Tutorial Teil 5: Visualisieren von Vorhersagen mit einem Power BI-Bericht

In diesem Tutorial erstellen Sie einen Power BI-Bericht aus den Vorhersagedaten, die Sie in Teil 4: Batchbewertung durchführen und Vorhersagen in einem Lakehouse speichern generiert haben.

Sie lernen Folgendes:

• Erstellen eines semantischen Modells aus den Vorhersagedaten
• Hinzufügen von neuen Measures zu den Daten aus Power BI
• Erstellen eines Power BI-Berichts
• Hinzufügen von Visualisierungen zum Bericht

Voraussetzungen

• Erwerben Sie ein Microsoft Fabric-Abonnement. Registrieren Sie sich alternativ für eine kostenlose Microsoft Fabric-Testversion.

• Melden Sie sich bei Microsoft Fabric an.

• Wechseln Sie zu Fabric, indem Sie den Benutzeroberflächenschalter auf der unteren linken Seite Ihrer Startseite verwenden.

  

Dies ist Teil 5 von 5 in der Reihe von Tutorials. Um dieses Tutorial erfolgreich abzuschließen, führen Sie zunächst Folgendes durch:

• Teil 1: Aufnehmen von Daten in ein Microsoft Fabric Lakehouse mit Apache Spark.
• Teil 2: Erkunden und Visualisieren von Daten mithilfe von Microsoft Fabric-Notebooks, um mehr über die Daten zu erfahren.
• Teil 3: Trainieren und Registrieren von Machine Learning Modellen.
• Teil 4: Durchführen der Batchbewertung und Speichern von Vorhersagen in einem Lakehouse.

Erstellen eines semantischen Modells

Erstellen Sie ein neues semantisches Modell, das mit den Vorhersagedaten verknüpft ist, die Sie in Teil 4 erstellt haben:

1. Wählen Sie links Ihren Arbeitsbereich aus.

2. Wählen Sie oben rechts Lakehouse als Filter aus, wie im folgenden Screenshot gezeigt:

   

3. Wählen Sie das Seehaus aus, das Sie in den vorherigen Teilen der Lernprogrammreihe verwendet haben, wie im folgenden Screenshot gezeigt:

   

4. Wählen Sie im oberen Menüband das neue Semantikmodell aus, wie im folgenden Screenshot gezeigt:

   

5. Legen Sie für das semantische Modell einen Namen fest, z. B. „Bankabwanderungsvorhersagen“. Wählen Sie dann das Dataset customer_churn_test_predictions aus, wie im folgenden Screenshot gezeigt:

   

6. Wählen Sie Bestätigen aus.

Neue Measures hinzufügen

Fügen Sie dem semantischen Modell einige Kennzahlen hinzu.

1. Fügen Sie eine neue Maßnahme für die Abwanderungsrate hinzu.

   1. Wählen Sie im oberen Menüband Neues Measure aus. Diese Aktion fügt dem customer_churn_test_predictions-Dataset ein neues Element mit dem Namen "Measure" hinzu und öffnet eine Bearbeitungsleiste oberhalb der Tabelle, wie im folgenden Screenshot gezeigt:

      

   2. Um die durchschnittliche prognostizierte Abwanderungsrate zu ermitteln, ersetzen Sie Measure = in der Formelleiste durch den folgenden Codeausschnitt.

      Churn Rate = AVERAGE(customer_churn_test_predictions[predictions])
      

   3. Um die Formel anzuwenden, aktivieren Sie das Häkchen in der Bearbeitungsleiste, wie im folgenden Screenshot gezeigt:

      

      Die neue Maßnahme erscheint in der Datentabelle, wie im folgenden Screenshot dargestellt.

      Das Rechnersymbol gibt an, dass es als Maßnahme erstellt wurde. Wählen Sie die Kennzahl Abwanderungsrate in der Datentabelle aus. Nehmen Sie als Nächstes die folgenden Auswahlen vor, wie im unten stehenden Screenshot gezeigt.

   4. Ändern Sie das Format von Allgemeinen in Prozentsatz im Bereich Eigenschaften.

   5. Scrollen Sie im Eigenschaftenbereich nach unten, um die Dezimalstellen in 1 zu ändern.

      

2. Fügen Sie ein neues Measure hinzu, das die Gesamtzahl der Bankkunden zählt. Die anderen neuen Maßnahmen brauchen sie.

   1. Wählen Sie im oberen Menüband Neues Measure aus, um dem Dataset ein neues Element mit dem Namen customer_churn_test_predictions hinzuzufügen. Diese Aktion öffnet eine Funktionsleiste oberhalb der Tabelle.

   2. Jede Vorhersage stellt einen Kunden dar. Um die Gesamtzahl der Kunden zu ermitteln, ersetzen Sie Measure = in der Bearbeitungsleiste mit Folgendem:

      Customers = COUNT(customer_churn_test_predictions[predictions])
      

   3. Um die Formel anzuwenden, aktivieren Sie das Häkchen in der Bearbeitungsleiste.

3. Die Abwanderungsrate für Deutschland hinzufügen.

   1. Wählen Sie im oberen Menüband Neues Measure aus, um dem Dataset ein neues Element mit dem Namen customer_churn_test_predictions hinzuzufügen. Mit dieser Aktion wird eine Bearbeitungsleiste über der Tabelle geöffnet.

   2. Um die Abwanderungsrate für Deutschland zu ermitteln, ersetzen Sie Measure = in der Bearbeitungsleiste durch:

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

      Diese Anweisung extrahiert die Zeilen, die Deutschland als Geographie aufweisen („Geography_Germany“ ist eins).

   3. Um die Formel anzuwenden, aktivieren Sie das Häkchen in der Bearbeitungsleiste.

4. Wiederholen Sie den obigen Schritt, um den Churn für Frankreich und Spanien hinzuzufügen.

   • Spaniens Abwanderungsrate:

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

   • Frankreichs Abwanderungsrate:

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

Neuen Bericht erstellen

Nachdem Sie alle oben beschriebenen Vorgänge abgeschlossen haben, wählen Sie in der Oberen Menüband-Optionsliste "Datei" die Option " Neuen Bericht erstellen " aus, um die Power BI-Berichterstellungsseite zu öffnen, wie im folgenden Screenshot gezeigt:

Die Berichtsseite wird auf einer neuen Browserregisterkarte angezeigt. Fügen Sie dem Bericht die folgenden visuellen Elemente hinzu:

1. Wählen Sie das Textfeld im oberen Menüband aus, wie im folgenden Screenshot gezeigt:

   

   Geben Sie einen Titel für den Bericht ein, z. B. "Bank customer Churn", wie im folgenden Screenshot gezeigt:

   

   Ändern Sie die Schriftgröße und die Hintergrundfarbe im Bereich „Format“. Passen Sie den Schriftgrad und die Schriftfarbe an, indem Sie den Text markieren und die Formatleiste verwenden.

2. Wählen Sie im Bereich "Visualisierungen" das Kartensymbol aus, wie im folgenden Screenshot gezeigt:

   

3. Wählen Sie im Bereich "Daten " die Option "Churn Rate" aus, wie im folgenden Screenshot gezeigt:

   

4. Ändern Sie den Schriftgrad und die Hintergrundfarbe im Bereich "Format", wie im folgenden Screenshot gezeigt:

   

5. Ziehen Sie die Churn Rate-Karte oben rechts im Bericht, wie im folgenden Screenshot gezeigt:

   

6. Wählen Sie im Bereich "Visualisierungen" das Diagramm " Linie" und "Gestapelte Säulen" aus, wie im folgenden Screenshot gezeigt:

   

7. Das Diagramm wird im Bericht angezeigt. Wählen Sie im Datenausschnitt Folgendes aus:

   • Alter
   • Churn
   • Kundschaft

   wie im folgenden Screenshot gezeigt:

   

8. Konfigurieren Sie das Linien- und gestapelte Säulendiagramm, wie im folgenden Screenshot gezeigt.

   1. Ziehen Sie das Alter aus dem Datenbereich auf das Feld "X-Achse" im Bereich "Visualisierungen"
   2. Ziehen Sie Kunden aus dem Bereich "Daten" in das Feld "Linie y-Achse" im Bereich "Visualisierungen"
   3. Ziehen Sie Churn aus dem Datenausschnitt auf das Feld „Spalte y-Achse“ im Bereich „Visualisierungen“.

   Stellen Sie sicher, dass das Feld "Spalte y-Achse" nur eine Instanz von Churn-Rate aufweist. Löschen Sie alles andere aus diesem Feld.

   

9. Wählen Sie im Bereich Visualisierungen das Symbol Linie und Gestapelte Säulendiagramme aus. Wählen Sie wie bei der vorherigen Konfiguration des Linien- und gestapelten Säulendiagramms NumOfProducts für die x-Achse, Churn Rate für „Spalte y-Achse“ und Customers für „Linie y-Achse“ aus, wie im folgenden Screenshot gezeigt:

   

10. Bewegen Sie im Bereich "Visualisierungen" die rechte Seite der beiden Diagramme nach links, um Platz für zwei weitere Diagramme zu schaffen. Wählen Sie dann das Diagrammsymbol "Gestapelte Säulen" aus. Wählen Sie NewCreditsScore für x-Achse und Churn Rate für y-Achse aus, wie im folgenden Screenshot gezeigt:

    

    Ändern Sie den Titel "NewCreditsScore" in "Credit Score" im Bereich "Format", wie im folgenden Screenshot gezeigt. Möglicherweise müssen Sie die x-Achsengröße des Diagramms für diesen Schritt erweitern.

    

11. Wählen Sie im Bereich Visualisierungen das gruppierte Säulendiagramm aus. Wählen Sie Deutschland Churn, Spanien Churn, France Churn in dieser Reihenfolge für die y-Achse aus, wie im folgenden Screenshot gezeigt. Ändern Sie die Größe der einzelnen Berichtsdiagramme nach Bedarf.

    

Hinweis

In diesem Lernprogramm wird beschrieben, wie Sie die gespeicherten Vorhersageergebnisse in Power BI analysieren können. Aufgrund Ihres Fachwissens kann jedoch ein echter Anwendungsfall von Kundenabwanderung einen detaillierteren Plan bezüglich der spezifischen Visualisierungen erfordern, die der Bericht benötigt. Wenn Ihr Business Analytics-Team und Ihr Unternehmen standardisierte Metriken eingerichtet haben, sollten diese Metriken ebenfalls Teil des Plans werden.

Der Power BI-Bericht zeigt Folgendes:

• Bankkunden, die mehr als zwei der Bankprodukte verwenden, weisen eine höhere Abwanderungsrate auf, obwohl nur wenige Kunden mehr als zwei Produkte hatten. Die Bank sollte weitere Daten sammeln und auch andere Features untersuchen, die mit weiteren Produkten korrelieren (überprüfen Sie die Zeichnung im unteren linken Bereich).
• Bankkunden in Deutschland haben im Vergleich zu Kunden in Frankreich und Spanien eine höhere Abwanderungsrate (überprüfen Sie die Zeichnung unten rechts). Diese Abwanderungsraten deuten darauf hin, dass eine Untersuchung der Faktoren, die Kunden dazu ermutigten, zu verlassen, hilfreich werden könnte.
• Es gibt mehr Kunden im mittleren Alter (zwischen 25 und 45), und Kunden zwischen 45 und 60 tendieren dazu, eher abzuwandern.
• Bei Kunden mit geringer Kreditwürdigkeit ist die Wahrscheinlichkeit der Abwanderung zu anderen Finanzinstituten schließlich am größten. Die Bank sollte nach Möglichkeiten suchen, die Kunden mit niedrigerer Kreditwürdigkeit und einem geringeren Kontoguthaben zu ermutigen, bei der Bank zu bleiben.

Nächster Schritt

Damit ist die fünfteilige Reihe von Tutorials abgeschlossen. Weitere End-to-End-Beispiel-Tutorials finden Sie unter:

Verwenden von umfassenden KI-Beispielen in Microsoft Fabric