AI 시각적 개체를 사용하여 인사이트 얻기
AI 시각적 개체는 포함된 기계 학습 및 자연어 처리를 사용하여 데이터를 보다 잘 이해할 수 있게 하여 더 많은 인사이트를 제공합니다. 다른 시각적 개체와 마찬가지로 시각화 창에서 AI 시각적 개체를 찾을 수 있습니다.
이 단원에서는 분해 트리, 질문 및 답변, 주요 영향 요인과 같은 AI 시각적 개체를 살펴봅니다.
분해 트리를 사용한 측정값 평가
분해 트리는 여러 차원에서 다양한 특성을 기준으로 측정값을 분석할 수 있는 대화형 시각적 개체입니다.
분해 트리는 문제의 근본에 도달할 때까지 “왜”를 지속적으로 묻는 기능인 근본 원인 분석에 유용합니다. 프로세스가 제대로 실행되거나 제대로 되지 않는 경우 “누가” 및 “어떻게”를 살펴보는 것이 좋습니다.
분해 트리를 작성할 때는 특정 측정값으로 시작한 후 다양한 방법을 선택하여 해당 측정값을 분석합니다. 이전 예제에서 할인을 살펴보고 할인 발생 위치 및 가장 많은 할인을 받고 있는 항목을 확인합니다. 분해 트리를 사용하면 할인을 제공하지 않는 부분을 확인할 수 있어 더 큰 이윤을 낼 수 있습니다. 또한 할인과 판매 수량 간의 관계를 살펴보고 원하는 제품 이동 효과가 있는지 평가할 수 있습니다.
질문 및 답변 시각적 개체를 사용하여 질문하기
Q&A 시각적 개체를 사용하면 사용자가 자연어로 질문하고 시각적 개체 형태로 답변을 얻을 수 있습니다. Power BI는 표시된 데이터를 기반으로 시각적 개체를 선택합니다. Q&A 시각적 개체를 사용하여 직관적인 자연어 기능을 통해 데이터를 살펴볼 수 있습니다. 질문 및 답변 시각적 개체는 Power BI의 데이터에 관한 결과만 제공합니다.
기본 질문이 제공되지만, 데이터의 특정 차원 멤버 관련 질문과 같이 데이터에 대한 자세한 질문할 수도 있습니다. 질문 및 답변에서 만든 시각적 개체가 마음에 든다면 통합 문서의 나머지 부분에서 사용하기 위해 해당 시각적 개체를 변환할 수도 있습니다.
주요 영향 요인을 포함한 기계 학습 사용
주요 영향 요인 기능에서는 기계 학습을 사용하여 메트릭을 구동하는 요소를 찾을 수 있습니다. 주요 영향 요인에서는 데이터를 분석하고 중요한 요소의 순위를 지정한 후 해당 요소를 주요 영향 요인으로 표시합니다.
예를 들어 NPS(Net Promoter Score) 설문 조사의 결과를 볼 수 있습니다. 설문 조사에서 낮은 점수를 반환한 사람들 간의 공통점을 식별할 수 있습니다. 다음으로, 파악하려는 메트릭을 채운 다음 증가 또는 감소에 영향을 줄 수 있다고 생각되는 필드를 추가합니다. 이 프로세스에 대해서는 랩에서 자세히 설명합니다.