Megosztás a következőn keresztül:


A Power BI által támogatott elemzések típusai

A következőkre vonatkozik:Power BI szolgáltatás üzleti felhasználók számára Power BI szolgáltatás tervezőknek és fejlesztőknekA Power BI Desktop Pro- vagy Premium-licencet igényel

Kérje meg a Power BI-t, hogy vizsgálja meg az adatokat, és keressen érdekes trendeket és mintázatokat. Ezeket a trendeket és mintákat insights nevű vizualizációkként jelenítjük meg. Az elemzések irányítópultokon, jelentések vizualizációiban és teljes jelentésoldalakon lévő vizualizációkhoz érhetők el.

Az irányítópult-elemzések használatának megismeréséhez tekintse meg az irányítópult-csempék adatelemzéseinek megtekintése a Power BI-ban című témakört.

Képernyőkép az Elemzések csoportról, kiemelve az Elemzések panelt.

Hogyan működik az Insights?

A Power BI megkeresi a szemantikai modell különböző részhalmazait, és kifinomult algoritmusok készletét alkalmazza a potenciálisan érdekes megállapítások felderítéséhez. Az elemzéseket irányítópult-csempéken, jelentésvizualizációkon és jelentésoldalakon futtathatja.

Néhány terminológia

A Power BI statisztikai algoritmusokkal fedi fel az Insightst. Az algoritmusokat a cikk következő szakasza sorolja fel és ismerteti. Mielőtt eljutunk az algoritmusokhoz, íme néhány ismeretlen kifejezés definíciója.

  • Mérték – A mérték egy mennyiségi (numerikus) mező, amely számítások elvégzésére használható. A gyakori számítások az összeg, az átlag és a minimum. Ha például vállalatunk gördeszkaárut készít és értékesít, akkor a mértékeink lehetnek az eladott gördeszkák száma és az évi átlagos nyereség.

  • Dimenzió – A dimenziók kategorikus (szöveges) adatok. A dimenzió egy személyt, objektumot, tárgyat, terméket, helyet és időt ír le. A szemantikai modellekben a dimenziók segítségével a mértékeket hasznos kategóriákba csoportosíthatja. A gördeszka vállalat számára bizonyos dimenziók lehetnek például az értékesítések (mértékek) modell, szín, ország/régió vagy marketingkampány alapján történő megvizsgálása.

  • Korreláció – A korreláció megmutatja, hogyan viszonyulnak egymáshoz a dolgok viselkedése. Ha a növekedés és a csökkenés mintái hasonlóak, akkor pozitívan korrelálnak. Ha a minták ellentétesek, akkor negatívan korrelálnak. Például a vörös gördeszka eladása növekszik minden alkalommal, amikor egy televíziós marketingkampányt futtatunk. A vörös gördeszka és a televíziós marketingkampány értékesítése pozitívan korrelál.

  • Idősor – Az idősorok egymást követő adatpontokként jelenítik meg az időt. Ezek az adatpontok lehetnek például másodpercek, órák, hónapok vagy évek.

  • Folyamatos változó – A folyamatos változó bármilyen érték lehet a minimális és a maximális korlátja között, ellenkező esetben különálló változó. Ilyen például a hőmérséklet, a súly, az életkor és az idő. A folyamatos változók az érték törtrészeit vagy részeit is tartalmazhatják. Az eladott kék gördeszka teljes száma diszkrét változó, mivel fél gördeszka nem értékesíthető.

Milyen típusú megállapításokat talál?

Jelentések esetében a Power BI proaktívan végez elemzéseket az anomáliák, trendek és KPI-k alapján. Az irányítópult-csempék esetében a Power BI 10 elemzéstípust talál.

Kategória-kiugró értékek (felül/alul)

Kiemeli azokat az eseteket, amikor egy vagy két kategória nagyobb értékekkel rendelkezik, mint a többi kategória.

Képernyőkép egy kategória-kiugró elemzési jelentés ablakáról.

Idősorok pontjainak módosítása

Kiemeli, ha az adatsorok trendjei jelentős mértékben változnak.

Képernyőkép az idősoros Insight-vizualizáció változási pontjairól.

Korreláció

Észleli azokat az eseteket, amikor több mérték is hasonló mintát vagy trendet mutat, ha a szemantikai modell egy kategóriájához vagy értékéhez van ábrázolva.

Képernyőkép egy korrelációs megállapítás vizualizációról.

Alacsony variancia

Észleli azokat az eseteket, amikor egy dimenzió adatpontjai nem messze vannak a középértéktől, ezért a variancia alacsony. Tegyük fel, hogy rendelkezik az "értékesítés" mértékmel és egy "régió" dimenzióval. A régiót végignézve láthatja, hogy az adatpontok és a középérték (az adatpontok) között kevés a különbség. Az elemzés akkor aktiválódik, ha az összes régióban az értékesítések szórása nem éri el a küszöbértéket. Más szóval, ha az értékesítések minden régióban hasonlóak.

Képernyőkép egy alacsony varianciájú Insight-vizualizációról.

Többség (főbb tényezők)

Megkeresi azokat az eseteket, amikor a teljes érték nagy része egyetlen tényezőhöz rendelhető egy másik dimenzió szerinti bontásban.

Képernyőkép egy többségi Insight-vizualizációról.

Kiugró értékek

Ez az elemzéstípus fürtözési modellt használ az adatsoradatokban szereplő időhöz nem kapcsolódó kiugró értékek megkeresésére. A kiugró értékek észlelik, ha vannak olyan kategóriák, amelyek értékei jelentősen eltérnek a többi kategóriától.

Képernyőkép egy kiugró elemzési vizualizációról.

Az idősoradatok felfelé vagy lefelé mutató trendjeit észleli.

Képernyőkép egy általános trendelemző vizualizációról.

Szezonalitás az idősorokban

Rendszeres mintákat keres az idősoradatokban, például heti, havi vagy éves szezonalitásban.

Képernyőkép a szezonalitásról az Time Insight-vizualizációban.

Állandó részesedés

Azokat az eseteket emeli ki, amikor szülő-gyermek korreláció áll fenn a gyermekértékek aránya között a szülő teljes értékéhez viszonyítva egy folyamatos változóban. Az állandó megosztási megállapítás egy mérték, egy dimenzió és egy másik dátum/idő dimenzió kontextusára vonatkozik. Ez az elemzés akkor aktiválódik, ha egy adott dimenzióérték, például a "keleti régió" az adott dátum/idő dimenzió teljes értékesítésének állandó százalékos arányával rendelkezik.

Az állandó megosztási megállapítás hasonló az alacsony variancia-megállapításhoz, mivel mindkettő az értékek időbeli eltérésének hiányához kapcsolódik. Az állandó megosztási megállapítás azonban az összesített százalékos eltérés hiányát méri az egész idő alatt, míg az alacsony variancia-megállapítás az abszolút mértékértékek eltérésének hiányát méri egy dimenzióban.

Képernyőkép egy állandó megosztású Insight-vizualizációról.

Idősorozat-kiugró értékek

Az idősorok adatai esetében észleli, ha vannak olyan dátumok vagy időpontok, amelyek értékei jelentősen eltérnek a többi dátum/idő értékétől.

Képernyőkép egy idősoros Insight-vizualizációról.

Van még esetleg kérdése? Kérdezze meg a Power BI-közösség.