Menerapkan wawasan di Power BI untuk menjelaskan fluktuasi dalam visual
BERLAKU UNTUK:
Power BI Desktop layanan Power BI
Seringkali dalam visual, Anda melihat peningkatan besar dan kemudian penurunan nilai yang tajam, dan bertanya-tanya tentang penyebab fluktuasi tersebut. Dengan wawasan di Power BI , Anda bisa mempelajari penyebabnya hanya dengan beberapa klik.
Misalnya, pertimbangkan visual berikut yang menunjukkan Jumlah Penjualan menurut Tahun dan Kuartal. Penurunan penjualan yang besar terjadi pada tahun 2014, dengan penjualan turun tajam antara Kuartal 1 dan Kuartal 2. Dalam kasus seperti itu, Anda dapat menjelajahi data, untuk membantu menjelaskan perubahan yang terjadi.
Anda bisa memberi tahu Power BI untuk menjelaskan peningkatan atau penurunan bagan, melihat faktor distribusi dalam bagan, dan mendapatkan analisis cepat, otomatis, dan berwawasan tentang data Anda. Klik kanan pada titik data, dan pilih Analisis > Jelaskan penurunan (atau tingkatkan, jika bilah sebelumnya lebih rendah), atau Analisis > Temukan di mana distribusi ini berbeda dan wawasan dikirimkan kepada Anda di jendela yang mudah digunakan.
Fitur wawasan bersifat kontekstual, dan didasarkan pada titik data sebelumnya segera—seperti bilah sebelumnya, atau kolom.
Catatan
Fitur wawasan diaktifkan dan aktif secara default di Power BI.
Menggunakan wawasan
Untuk menggunakan wawasan untuk menjelaskan peningkatan atau penurunan yang terlihat pada bagan, cukup klik kanan pada titik data apa pun di bagan batang atau garis, dan pilih Analisis > Jelaskan peningkatan (atau Jelaskan penurunan, karena semua wawasan didasarkan pada perubahan dari titik data sebelumnya).
Power BI kemudian menjalankan algoritma pembelajaran mesinnya melalui data, dan mengisi jendela dengan visual dan deskripsi yang menjelaskan kategori mana yang paling memengaruhi peningkatan atau penurunan. Secara default, wawasan disediakan sebagai visual air terjun, seperti yang ditunjukkan pada gambar berikut.
Dengan memilih ikon kecil di bagian bawah visual air terjun, Anda dapat memilih agar wawasan menampilkan bagan sebar, bagan kolom bertumpuk, atau bagan pita.
Ikon jempol ke atas dan jempol ke bawah di bagian atas halaman disediakan sehingga Anda dapat memberikan umpan balik tentang visual dan fitur tersebut. Melakukannya memberikan umpan balik, tetapi saat ini tidak melatih algoritma untuk memengaruhi hasil yang dikembalikan saat Anda menggunakan fitur berikutnya.
Yang penting, tombol + di bagian atas visual memungkinkan Anda menambahkan visual yang dipilih ke laporan seolah-olah Anda membuat visual secara manual. Anda kemudian dapat memformat atau menyesuaikan visual yang ditambahkan sama seperti yang Anda lakukan pada visual lain pada laporan Anda. Anda hanya bisa menambahkan visual wawasan yang dipilih saat mengedit laporan di Power BI.
Anda dapat menggunakan wawasan saat laporan dalam mode membaca atau mengedit, menjadikannya serbaguna untuk menganalisis data, dan untuk membuat visual, Anda dapat dengan mudah menambahkan ke laporan Anda.
Detail hasil yang dikembalikan
Detail yang dikembalikan oleh wawasan dimaksudkan untuk menyoroti apa yang berbeda antara dua periode waktu, untuk membantu Anda memahami perubahan di antara keduanya.
Misalnya, jika Penjualan meningkat sebesar 55% secara keseluruhan dari Qtr 3 ke Qtr 4, dan itu sama-sama berlaku untuk setiap Kategori produk (penjualan Komputer meningkat sebesar 55%, dan Audio, dan sebagainya), dan juga berlaku untuk setiap negara atau wilayah, dan untuk setiap jenis pelanggan, maka ada sedikit yang dapat diidentifikasi dalam data untuk membantu menjelaskan perubahan. Namun, situasi itu umumnya tidak terjadi. Kami biasanya mungkin menemukan perbedaan dalam apa yang terjadi, sedemikian rupa sehingga di antara kategori, Komputer dan Peralatan Rumah Tangga tumbuh dengan persentase 63% yang jauh lebih besar, sementara TV dan Audio hanya tumbuh sebesar 23%, dan oleh karena itu Komputer dan Peralatan Rumah menyumbang jumlah total yang lebih besar untuk Qtr 4 daripada yang mereka miliki untuk Qtr 3. Mengingat contoh ini, penjelasan yang wajar tentang peningkatan adalah: terutama penjualan yang kuat untuk Komputer dan TV dan Audio.
Algoritma tidak hanya mengembalikan nilai yang memperhitungkan jumlah perubahan terbesar. Misalnya, jika sebagian besar (98%) penjualan berasal dari AS, maka biasanya terjadi bahwa sebagian besar peningkatan juga ada di AS. Namun kecuali AS atau negara/wilayah lain memiliki perubahan signifikan pada kontribusi relatif mereka terhadap total, negara atau wilayah tidak akan dianggap menarik dalam konteks ini.
Secara sederhana, algoritma dapat dianggap mengambil semua kolom lain dalam model dan menghitung perincian oleh kolom tersebut untuk periode waktu sebelum dan sesudah . Ini menentukan berapa banyak perubahan yang terjadi dalam perincian tersebut dan kemudian mengembalikan kolom tersebut dengan perubahan terbesar. Misalnya, Kategori dipilih dalam contoh sebelumnya. Kontribusi yang dibuat oleh TV dan Video turun 7% dari 33% menjadi 26%, sementara kontribusi dari Home Appliances tumbuh dari tidak ada yang lebih dari 6%.
Untuk setiap kolom yang dikembalikan, ada empat visual yang dapat ditampilkan. Tiga visual tersebut dimaksudkan untuk menyoroti perubahan kontribusi antara dua periode. Misalnya, untuk penjelasan tentang peningkatan dari Kuartal 2 ke Kuartal 3.
Plot sebar
Visual plot sebar menunjukkan nilai pengukuran pada periode pertama pada sumbu x terhadap nilai pengukuran pada periode kedua pada sumbu y untuk setiap nilai kolom Kategori . Dengan demikian seperti yang ditunjukkan pada gambar berikut, titik data apa pun berada di wilayah hijau jika nilainya meningkat dan di wilayah merah jika menurun.
Garis putus-putus menunjukkan kecocokan terbaik, dan dengan demikian, titik data di atas baris ini meningkat lebih dari tren keseluruhan, dan yang di bawahnya kurang.
Item data yang nilainya kosong dalam salah satu periode tidak akan muncul di plot sebar (misalnya, Peralatan Rumah dalam kasus ini).
Bagan kolom bertumpuk 100%
Visual bagan kolom bertumpuk 100% memperlihatkan nilai pengukuran sebelum dan sesudah, oleh kolom yang dipilih, diperlihatkan sebagai kolom bertumpuk 100%. Ini memungkinkan perbandingan berdampingan dari kontribusi sebelum dan sesudah. Tips alat menunjukkan kontribusi aktual untuk nilai yang dipilih.
Bagan pita
Visual bagan pita juga memperlihatkan nilai pengukuran sebelum dan sesudahnya. Ini berguna dalam menunjukkan perubahan kontribusi ketika ini sewaktu-waktu urutan kontributor berubah. Salah satu contohnya adalah jika Komputer adalah kontributor nomor satu sebelumnya, tetapi kemudian jatuh ke nomor tiga.
Bagan air terjun
Visual keempat adalah bagan air terjun, memperlihatkan peningkatan atau penurunan aktual di antara periode. Visual ini dengan jelas menunjukkan perubahan aktual, tetapi tidak sendirian menunjukkan perubahan pada tingkat kontribusi yang menyoroti mengapa kolom dipilih sebagai menarik.
Saat memberi peringkat kolom yang memiliki perbedaan terbesar dalam kontribusi relatif, berikut ini dipertimbangkan:
Kardinalitas diperhitungkan, karena perbedaannya kurang signifikan secara statistik, dan kurang menarik, ketika kolom memiliki kardinalitas besar.
Perbedaan untuk kategori di mana nilai asli tinggi atau mendekati nol ditimbang lebih tinggi dari yang lain. Misalnya, jika Kategori hanya berkontribusi 1% dari penjualan, dan ini berubah menjadi 6%, itu lebih signifikan secara statistik. Oleh karena itu dianggap lebih menarik, daripada Kategori yang kontribusinya berubah dari 50% menjadi 55%.
Berbagai heuristik digunakan untuk memilih hasil yang paling bermakna, misalnya dengan mempertimbangkan hubungan lain antara data.
Setelah wawasan memeriksa kolom yang berbeda, kolom yang menunjukkan perubahan terbesar pada kontribusi relatif dipilih dan output. Untuk masing-masing, nilai yang memiliki perubahan kontribusi paling signifikan dipanggil dalam deskripsi. Selain itu, nilai yang memiliki peningkatan dan penurunan aktual terbesar juga dipanggil.
Pertimbangan dan batasan
Karena wawasan ini didasarkan pada perubahan dari poin data sebelumnya, wawasan tersebut tidak tersedia saat Anda memilih poin data pertama dalam visual.
Daftar berikut adalah kumpulan skenario yang saat ini tidak didukung untuk menjelaskan peningkatan/penurunan:
- Filter TopN
- Menyertakan/mengecualikan filter
- Mengukur filter
- Langkah-langkah non-numerik
- Penggunaan "Tampilkan nilai sebagai"
- Langkah-langkah yang difilter - pengukuran yang difilter adalah perhitungan tingkat visual dengan filter tertentu yang diterapkan (misalnya, Total Penjualan untuk Prancis) dan digunakan pada beberapa visual yang dibuat oleh fitur wawasan
- Kolom kategoris pada sumbu X kecuali mendefinisikan pengurutan menurut kolom skalar. Jika menggunakan hierarki, setiap kolom dalam hierarki aktif harus cocok dengan kondisi ini
- Model data dengan dukungan RLS atau OLS
Selain itu, jenis model dan sumber data berikut saat ini tidak didukung untuk wawasan:
- DirectQuery
- Koneksi Langsung
- Layanan Pelaporan Lokal
- Penyematan
Fitur wawasan tidak mendukung laporan yang didistribusikan sebagai Aplikasi.
Konten terkait
Untuk informasi selengkapnya tentang Power BI, dan cara memulai, lihat: