Criar e exibir visuais de árvore hierárquica no Power BI

APLICA-SE A: Power BI Desktop Serviço do Power BI

O visual da árvore de decomposição no Power BI permite que você visualize os dados em várias dimensões. Ele agrega dados automaticamente e permite fazer busca detalhada em suas dimensões em qualquer ordem. Também é uma visualização de IA (inteligência artificial), para que você possa encontrar a próxima dimensão para fazer busca detalhada com base em determinados critérios. Essa ferramenta é valiosa para exploração ad hoc e para condução de análises de causas raiz.

Screenshot showing a full decomposition tree.

Este tutorial usa dois exemplos:

  • Um cenário de cadeia de fornecimento que analisa a porcentagem de produtos que uma empresa tem em ordem pendente (fora de estoque).
  • Um cenário de vendas que divide as vendas de videogames por vários fatores, como gênero e distribuidor do jogo.

Para o Power BI Desktop, você pode baixar o modelo semântico de cenário da cadeia de suprimentos. Se você quiser usar o serviço do Power BI, baixe Supply Chain Sample.pbix e carregue-o em um workspace no serviço do Power BI.

Observação

Compartilhar seu relatório com um colega do Power BI exige que você tenha licenças de Power BI Pro individuais ou que o relatório seja salvo na capacidade Premium.

Introdução

Selecione o ícone de árvore de decomposição no painel Visualizações.

Decomposition tree watermark.

A visualização requer dois tipos de entrada:

  • Analisar – a métrica que você gostaria de analisar. Deve ser uma medida ou uma agregação.
  • Explicar por – uma ou mais dimensões em que você gostaria de fazer uma busca detalhada.

Depois de arrastar a medida para o campo, as atualizações visuais mostram a medida agregada. No exemplo a seguir, estamos visualizando a porcentagem média de produtos em ordem pendente (5,07%).

Decomposition tree root node.

A próxima etapa é colocar uma ou mais dimensões nas quais você deseja fazer uma busca detalhada. Adicione esses campos ao bucket Explicar por. Observe que um sinal de adição aparece ao lado do nó raiz. Selecione o + para escolher qual campo analisar (você pode analisar os campos na ordem que preferir).

Screenshot showing the plus icon selected which displays options from the Explain by list.

Selecionar Desvio de previsão resulta na expansão da árvore e na divisão da medida pelos valores na coluna. Para repetir esse processo, escolha outro nó para análise.

Decomposition tree expansion.

Selecionar um nó do último nível filtra os dados de forma cruzada. A seleção de um nó de um nível anterior altera o caminho.

Animation shows selecting a node from an earlier level and how it changes the display to show its children nodes.

Interagir com outros visuais filtra de forma cruzada a árvore de decomposição. Como resultado, a ordem dos nós nos níveis pode ser alterada.

Para mostrar um cenário diferente, o exemplo a seguir analisa as vendas de videogames por distribuidor.

Animation shows selecting cross filters which affect which nodes are displayed.

Quando filtramos a árvore pela Ubisoft, o caminho é atualizado para mostrar as vendas do Xbox passando do primeiro para o segundo lugar, superados pelo PlayStation.

Se, em seguida, filtrarmos de forma cruzada a árvore por Nintendo, as vendas do Xbox ficarão em branco porque não há jogos da Nintendo desenvolvidos para o Xbox. O Xbox, junto com seu caminho subsequente, fica fora do modo de exibição.

Apesar do caminho desaparecer, os níveis existentes (neste caso, Gênero de jogo) permanecem fixados na árvore. A seleção do nó Nintendo, portanto, expande automaticamente a árvore para o Gênero de jogo.

Divisões de IA

Você pode usar "Divisões de IA" para descobrir onde deve procurar os próximos dados. Essas divisões aparecem na parte superior da lista e são marcadas com uma lâmpada. As divisões existem para ajudar você a localizar automaticamente valores altos e baixos nos dados.

A análise pode funcionar de duas maneiras, dependendo das suas preferências. Usando o exemplo da cadeia de fornecedores novamente, o comportamento padrão é o seguinte:

  • Valor alto: considera todos os campos disponíveis e determina qual deles analisar para obter o valor mais alto da medida que está sendo analisada.
  • Valor baixo: considera todos os campos disponíveis e determina qual deles analisar para obter o valor mais baixo da medida que está sendo analisada.

Selecione Alto Valor usando o sinal de adição ao lado de Intermitente. Uma nova coluna marcada como Tipo de Produto é exibida.

Decomposition tree AI split.

Uma lâmpada aparece ao lado de Tipo de produto, indicando que essa coluna foi uma "Divisão de IA". A árvore também fornece uma linha pontilhada que recomenda o nó Monitoramento do paciente, indicando o valor mais alto de ordens pendentes (9,2%).

Passe o mouse sobre a lâmpada para ver uma dica de ferramenta. Neste exemplo, a dica de ferramenta é “A % em ordem pendente é maior quando o Tipo de produto é Monitoramento de paciente”.

Você pode configurar o visual para localizar divisões de IA Relativas, ao contrário das Absolutas.

O modo relativo procura valores altos que se destacam (em comparação com o restante dos dados na coluna). Vamos examinar as vendas de videogames novamente como exemplo:

Decomposition tree absolute split.

Na captura de tela acima, vemos as vendas de videogames na América do Norte. Primeiro, dividimos a árvore por Nome do distribuidor e, em seguida, detalhamos Nintendo. A seleção de Valor alto resulta na expansão de Plataforma é Nintendo. Como a Nintendo (distribuidora) apenas desenvolve para os consoles Nintendo, há apenas um valor presente e, portanto, não é surpreendente ser o valor mais alto.

No entanto, uma divisão mais interessante seria examinar qual valor alto se destaca em relação a outros valores na mesma coluna. Se alterarmos o Tipo de análise de Absoluta para Relativa, obteremos o seguinte resultado para Nintendo:

Decomposition tree relative split.

Desta vez, o valor recomendado é Plataforma dentro do Gênero de jogo. A plataforma não produz um valor absoluto mais alto do que Nintendo (U$ 19.950.000 contra U$ 46.950.000). No entanto, é um valor que se destaca.

Mais precisamente, como há 10 valores de Gênero de jogo, o valor esperado para a Plataforma seria U$ 4,6 milhões se fossem divididos uniformemente. Como a Plataforma tem um valor de quase U$ 20 milhões, esse é um resultado interessante porque é quatro vezes maior do que o resultado esperado.

O cálculo é o seguinte:

Vendas na América do Norte da Plataforma/Abs(média(Vendas na América do Norte por Gênero de jogo))
versus
Vendas na América do Norte da Nintendo/Abs(média(Vendas na América do Norte por Gênero de jogo))

Que se traduz em:

19.550.000/(19.550.000 + 11.140.000 +... + 470.000 + 60.000/10) = 4,25 x
versus
46.950.000/(46.950.000/1) = 1x

Se preferir não usar nenhuma divisão de IA na árvore, você também terá a opção de desativá-la nas opções Formatação de análise:

Decomposition tree disable AI split.

Interações de árvore com divisões de IA

Você pode ter vários níveis de IA subsequentes. Você também pode combinar tipos diferentes de níveis de IA (vá de Valor alto para Valor baixo e retorne para Valor alto):

Decomposition tree multiple AI paths.

Se você selecionar um nó diferente na árvore, as Divisões de IA serão recalculadas do zero. No exemplo a seguir, alteramos o nó selecionado no nível de Desvio de previsão. Os níveis subsequentes são alterados para suspender os Valores Altos e Baixos corretos.

Decomposition tree AI interactions.

Os níveis de IA também são recalculados quando você faz a filtragem cruzada da árvore de decomposição com outro visual. No exemplo a seguir, podemos ver que a % de ordem pendente é mais alta na fábrica 0477.

Screenshot shows the Root Cause Analysis with all months selected.

Porém, se selecionarmos Abril no gráfico de barras, as alterações mais altas do Tipo de produto são Cirurgia avançada. Nesse caso, não são apenas os nós que foram reordenados, mas uma coluna diferente foi escolhida.

Screenshot shows the Root Cause Analysis with just the month of April selected.

Se quisermos que os níveis de IA se comportem como não IA, basta selecionar a lâmpada para reverter o comportamento para o padrão.

Embora vários níveis de IA possam ser encadeados, um nível não IA não pode seguir um nível de IA. Se fizermos uma divisão manual após uma divisão de IA, a lâmpada do nível de IA desaparecerá, e o nível será transformado em um nível normal.

Bloqueio

Um criador de conteúdo pode bloquear níveis para os consumidores de relatórios. Quando um nível é bloqueado, ele não pode ser removido ou alterado. Um consumidor pode explorar caminhos diferentes dentro do nível bloqueado, mas não pode alterar o próprio nível. Como um criador, você pode passar o mouse sobre os níveis existentes para ver o ícone de cadeado. Você pode bloquear quantos níveis quiser, mas não pode ter níveis desbloqueados anteriores aos níveis bloqueados.

No exemplo a seguir, os dois primeiros níveis estão bloqueados. Consumidores de relatório podem alterar os níveis 3 e 4 e até mesmo adicionar novos níveis posteriormente. No entanto, os dois primeiros níveis não podem ser alterados:

Decomposition tree locking.

Considerações e limitações

O número máximo de níveis para a árvore é 50. O número máximo de pontos de dados que podem ser visualizados ao mesmo tempo na árvore é 5.000. Truncamos os níveis para mostrar os n superiores. Atualmente, o valor dos n superiores por nível está definido como 10.

Não há suporte para a árvore hierárquica nos seguintes cenários:

  • Analysis Services local

Não há suporte para as divisões de IA nos seguintes cenários:

  • Azure Analysis Services
  • Servidor de Relatórios do Power BI
  • Publicar na Web
  • Medidas e medidas complexas de esquemas de extensões em "Analisar"

Outras limitações:

  • Suporte dentro de P e R