 4 | 121.911 |
| packing_time_s | 35 | 5 | 130.75 |
| packing_time_s | 7 | 6 | 139.133 |
| packing_time_s | 24 | 7 | 161.483 |
| packing_time_s | 5 | 8 | 174.618 |
| packing_time_s | 11 | 9 | 187.12 |
| packing_time_s | 39 | 10 | 211.1 |
| packing_time_s | 3 | 11 | 202.78 |
| packing_time_s | 4 | 12 | 202.75 |
전체 원본 관측값
계열은 측정 항목 또는 집단을 나타내고 워크시트 행은 원본 기록의 위치를 가리킵니다. X와 Y는 차트 좌표입니다. X는 품목 수이고 Y는 초 단위의 원래 포장 시간입니다. 이 90개 행이 평균점 12개를 뒷받침합니다.
| 계열 | 워크시트 행 | X | Y |
|---|---|---|---|
| packing_time_s | 1 | 2 | 81.2 |
| packing_time_s | 2 | 2 | 102.1 |
| packing_time_s | 3 | 11 | 212.5 |
| packing_time_s | 4 | 12 | 209.6 |
| packing_time_s | 5 | 8 | 229.8 |
| packing_time_s | 6 | 8 | 160.4 |
| packing_time_s | 7 | 6 | 178.8 |
| packing_time_s | 8 | 3 | 96.7 |
| packing_time_s | 9 | 6 | 147.2 |
| packing_time_s | 10 | 1 | 96.6 |
| packing_time_s | 11 | 9 | 219.9 |
| packing_time_s | 12 | 4 | 144.7 |
| packing_time_s | 13 | 9 | 153.4 |
| packing_time_s | 14 | 12 | 187 |
| packing_time_s | 15 | 9 | 179.6 |
| packing_time_s | 16 | 11 | 184 |
| packing_time_s | 17 | 4 | 116.8 |
| packing_time_s | 18 | 11 | 198.9 |
| packing_time_s | 19 | 4 | 92.3 |
| packing_time_s | 20 | 8 | 168.1 |
| packing_time_s | 21 | 1 | 59.9 |
| packing_time_s | 22 | 3 | 159.5 |
| packing_time_s | 23 | 1 | 93.9 |
| packing_time_s | 24 | 7 | 164.6 |
| packing_time_s | 25 | 6 | 132.5 |
| packing_time_s | 26 | 7 | 164.2 |
| packing_time_s | 27 | 4 | 105.4 |
| packing_time_s | 28 | 3 | 101 |
| packing_time_s | 29 | 4 | 174.1 |
| packing_time_s | 30 | 1 | 122.4 |
| packing_time_s | 31 | 6 | 121.5 |
| packing_time_s | 32 | 11 | 203.1 |
| packing_time_s | 33 | 11 | 191.2 |
| packing_time_s | 34 | 1 | 104.9 |
| packing_time_s | 35 | 5 | 108.9 |
| packing_time_s | 36 | 1 | 73.7 |
| packing_time_s | 37 | 9 | 191.7 |
| packing_time_s | 38 | 11 | 226 |
| packing_time_s | 39 | 10 | 178 |
| packing_time_s | 40 | 6 | 137.6 |
| packing_time_s | 41 | 7 | 181.3 |
| packing_time_s | 42 | 3 | 116.1 |
| packing_time_s | 43 | 1 | 78.5 |
| packing_time_s | 44 | 10 | 252.5 |
| packing_time_s | 45 | 12 | 215.8 |
| packing_time_s | 46 | 3 | 110.7 |
| packing_time_s | 47 | 8 | 174.8 |
| packing_time_s | 48 | 4 | 121.9 |
| packing_time_s | 49 | 6 | 141 |
| packing_time_s | 50 | 1 | 67.1 |
| packing_time_s | 51 | 10 | 201.1 |
| packing_time_s | 52 | 4 | 114.8 |
| packing_time_s | 53 | 11 | 214.9 |
| packing_time_s | 54 | 3 | 109.9 |
| packing_time_s | 55 | 12 | 184.6 |
| packing_time_s | 56 | 4 | 119 |
| packing_time_s | 57 | 8 | 181.1 |
| packing_time_s | 58 | 8 | 158.8 |
| packing_time_s | 59 | 8 | 169.5 |
| packing_time_s | 60 | 5 | 128.1 |
| packing_time_s | 61 | 1 | 81.7 |
| packing_time_s | 62 | 12 | 207.7 |
| packing_time_s | 63 | 6 | 155.2 |
| packing_time_s | 64 | 9 | 191 |
| packing_time_s | 65 | 5 | 127.1 |
| packing_time_s | 66 | 8 | 184.7 |
| packing_time_s | 67 | 5 | 122.8 |
| packing_time_s | 68 | 11 | 222.8 |
| packing_time_s | 69 | 10 | 196 |
| packing_time_s | 70 | 6 | 118.3 |
| packing_time_s | 71 | 10 | 227.9 |
| packing_time_s | 72 | 4 | 108.2 |
| packing_time_s | 73 | 8 | 148 |
| packing_time_s | 74 | 7 | 157.8 |
| packing_time_s | 75 | 7 | 152.4 |
| packing_time_s | 76 | 5 | 155.6 |
| packing_time_s | 77 | 3 | 89.2 |
| packing_time_s | 78 | 2 | 79.9 |
| packing_time_s | 79 | 5 | 142 |
| packing_time_s | 80 | 1 | 95.5 |
| packing_time_s | 81 | 8 | 187.8 |
| packing_time_s | 82 | 3 | 124.7 |
| packing_time_s | 83 | 11 | 174.1 |
| packing_time_s | 84 | 7 | 148.6 |
| packing_time_s | 85 | 8 | 157.8 |
| packing_time_s | 86 | 12 | 211.8 |
| packing_time_s | 87 | 6 | 120.1 |
| packing_time_s | 88 | 3 | 144.7 |
| packing_time_s | 89 | 11 | 200.3 |
| packing_time_s | 90 | 1 | 102.6 |
7. 보고서 만들기
앱의 차트와 Data used, Data summary, Connected values, Full source observations를 함께 보존합니다. 열 지정과 차트 옵션을 기록합니다. 연구 맥락과 특이한 관측값에 대한 점검 내용을 포함하고, 차트의 단위 및 해석 과정에서 설명한 한계를 유지하세요.
완료된 실행 결과에서 Add to report 항목을 선택합니다. 표와 차트를 선택하려면 Choose individual items and advanced options 항목을 엽니다. 그런 다음 Add to draft 항목을 선택합니다. 숨긴 항목은 저장된 분석에 남아 있습니다.
보고서 이름을 정하고 분석 목적과 해석을 추가합니다. Save 항목을 선택하고 Preview에서 내용을 확인한 뒤 Export → Download HTML을 사용합니다. 아래 예시는 한 화면에 다 보이지 않는 결과까지 포함하여 선택한 콘텐츠 전체를 보여 줍니다.