Del via

Opplæring del 5: Visualisere prognoser med en Power BI-rapport

I denne opplæringen bygger du en Power BI-rapport fra prognosedataene du genererte i del 4: Utfør satsvis poengsum og lagre prognoser til et lakehouse.

Du lærer hvordan du gjør følgende.

  • Opprette en semantisk modell fra prognosedataene
  • Legge til nye mål i dataene fra Power BI
  • Opprett en Power BI-rapport
  • Legge til visualiseringer i rapporten

Forutsetning

  • Få et Microsoft Fabric-abonnement. Eller registrer deg for en gratis prøveversjon av Microsoft Fabric.

  • Logg på Microsoft Fabric.

  • Bytt til Fabric ved å bruke erfaringsbryteren nederst til venstre på hjemmesiden din.

    Skjermbilde som viser valget av Fabric i menyen for opplevelsesbytter.

Dette er del 5 av 5 i opplæringsserien. Hvis du vil fullføre denne opplæringen, må du først fullføre:

Opprette en semantisk modell

Opprett en ny semantisk modell som er knyttet til prognosedataene du produserte i del 4:

  1. Velg arbeidsområdet til venstre.

  2. Velg Lakehouse øverst til høyre som et filter, som vist i følgende skjermbilde:

    Skjermbilde som viser utvalget av Lakehouse som et avmerkingsboksfilter.

  3. Velg lakehouse som du brukte i de forrige delene av opplæringsserien, som vist i følgende skjermbilde:

    Skjermbilde som viser valg av et bestemt lakehouse å bruke.

  4. Velg Ny semantisk modell på det øverste båndet, som vist i følgende skjermbilde:

    Skjermbilde av hjemmesiden for lakehouse-brukergrensesnittet, som viser hvor du velger alternativet Ny semantisk modell på båndet.

  5. Gi den semantiske modellen et navn - for eksempel "bank churn spådommer." Velg deretter customer_churn_test_predictions datasettet som vist i følgende skjermbilde:

    Skjermbilde av dialogboksen Ny semantisk modell, som viser hvor du velger de riktige dataene og velger Fortsett.

  6. Velg Bekreft.

Legg til nye mål

Legg til noen mål i den semantiske modellen:

  1. Legg til et nytt mål for frafallsfrekvensen.

    1. Velg Nytt mål på det øverste båndet. Denne handlingen legger til et nytt element kalt Måli customer_churn_test_predictions-datasettet , og det åpner en formellinje over tabellen, som vist i følgende skjermbilde:

      Skjermbilde som viser oppretting av et nytt mål.

    2. Hvis du vil bestemme gjennomsnittlig beregnet frafallsfrekvens, erstatter Measure = du i formellinjen med følgende kodesnutt:

      Churn Rate = AVERAGE(customer_churn_test_predictions[predictions])

    3. Hvis du vil bruke formelen, merker du av for formellinjen, som vist i følgende skjermbilde:

      Skjermbilde som viser merket for formellinjen.

      Det nye målet vises i datatabellen, som vist i følgende skjermbilde:

      Skjermbilde som viser det nye målet i datatabellen. Kalkulatorikonet angir at det ble opprettet som et mål. Velg frafallsfrekvensmålet i datatabellen. Deretter gjør du følgende valg, som vist i følgende skjermbilde:

    4. Endre formatet fra Generelt til Prosent i Egenskaper-panelet .

    5. Rull ned i Egenskaper-panelet for å endre desimaler til 1.

      Skjermbilde som viser det nye frafallsfrekvensmålet med egenskaper angitt.

  2. Legg til et nytt mål som teller totalt antall bankkunder. De andre nye tiltakene trenger det.

    1. Velg Nytt mål på det øverste båndet for å legge til et nytt element kalt Mål i customer_churn_test_predictions datasettet. Denne handlingen åpner en formellinje over tabellen.

    2. Hver prognose representerer én kunde. Hvis du vil bestemme totalt antall kunder, erstatter Measure = du i formellinjen med:

      Customers = COUNT(customer_churn_test_predictions[predictions])

    3. Hvis du vil bruke formelen, merker du av for formellinjen.

  3. Legg til frafallsfrekvensen for Tyskland.

    1. Velg Nytt mål på det øverste båndet for å legge til et nytt element kalt Mål i customer_churn_test_predictions datasettet. Denne handlingen åpner en formellinje over tabellen.

    2. Hvis du vil bestemme frafallsfrekvensen for Tyskland, erstatter Measure = du i formellinjen med:

      Germany Churn = CALCULATE(AVERAGE(customer_churn_test_predictions[predictions]),FILTER(customer_churn_test_predictions, customer_churn_test_predictions[Geography_Germany] = TRUE()))

      Denne erklæringen trekker ut de radene som har Tyskland som geografi (Geography_Germany er lik én).

    3. Hvis du vil bruke formelen, merker du av for formellinjen.

  4. Gjenta forrige trinn for å legge til churn priser for Frankrike og Spania.

    • Spanias churn rate:

      Spain Churn = CALCULATE(AVERAGE(customer_churn_test_predictions[predictions]),FILTER(customer_churn_test_predictions, customer_churn_test_predictions[Geography_Spain] = TRUE()))

    • Frankrikes churn rate:

      France Churn = CALCULATE(AVERAGE(customer_churn_test_predictions[predictions]),FILTER(customer_churn_test_predictions, customer_churn_test_predictions[Geography_France] = TRUE()))

Opprette en ny rapport

Når du har fullført alle operasjonene som er beskrevet tidligere, velger du Opprett ny rapport i listen over filalternativer øverst på båndet for å åpne redigeringssiden for Power BI-rapporten, som vist i følgende skjermbilde:

Skjermbilde som viser hvordan du oppretter en rapport.

Rapportsiden vises i en ny nettleserfane. Legg til disse visualobjektene i rapporten:

  1. Merk tekstboksen øverst på båndet, som vist i følgende skjermbilde:

    Skjermbilde som viser hvor du finner tekstboksalternativet på båndet.

    Skriv inn en tittel for rapporten – for eksempel «Bank Customer Churn» som vist i følgende skjermbilde:

    Skjermbilde som viser angitt verdi i en rapporttekstboks.

    Endre skriftstørrelse og bakgrunnsfarge i Format-panelet. Juster skriftstørrelsen og fargen ved å merke teksten og bruke formatlinjen.

  2. Velg Kort-ikonet i Visualiseringer-panelet, som vist i følgende skjermbilde:

    Skjermbilde som viser valg av ikonet for kortvisualisering.

  3. Velg Frafallsfrekvens i dataruten, som vist i følgende skjermbilde:

    Skjermbilde som viser valg av frafallsfrekvens i dataruten.

  4. Endre skriftstørrelse og bakgrunnsfarge i Format-panelet, som vist i følgende skjermbilde:

    Skjermbilde som viser alternativer for rapportformatering.

  5. Dra frafallsfrekvenskortet øverst til høyre i rapporten, som vist i følgende skjermbilde:

    Skjermbilde som viser den nye plasseringen av Churn Rate-kortet.

  6. Velg linjediagrammet og stablet stolpediagram i Visualiseringer-panelet, som vist i følgende skjermbilde:

    Skjermbilde som viser valg av linjediagram og stablet stolpediagram.

  7. Diagrammet vises i rapporten. Velg i Data-ruten

    • Alder
    • Frafallsrate
    • Kunder

    som vist i følgende skjermbilde:

    Skjermbilde som viser valg av alternativer for datarute.

  8. Konfigurer linjediagrammet og stablet stolpediagram, som vist i skjermbildet nedenfor.

    1. Dra alder fra dataruten til X-aksefeltet i Visualiseringer-ruten
    2. Dra kunder fra dataruten til feltet Linje y-akse i Visualiseringer-ruten
    3. Dra Frafallsfrekvens fra Data-ruten til feltet kolonne y-akse i Visualiseringer-ruten

    Kontroller at feltet kolonne y-akse bare har én forekomst av frafallsfrekvens. Slett alt annet fra dette feltet.

    Skjermbilde som viser valg av alternativer for dataruten og visualiseringsruten.

  9. Velg ikonet Linje og stablet stolpediagram i Visualiseringer-panelet. Velg NumOfProducts for x-akse, Frafallsfrekvens for kolonne y-akse og Kunder for linjey-aksen, som vist i følgende skjermbilde, med trinn som ligner på den tidligere konfigurasjonen av linjediagrammet og stablet stolpediagram:

    Skjermbilde som viser tillegg av et stablet stolpediagram med NumOfProducts.

  10. Flytt høyre side av de to diagrammene til venstre i Visualiseringer-panelet for å gi plass til to diagrammer til. Velg deretter ikonet stablet stolpediagram . Velg NewCreditsScore for x-akse og frafallsfrekvens for y-aksen som vist i følgende skjermbilde:

    Skjermbilde som viser hvordan du legger til et stablet stolpediagram med NewCreditScore.

    Endre tittelen "NewCreditsScore" til "Credit Score" i Format-panelet, som vist i følgende skjermbilde. Du må kanskje utvide x-aksestørrelsen for diagrammet for dette trinnet.

    Skjermbilde som viser hvordan du endrer diagramtittelen.

  11. Velg kortet gruppert stolpediagram i Visualiseringer-panelet. Velg Tyskland Churn, Spania Churn, Frankrike Churn i den rekkefølgen for y-aksen, som vist i følgende skjermbilde. Endre størrelsen på de individuelle rapportdiagrammene etter behov.

    Skjermbilde som viser det grupperte stolpediagrammet.

Merk

Denne opplæringen beskriver hvordan du kan analysere de lagrede prognoseresultatene i Power BI. Basert på fagekspertisen kan det imidlertid hende at en ekte kunde frafallsbrukstilfelle trenger en mer detaljert plan om de spesifikke visualiseringene rapporten krever. Hvis teamet for forretningsanalyse og firmaet har etablert standardiserte måledata, bør disse måledataene også bli en del av planen.

Power BI-rapporten viser at:

  • Bankkunder som bruker mer enn to av bankproduktene har en høyere frafallsrate, selv om få kunder hadde mer enn to produkter. Banken bør samle inn mer data, og også undersøke andre funksjoner som korrelerer med flere produkter (se gjennom plottet nederst til venstre).
  • Bankkunder i Tyskland har en høyere frafallsrate sammenlignet med kunder i Frankrike og Spania (se gjennom plottet i nedre høyre panel). Disse churn priser tyder på at en undersøkelse om faktorene som oppfordret kundene til å forlate kan bli nyttig.
  • Det er flere middelaldrende kunder (mellom 25-45), og kunder mellom 45-60 har en tendens til å avslutte mer.
  • Til slutt vil kunder med lavere kredittscore mest sannsynlig forlate banken for andre finansinstitusjoner. Banken bør se etter måter å oppmuntre kunder med lavere kredittscore og kontosaldoer til å holde seg hos banken.

Neste trinn

Dette fullfører opplæringsserien i fem deler. Se andre ende-til-ende-eksempelopplæringer:

Slik bruker du ende-til-ende AI-eksempler i Microsoft Fabric

  • Last updated on