Tidsserieanalyse i Real-Time Dashboard (forhåndsvisning)

Tidsserieanalyse hjælper dig med at forstå, hvordan data opfører sig over tid. Uanset om du sporer sensoraflæsninger, overvåger systemets ydeevne eller analyserer forretningstendenser, fører visualisering og undersøgelse af tidsbaserede data til bedre beslutninger. Real-Time Dashboards i Microsoft Fabric tilbyder værktøjer til både visuel udforskning og kodebaseret analyse af tidsseriedata.

Denne artikel introducerer tidsserievisualiseringen for Real-Time dashboards og giver et overblik over Kusto Query Language (KQL) funktioner til avanceret tidsserieanalyse.

Vigtig

Denne funktion er i prøveversion.

Hvornår skal man bruge tidsserieanalyse

Tidsserieanalyse er nyttig, når data ændrer sig over tid, og mønstre betyder noget. Almindelige anvendelsestilfælde omfatter:

  • IoT- og udstyrsovervågning: Sammenlign sensoraflæsninger med historiske mønstre for at identificere udstyr, der driver ud af tolerance eller nærmer sig fejl.
  • Operationel analyse: Spor applikationens responstider, fejlrater eller gennemstrømning over tid. Naviger gennem serviceniveauer eller geografiske regioner for at finde performance-flaskehalse.
  • Analyse af forretningstendenser: Analyser salgs-, omsætnings- eller kundeengagementsmønstre på tværs af tidsperioder. Sammenlign dette kvartal med sidste kvartal, eller i år med samme periode sidste år, med tilpassede tidsrammer, der gør sæsonmønstre synlige.
  • Anomalidetektion: Identificer uventede spidser, fald eller afvigelser fra normale baseline-mønstre i dine data.

Tidsserie-visualisering

Time Series-visualiseringen i Real-Time Dashboards giver dedikerede funktioner til navigation, sammenligning og tilpasning af tidsseriedata. I modsætning til traditionelle diagrammer er dette billede designet til de unikke karakteristika ved tidsbaserede data: tendenser, der opstår over perioder, sæsonmønstre og anomalier.

Skærmbillede af en Time Series-visuel.

Tidsseriedatasæt indeholder ofte dusinvis eller endda hundredvis af målinger. En enkelt instrumentbrætsflisesporingsmaskines ydeevne på tværs af en fabriksgulv kan vise aflæsninger fra alle sensorer på hvert enkelt udstyr. Time Series-visualiseringen giver værktøjer til at finde de data, der betyder noget:

  • Legend-søgning: Brug legend-søgefeltet til at finde specifikke dataserier efter navn.
  • Serievalg: Vælg en serie fra diagrammet eller legenden, og de tilsvarende elementer fremhæves automatisk.
  • Entitetspanel: Se din dataserie i en hierarkisk træstruktur baseret på dine entitetsvalg. Filtrer listen for at finde specifikke serier, udvid eller sammensæt grupper, og brug afkrydsningsfelter til at vise eller skjule enkelte serier i diagrammet.
  • Navigationstræ: For datasæt med logiske grupperinger, såsom sensorer organiseret efter maskine eller metrikker organiseret efter region, navigér gennem grupper ved hjælp af navigationstræet til højre.

Juster tidslinjen

Time Series-visuelt gengiver flere mål som separate diagrammer, hver med sin egen tidsakse og synkroniseret tidsskyder. Når du justerer tidsintervallet, opdateres alle diagrammer samlet, så din analyse forbliver på linje med forskellige målinger.

Brug tidsskyderen til at:

  • Træk for at vælge en bestemt tidsramme.
  • Indtast præcise værdier for at gengive alle diagrammer inden for en bestemt tidsramme.
  • Zoom ind på interesseområder, mens du bevarer konteksten.

Skærmbillede af Time Series-visualiseringen med tidsskyderen markeret.

Tilpas dit visuelle udtryk

Time Series visuelle editor giver dig kontrol over, hvordan du organiserer og viser dine data. I Data-sektionen definerer du din tidsseriestruktur ved at vælge:

  • Målte enheder: De dimensioner, der kategoriserer dine data, såsom region, maskine eller hændelsestype.
  • Målte data: De numeriske værdier, du ønsker at følge over tid.

Yderligere tilpasningsmuligheder inkluderer:

Valgmulighed Beskrivelse
Y-akse skalering Vælg mellem global, separat eller adaptiv skalering med fjernelse af outlier-løsninger.
Farvefordelinger Tildel farver via farvevælger eller palette.
Zoomkontroller Zoom ind og ud på dataene.
Akseskalaer Skift mellem lineære og logaritmiske akseskalaer.

Lav et tidsserie-visualt

Vigtig

Sørg for, at dine data indeholder en tidsstempelkolonne og mindst én numerisk værdikolonne for at visualisere tendenser over tid.

For at oprette og konfigurere en tidsserie-visualisering i dit Real-Time dashboard:

  1. I den øverste menu skal du vælge Visning og skifte til Redigeringstilstand .

  2. Vælg Rediger-ikonet på det visuelle billede, du vil tilpasse.

  3. I panelet Visuel formatering åbner du Visuel type og vælger Tidsserie.

    Skærmbillede af visualiseringspanelet, der viser tidsserie-muligheden.

  4. I Data-sektionen konfigureres følgende egenskaber:

    • Tidskolonne (X-akse): Vælg tidsstempelkolonnen, der repræsenterer tidsintervaller på den horisontale akse.

    • Målte data (Y-akse): Vælg et eller flere numeriske felter til at plotte over tid på den lodrette akse.

    • Entiteter og Målinger (valgfrit): Vælg kategorifelter for at gruppere dine data i flere serier.

    Skærmbillede af tidsseriekonfigurationspanelet.

  5. Brug panelet Enheder og Mål til at styre, hvilke data der vises:

    • Søg efter en bestemt serie efter navn.
    • Udvid eller kollapser grupper i entitetshierarkiet.
    • Vælg eller fjern afkrydsningsfelter for at vise eller skjule serier.
    • Omarranger serien for at kontrollere display og legende-rækkefølge.

    Dette valg ændrer ikke den underliggende forespørgsel.

  6. Juster tidsintervallet ved hjælp af tidslinjekontrollerne:

    • Træk tidsskyderen for at zoome ind eller ud på bestemte intervaller.
    • Indtast start- og sluttidspunkter for at definere et præcist interval.

    Når flere målinger vises, forbliver alle diagrammer synkroniserede til det valgte tidsinterval.

    Skærmbillede af tidslinjekontrollerne i et tidsseriediagram.

  7. Tilpas dit horoskop yderligere ved at konfigurere egenskaber såsom:

    • Y-akse skalering:

      • Global (delt skala på tværs af diagrammer)
      • Separat (uafhængige skalaer pr. diagram)
      • Adaptiv (reducerer effekten af outliers)

    • Farver: Tildel farver fra en palet eller pr. serie.

    • Akseskala: Skift mellem lineær og logaritmisk skala for forskellige datafordelinger.

    • Zoom-adfærd: Aktivér panorering og zoom for interaktiv udforskning.

  8. Vælg Færdig for at gemme dine indstillinger og gå tilbage til dashboardet.

Avanceret tidsserieanalyse med KQL

For dybere analyse ud over visuel udforskning tilbyder KQL native support til at skabe, behandle og analysere tidsseriedata. Ved at bruge KQL kan du:

  • Opret tidsserier: Brug operatoren make-series til at samle data i almindelige tidsbins, udfylde manglende værdier og partitionere efter dimensioner.
  • Filtrer og udjævn data: Anvend glidende gennemsnit og andre filtreringsteknikker for at reducere støj og fremhæve tendenser.
  • Detekter tendenser og sæsonvariationer: Identificer lineære tendenser, trendændringer og periodiske mønstre i dine data.
  • Opdag anomalier: Find afvigelser og uventede afvigelser fra baseline-mønstre.
  • Forudsig fremtidige værdier: Forudsige kommende værdier ved at ekstrapolere sæson- og trendkomponenter.

For mere information om KQL's tidsserie-kapaciteter, se:

Relateret indhold

  • Sidst opdateret den