Kurz 5. část: Vizualizace předpovědí pomocí sestavy Power BI

V tomto kurzu sestavíte sestavu Power BI z dat předpovědí, která jste vygenerovali v části 4: Provedete dávkové vyhodnocování a uložíte předpovědi do jezera.

Získáte následující informace:

• Vytvoření sémantického modelu z dat předpovědí
• Přidání nových měr do dat z Power BI
• Vytvořte sestavu Power BI
• Přidejte vizualizace do sestavy

Požadavky

• Získejte předplatné Microsoft Fabric. Nebo si zaregistrujte bezplatnou zkušební verzi Microsoft Fabric.

• Přihlaste se k Microsoft Fabric.

• Přepněte na Fabric pomocí přepínače prostředí na levé dolní straně domovské stránky.

  

Toto je část 5 z 5 v sérii kurzů. K dokončení tohoto kurzu nejprve dokončete:

• Part 1: Ingestování dat do Microsoft Fabric lakehouse pomocí Apache Sparku.
• Část 2: Prozkoumejte a vizualizujte data pomocí poznámkových bloků Microsoft Fabric a dozvíte se více o těchto datech.
• Part 3: Trénování a registrace modelů machine learning.
• Část 4: Proveďte dávkové vyhodnocování a uložte předpovědi do jezera.

Vytvoření sémantického modelu

Vytvořte nový sémantický model propojený s daty předpovědí, která jste vytvořili v části 4:

1. Na levé straně vyberte pracovní prostor.

2. V pravém horním rohu vyberte jako filtr Lakehouse , jak je znázorněno na následujícím snímku obrazovky:

   

3. Vyberte jezero, které jste použili v předchozích částech série kurzů, jak je znázorněno na následujícím snímku obrazovky:

   

4. Na horním pásu karet vyberte Nový sémantický model , jak je znázorněno na následujícím snímku obrazovky:

   

5. Pojmenujte sémantický model – například "predikce četnosti změn bank". Pak vyberte datovou sadu customer_churn_test_predictions , jak je znázorněno na následujícím snímku obrazovky:

   

6. Vyberte Potvrdit.

Přidání nových měr

Přidejte do sémantického modelu několik měr:

1. Přidejte novou míru četnosti změn.

   1. Vyberte Nové měření na horním pásu karet. Tato akce přidá novou položku s názvem Míra do datové sady customer_churn_test_predictions a otevře řádek vzorců nad tabulkou, jak je znázorněno na následujícím snímku obrazovky:

      

   2. Pokud chcete určit průměrnou předpokládanou četnost změn, nahraďte Measure = na řádku vzorců následující fragment kódu:

      Churn Rate = AVERAGE(customer_churn_test_predictions[predictions])
      

   3. Pokud chcete vzorec použít, vyberte na řádku vzorců značku zaškrtnutí, jak je znázorněno na následujícím snímku obrazovky:

      

      Nová míra se zobrazí v tabulce dat, jak je znázorněno na následujícím snímku obrazovky:

      Ikona kalkulačky označuje, že byla vytvořena jako míra. V tabulce dat vyberte míru odchodu zákazníků. Dále proveďte následující výběry, jak je znázorněno na následujícím snímku obrazovky:

   4. Na panelu Vlastnosti změňte formát z obecné na procento.

   5. Posuňte se dolů na panelu Vlastnosti a změňte desetinná místa na 1.

      

2. Přidejte novou míru, která spočítá celkový počet bankovních zákazníků. Ostatní nová opatření ji potřebují.

   1. Výběrem Nové měřítko v horní liště přidáte do datové sady novou položku s názvem Míracustomer_churn_test_predictions. Tato akce otevře řádek vzorců nad tabulkou.

   2. Každá předpověď představuje jednoho zákazníka. Pokud chcete zjistit celkový počet zákazníků, nahraďte Measure = na řádku vzorců následujícími:

      Customers = COUNT(customer_churn_test_predictions[predictions])
      

   3. Pokud chcete vzorec použít, vyberte na řádku vzorců značku zaškrtnutí.

3. Přidejte míru četnosti změn pro Německo.

   1. Výběrem Nové měřítko v horní liště přidáte do datové sady novou položku s názvem Míracustomer_churn_test_predictions. Tato akce otevře panel vzorců nad tabulkou.

   2. Pokud chcete zjistit míru úbytku pro Německo, nahraďte Measure = ve vzorcovém řádku tímto:

      Germany Churn = CALCULATE(AVERAGE(customer_churn_test_predictions[predictions]),FILTER(customer_churn_test_predictions, customer_churn_test_predictions[Geography_Germany] = TRUE()))
      

      Tento příkaz extrahuje řádky, které mají Německo jako svoji zeměpisnou oblast (Geography_Germany se rovná jedné).

   3. Pokud chcete vzorec použít, vyberte na řádku vzorců značku zaškrtnutí.

4. Opakujte předchozí krok a přidejte sazby četnosti změn pro Francii a Španělsko.

   • Míra odchodu zákazníků ve Španělsku:

     Spain Churn = CALCULATE(AVERAGE(customer_churn_test_predictions[predictions]),FILTER(customer_churn_test_predictions, customer_churn_test_predictions[Geography_Spain] = TRUE()))
     

   • Četnost změn ve Francii:

     France Churn = CALCULATE(AVERAGE(customer_churn_test_predictions[predictions]),FILTER(customer_churn_test_predictions, customer_churn_test_predictions[Geography_France] = TRUE()))
     

Vytvořte novou sestavu

Po dokončení všech dříve popsaných operací vyberte možnost Vytvořit novou sestavu v seznamu možností Soubor v horní části pásu karet a otevřete tím stránku pro vytváření sestav v Power BI, jak je znázorněno na následujícím snímku obrazovky.

Stránka sestavy se zobrazí na nové kartě prohlížeče. Přidejte do sestavy tyto vizuály:

1. Vyberte textové pole na horním pásu karet, jak je znázorněno na následujícím snímku obrazovky.

   

   Zadejte název sestavy – například "Fluktuace zákazníků banky", jak je znázorněno na následujícím snímku obrazovky.

   

   Změna velikosti písma a barvy pozadí na panelu Formát Velikost a barvu písma můžete upravit tak, že vyberete text a použijete formátovací panel.

2. Na panelu Vizualizace vyberte ikonu Karta , jak je znázorněno na následujícím snímku obrazovky:

   

3. V podokně Data vyberte Četnost změn, jak je znázorněno na následujícím snímku obrazovky:

   

4. Změňte velikost písma a barvu pozadí na panelu Formát, jak je znázorněno na následujícím snímku obrazovky:

   

5. Přetáhněte kartu míry odchodu do pravého horního rohu reportu, jak je znázorněno na následujícím snímku obrazovky.

   

6. Na panelu Vizualizace vyberte spojnicový a skládaný sloupcový graf, jak je uvedeno na následujícím snímku obrazovky.

   

7. Graf je zobrazen v sestavě. V podokně Data vyberte

   • Věk
   • Četnost změn
   • Zákazníci

   jak je znázorněno na následujícím snímku obrazovky:

   

8. Nakonfigurujte spojnicový a skládaný sloupcový graf, jak je znázorněno na následujícím snímku obrazovky.

   1. Přetáhněte Age z podokna Dat do pole osy X v podokně Vizualizace.
   2. Přetáhněte zákazníky z podokna Data do pole osy y čáry v podokně Vizualizace.
   3. Přetáhněte Churn rate z podokna Data do pole osy y v podokně Vizualizace.

   Ujistěte se, že pole osy y sloupce má pouze jednu instanci četnosti změn. Z tohoto pole odstraňte všechno ostatní.

   

9. Na panelu Vizualizace vyberte ikonu spojnicového a skládaného sloupcového grafu . U kroků podobných dřívější konfiguraci spojnicového a skládaného sloupcového grafu vyberte NumOfProducts pro osu x, Četnost změn pro osu y sloupce a Zákazníci pro osu y spojnice, jak je znázorněno na následujícím snímku obrazovky.

   

10. Na panelu Vizualizace přesuňte pravé strany dvou grafů doleva, abyste uvolnili prostor pro dva další grafy. Pak vyberte ikonu skládaného sloupcového grafu . Vyberte NewCreditsScore pro osu x a četnost změn osy y, jak je znázorněno na následujícím snímku obrazovky:

    

    Na panelu Formát změňte název "NewCreditsScore" na "Credit Score", jak je znázorněno na následujícím snímku obrazovky. Pro tento krok možná budete muset zvětšit velikost osy X grafu.

    

11. Na panelu Vizualizace vyberte kartu skupinového sloupcového grafu . Vyberte Německo Churn, Španělsko Churn, Francie Churn v tomto pořadí pro osu y, jak je znázorněno na následujícím snímku obrazovky. Podle potřeby upravte velikost jednotlivých grafů zprávy.

    

Poznámka:

Tento kurz popisuje, jak můžete analyzovat uložené výsledky předpovědi v Power BI. Na základě vašich odborných znalostí může skutečný případ odlivu zákazníků potřebovat podrobnější plán ohledně konkrétních vizualizací, které váš report vyžaduje. Pokud váš tým obchodní analýzy a firma nastavily standardizované metriky, měly by se tyto metriky také stát součástí plánu.

Sestava Power BI ukazuje, že:

• Zákazníci banky, kteří používají více než dvě bankovní produkty, mají vyšší četnost změn, i když několik zákazníků mělo více než dva produkty. Banka by měla shromažďovat více dat a také zkoumat další funkce, které korelují s dalšími produkty (prohlédněte si graf v levém dolním panelu).
• Zákazníci bank v Německu mají vyšší četnost změn oproti zákazníkům ve Francii a Španělsku (prohlédněte si graf v pravém dolním panelu). Tyto míry odchodu zákazníků naznačují, že vyšetřování faktorů, které přiměly zákazníky k odchodu, by mohlo být užitečné.
• Existuje více zákazníků středního věku (mezi 25–45 lety) a zákazníci ve věku 45–60 let mají tendenci více odebírat.
• Nakonec by zákazníci s nižším skóre úvěru pravděpodobně opustili banku pro ostatní finanční instituce. Banka by měla hledat způsoby, jak podpořit zákazníky s nižším skóre kreditu a zůstatky účtů, aby zůstali u banky.

Další krok

Tím se dokončí pětidílná série kurzů. Podívejte se na další kompletní ukázkové kurzy:

Naučte se používat kompletní ukázky AI v Microsoft Fabric