Jenis wawasan yang didukung oleh Power BI
BERLAKU UNTUK: layanan Power BI untuk pengguna
bisnis layanan Power BI untuk perancang & pengembang
Power BI Desktop
Memerlukan lisensi Pro atau Premium
Minta Power BI untuk melihat data Anda dan menemukan tren dan pola yang menarik. Tren dan pola ini disajikan sebagai visual yang disebut Wawasan. Insights tersedia untuk visual di dasbor, visual dalam laporan, dan seluruh halaman laporan.
Untuk mempelajari cara menggunakan insight dasbor, lihat Menampilkan wawasan data pada petak peta dasbor dengan Power BI.
Bagaimana cara kerja Insights?
Power BI mencari subset yang berbeda dari model semantik Anda dan menerapkan serangkaian algoritma canggih untuk menemukan wawasan yang berpotensi menarik. Anda dapat menjalankan Insights pada petak peta dasbor, visual laporan, dan halaman laporan.
Beberapa terminologi
Power BI menggunakan algoritme statistik untuk mengungkap Insights. Algoritme dicantumkan dan dijelaskan di bagian berikutnya dari artikel ini. Sebelum kita sampai ke algoritma, berikut adalah definisi untuk beberapa istilah yang mungkin tidak dikenal.
Pengukuran - Ukuran adalah bidang kuantitatif (numerik) yang dapat digunakan untuk melakukan perhitungan. Perhitungan umum adalah jumlah, rata-rata, dan minimum. Misalnya, jika perusahaan kami membuat dan menjual skateboard, ukuran kami mungkin jumlah skateboard yang dijual dan laba rata-rata per tahun.
Dimensi - Dimensi adalah data kategoris (teks). Dimensi menjelaskan seseorang, objek, item, produk, tempat, dan waktu. Dalam model semantik, dimensi adalah cara untuk mengelompokkan pengukuran ke dalam kategori yang berguna. Untuk perusahaan skateboard kami, beberapa dimensi mungkin termasuk melihat penjualan (ukuran) berdasarkan model, warna, negara/wilayah, atau kampanye pemasaran.
Korelasi - Korelasi memberi tahu kita bagaimana perilaku hal-hal terkait. Jika pola peningkatan dan penurunannya serupa, pola tersebut berkorelasi positif. Jika polanya berlawanan, pola tersebut berkorelasi negatif. Misalnya, penjualan skateboard merah meningkat setiap kali kami menjalankan kampanye pemasaran tv. Penjualan skateboard merah dan kampanye pemasaran tv berkorelasi positif.
Rangkaian waktu - Rangkaian waktu adalah cara menampilkan waktu sebagai titik data berturut-turut. Poin data tersebut bisa menjadi pertambahan seperti detik, jam, bulan, atau tahun.
Variabel berkelanjutan - Variabel berkelanjutan dapat berupa nilai apa pun antara batas minimum dan maksimumnya, jika tidak, itu adalah variabel diskrit. Contohnya adalah suhu, berat badan, usia, dan waktu. Variabel berkelanjutan dapat mencakup pecahan atau bagian dari nilai. Jumlah total skateboard biru yang dijual adalah variabel diskrit karena kita tidak dapat menjual setengah skateboard.
Jenis wawasan apa yang dapat Anda temukan?
Untuk laporan, Power BI secara proaktif melakukan analisis untuk anomali, tren, dan KPI. Untuk petak peta dasbor, Power BI dapat menemukan 10 jenis Insight.
Outlier kategori (atas/bawah)
Menyoroti kasus di mana satu atau dua kategori memiliki nilai yang lebih besar daripada kategori lainnya.
Mengubah titik dalam rangkaian waktu
Menyoroti saat ada perubahan tren yang signifikan dalam rangkaian waktu data.
Korelasi
Mendeteksi kasus di mana beberapa pengukuran menunjukkan pola atau tren serupa saat diplot terhadap kategori atau nilai dalam model semantik.
Varian Rendah
Mendeteksi kasus di mana titik data untuk dimensi tidak jauh dari rata-rata, sehingga variansnya rendah. Katakanlah Anda memiliki ukuran "penjualan" dan "wilayah" dimensi. Dan melihat di seluruh wilayah Anda melihat bahwa ada sedikit perbedaan antara titik data dan rata-rata (dari poin data). Wawasan memicu saat varian penjualan di semua wilayah berada di bawah ambang batas. Dengan kata lain, ketika penjualan serupa di semua wilayah.
Mayoritas (Faktor utama)
Menemukan kasus di mana sebagian besar nilai total dapat dikaitkan dengan satu faktor saat dipecah oleh dimensi lain.
Pencilan
Jenis wawasan ini menggunakan model pengklusteran untuk menemukan outlier yang tidak terkait dengan waktu dalam data seri. Outlier mendeteksi kapan ada kategori tertentu dengan nilai yang secara signifikan berbeda dari kategori lainnya.
Tren keseluruhan dalam rangkaian waktu
Mendeteksi tren ke atas atau ke bawah dalam data rangkaian waktu.
Musiman dalam rangkaian waktu
Menemukan pola berkala dalam data rangkaian waktu, seperti musiman mingguan, bulanan, atau tahunan.
Saham tetap
Menyoroti kasus di mana ada korelasi induk-anak antara berbagi nilai anak sehubungan dengan nilai keseluruhan induk di seluruh variabel berkelanjutan. Wawasan berbagi yang stabil berlaku untuk konteks pengukuran, dimensi, dan dimensi tanggal/waktu lainnya. Wawasan ini memicu ketika nilai dimensi tertentu, misalnya "wilayah timur", memiliki persentase penjualan keseluruhan yang stabil di seluruh dimensi tanggal/waktu tersebut.
Wawasan berbagi yang stabil mirip dengan wawasan varians rendah, karena keduanya berkaitan dengan kurangnya varian nilai di seluruh waktu. Namun, wawasan berbagi yang stabil mengukur kurangnya varian persentase keseluruhan sepanjang waktu, sementara wawasan varians rendah mengukur kurangnya varians nilai pengukuran absolut di seluruh dimensi.
Outlier rangkaian waktu
Untuk data di seluruh rangkaian waktu, mendeteksi kapan ada tanggal atau waktu tertentu dengan nilai yang secara signifikan berbeda dari nilai tanggal/waktu lainnya.
Konten terkait
Ada pertanyaan lagi? Tanyakan kepada Komunitas Power BI.