Types d’informations pris en charge par Power BI
S’APPLIQUE À : Service Power BI pour les utilisateurs métier
Service Power BI pour les concepteurs et les développeurs
Power BI Desktop
Nécessite une licence Pro ou Premium
Demandez à Power BI d’examiner vos données et de rechercher des tendances et des modèles intéressants. Ces tendances et modèles sont présentés sous forme de visuels appelés insights. Des insights sont disponibles pour les visuels des tableaux de bord, les visuels des rapports et les pages de rapport entières.
Pour savoir comment utiliser les insights du tableau de bord, consultez Afficher des insights de données sur des vignettes de tableau de bord avec Power BI.
Comment fonctionnent les informations ?
Power BI effectue des recherches dans différents sous-ensembles de votre modèle sémantique et applique des algorithmes sophistiqués pour détecter les insights potentiellement intéressants. Vous pouvez exécuter des insights sur des vignettes de tableau de bord, des visuels de rapport et des pages de rapport.
Un peu de terminologie
Power BI utilise des algorithmes statistiques pour révéler les insights. Les algorithmes sont listés et décrits dans la section suivante de cet article. Avant de parler des algorithmes, voici les définitions de certains termes qui ne vous sont pas nécessairement familiers.
Mesure : une mesure est un champ (numérique) quantitatif qui peut être utilisé pour effectuer des calculs. La somme, la moyenne et le minimum sont des calculs courants. Par exemple, si notre société fabrique et vend des skateboards, nos mesures peuvent être le nombre de skateboards vendus et le bénéfice moyen par an.
Dimension : les dimensions sont des données (texte) de catégories. Une dimension décrit une personne, un objet, un élément, des produits, un lieu et une heure. Dans un modèle sémantique, les dimensions sont un moyen de regrouper des mesures en catégories utiles. Pour notre entreprise de skateboards, certaines dimensions peuvent consister à regarder les ventes (une mesure) par modèle, par couleur, par pays/région ou par campagne marketing.
Corrélation : une corrélation nous indique comment le comportement des éléments est lié. Si leurs modèles d’augmentation et de diminution sont similaires, ils sont corrélés positivement. Si leurs modèles sont opposés, ils sont corrélés négativement. Par exemple, les ventes de skates rouges augmentent chaque fois que nous faisons une campagne marketing à la télévision. Les ventes de skates rouges et la campagne marketing à la télévision sont positivement corrélées.
Série chronologique : une série chronologique est un moyen de montrer le temps sous forme de points de données successifs. Ces points de données peuvent être des incréments, comme des secondes, des heures, des mois ou des années.
Variable continue : une variable continue peut être n’importe quelle valeur comprise entre ses limites minimale et maximale. Dans le cas contraire, il s’agit d’une variable discrète. La température, le poids, l’âge et l’heure sont des exemples. Les variables continues peuvent inclure des fractions ou des parties de la valeur. Le nombre total de skateboards bleus vendus est une variable discrète dans la mesure où nous ne pouvons pas vendre un demi-skateboard.
Quels types d’insights pouvez-vous trouver ?
Pour les rapports, Power BI effectue de manière proactive des analyses afin de détecter des anomalies, des tendances et des indicateurs de performance clés. Pour les vignettes de tableau de bord, Power BI peut trouver 10 types d’insights.
Valeurs hors norme de catégorie (de haut en bas)
Met en évidence les cas où une ou deux catégories ont des valeurs supérieures à celles des autres catégories.
Points de changement dans une série chronologique
Met en surbrillance les cas où il existe des modifications significatives dans les tendances d’une série chronologique de données.
Corrélation
Détecte les cas où plusieurs mesures montrent un modèle ou une tendance semblable quand elles sont tracées sur une catégorie ou une valeur du modèle sémantique.
Écart faible
Détecte les cas où les points de données d’une dimension ne sont pas éloignés de la moyenne, donc la variation est faible. Supposons que vous avez la mesure « ventes » et une dimension « région ». Dans la région, vous constatez qu’il y a peu de différences entre les points de données et la moyenne (des points de données). L’aperçu se déclenche lorsque la variance des ventes dans toutes les régions est inférieure à un seuil. En d’autres termes, les ventes sont similaires dans toutes les régions.
Majorité (facteurs majeurs)
Recherche les cas où la majeure partie d’une valeur totale peut être attribuée à un facteur unique en cas de répartition par une autre dimension.
Valeurs hors norme
Ce type d’insight utilise un modèle de clustering pour rechercher les valeurs hors norme non liées au temps dans les données de série. Les valeurs hors norme détectent les catégories dont les valeurs sont sensiblement différentes de celles des autres catégories.
Tendances générales dans une série chronologique
Détecte les tendances vers le haut ou vers le bas dans les données d’une série chronologique.
Caractère saisonnier d’une série chronologique
Recherche des modèles récurrents dans les données d’une série chronologiques, comme un caractère saisonnier (hebdomadaire, mensuel ou annuel).
Partage stable
Met en évidence les cas où il existe une corrélation parent-enfant entre le partage d’une valeur enfant par rapport à la valeur globale du parent dans une variable continue. L’aperçu de partage stable s’applique au contexte d’une mesure, d’une dimension et d’une autre dimension date/heure. Cet insight se déclenche lorsqu’une certaine valeur de dimension, par exemple, « la région est », affiche un pourcentage constant de ventes globales sur cette dimension date/heure.
L’aperçu de partage stable est similaire à l’aperçu de faible écart, car ils sont tous deux liés au manque de variance d’une valeur dans le temps. Toutefois, l’aperçu de partage stable mesure le manque de variance du pourcentage global dans le temps, tandis que l’aperçu de faible variance mesure le manque de variance des valeurs de mesure absolues sur une dimension.
Valeurs hors norme d’une série chronologique
Pour les données d’une série chronologique, détecte les cas où il existe des dates ou heures avec des valeurs fondamentalement différentes des autres valeurs de date et d’heure.
Contenu connexe
D’autres questions ? Posez des questions à la Communauté Power BI.