CAPM Financial Model in Tableau: Efficient frontier for a two assets portfolio

This month I am working with financial data, so I thought it was a good idea to refresh my financial mathematics knowledge replicating some simple Capital Asset Pricing Modelling (CAPM) in Tableau. The CAPM is a set of mathematic rules used to price assets, based on the general idea that for an investment to be worth it, its risk must be rewarded by an appropriate rate of return. In this blog, I will show how to use Tableau to build the simplest CAPM model: the Efficient Frontier for a two-assets portfolio.

Continue reading

Advertisements

A life in black and white

eah, it’s that time of the year again, when Tableau hosts another round of the #IronViz competition. This time the topic is “Safari”: Animals & Plants.

After playing around with a couple of datasets like the IUCN list of threatened species, and the London Fire Brigade animal rescue records, I decided to have a close look to some of the most interesting animals in the world: Penguins!

Here below is my final submission, built around a map of the Antarctic Penguins colonies which uses a polar projection in Tableau. If you want to know I achieved it, with a mix of alteryx and mapbox magic, this post is for you.

Continue reading

#ReViz: FT’s new map for visualizing US elections

On Tuesday, the world wake up with a new POTUS, and the media were filled with data visualizations of the result. An electoral dataviz that never gets old is the “choropleth map”, like the one below:

choropleth

However, despite popularity and ease of interpretation, this map can be told inaccurate for a very simple reason: it suggests to the eye a disproportioned result, based on State’s areas, not actual votes.

Continue reading

Humanitarian Response Map Review – Helping disaster relief using Alteryx and Tableau

At the beginning of this year, I decided to get involved in the Tableau Foundation Service Corps: a group of people volunteering for charities and no profit organizations using Tableau. At the time, I was really excited to join this project, as to me it represented a great opportunity to put my skills at the service of good causes.

And this has really been the case. Since then, I have been involved in a project that let me feel really helpful, and for which I am so grateful to who entrusted me with its implementation: the Humanitarian Response Map Review.

The output of the project is the dashboard below: basically a visual way for decision makers on emergency fields to quickly filter the multitude of maps created by various organizations and find the ones that suit their needs.

Continue reading

Gli italiani odiano i loro trasporti pubblici: Un marimekko in Tableau 10

Siccome questa settimana, per lavoro, mi e’ servito imparare come si produce un Marimekko Chart in Tableau 10 (istruzioni in fondo), ho deciso di applicare subito quello che ho imparato a un dataset interessante sul livello di soddisfazione dei cittadini europei riguardo i loro mezzi pubblici.

In questo modo ho anche prodotto il mio primo contributo al progetto social di data visualization #MakeoverMonday, coordinato dal mio coach e mentor Andy Kriebel e da Andy Cotgreave.

Premessa obbligatoria: Il Marimekko non e’ una Best Practice di Data Visualization, e si basa sull’assunto erroneo che piu’ informazioni si codificano in un grafico, piu’ questo sia informativo. Al contrario, un singolo grafico dovrebbe codificare un solo messaggio in modo tale che questo sia desumibile a una prima occhiata.

Nel grafico qui sotto la larghezza delle barre e’ proporzionale alla popolazione della citta’, mentre le barre stesse sono colorate in base alla percentuale di risposte per livello di soddisfazione. I colori delle barre sono facilmente identificabili anche da persone daltoniche, al contrario del piu’ classico – ed escludente – verde/rosso.

Indovinate a quale paese appartengono le barre piu’ gialle?

marimekko-dashboard

Clicca per esplorare la dashboard

 

Continue reading

Festa dei Nonni: Il tasso di soddisfazione degli over 75 in Italia e’ tra i peggiori in Europa.

I dati sono  vecchi, e’ vero, l’ultima rilevazione che si riesce a trovare e’ del 2013.

Eppure, a valle del “Day of the Older Persons” (1-Oct), o della nostrana  #festadeinonni (2-Oct), vale la pena ricordare come in quella rilevazione – comunque la piu’ recente disponibile – l’Italia non abbia affatto brillato.

La dashboard interattiva seguente permette di scomporre l’indice di soddisfazione paese per paese; e il quadro che emerge e’ – ancora una volta – una netta frattura del continente, tra Nord-Ovest e Sud-Est.

 

db

Clicca per esplorare i dati con la dashboard.

E l’Italia?

Continue reading

Le strade piu’ pericolose di Roma: La mappa e i dati.

Segnaletica inesistente, intersezioni non regolate, luminosita’ insufficiente, buche.

Tra le molte cause degli incidenti stradali, alcune sono legate ad incuria, o mancanza di investimenti. D’altra parte, e’ inevitabile che una citta’ di oltre 4 milioni di abitanti e 1,285 km2 di estensione, peraltro martoriata dai buchi di bilancio, affronti difficolta’ nella gestione della spesa pubblica.

Perche’ non farsi aiutare dai dati, dunque, in un’ottica di smart city?

Il sito di open data del Comune di Roma mette a disposizione i dati granulari su tutti gli incidenti stradali, trimestre per trimestre. Usando Tableau, una simile banca dati permette di costruire strumenti come il seguente, che possano aiutare i decision makers a capire quali quadranti del proprio territorio abbiano maggior bisogno di interventi, e di che tipo.

 

Continue reading

The ice is melting. Monitoring the world’s ice with a radial chart.

For this third and last Tableau #IronViz qualification round (follow the link and find my dataviz, if you want to vote for me!), I decided to build something using this cool dataset: a publicly available csv with ice extent in the northern hemisphere by region, updated daily.

As for the visualization, I chose to build a radial chart, because I had already built one focusing on the North Pole, and I quite liked the result. In this chart, each point is a day and each ‘circle’ is a year, while the ice extent is encoded in the distance from the center.

Using this dashboard, it is possible to get two information at a glance:

  • The different seasonalities of the regions, that draw totally different shapes;
  • The effect of climate change on the ice extent of different regions.

 

Continue reading