Руководство, часть 5. Визуализация прогнозов с помощью отчета Power BI

В этом руководстве вы создадите отчет Power BI из данных прогнозов, созданных в части 4. Выполнение пакетной оценки и сохранение прогнозов в лейкхаусе.

Вы изучите следующие темы:

• Создание семантической модели из данных прогнозов
• Добавление новых мер в данные из Power BI
• Создание отчета Power BI
• Добавление визуализаций в отчет

Необходимые компоненты

• Получение подписки Microsoft Fabric. Или зарегистрируйте бесплатную пробную версию Microsoft Fabric.

• Войдите в Microsoft Fabric.

• Перейдите в Fabric с помощью переключателя интерфейса в левой нижней части домашней страницы.

  

Это часть 5 из 5 в серии учебников. Чтобы завершить работу с этим руководством, сначала выполните указанные ниже действия.

• Часть 1. Прием данных в microsoft Fabric lakehouse с помощью Apache Spark.
• Часть 2. Изучение и визуализация данных с помощью записных книжек Microsoft Fabric для получения дополнительных сведений о данных.
• Часть 3. Обучение и регистрация моделей машинного обучения.
• Часть 4. Выполнение пакетной оценки и сохранение прогнозов в озере.

Создание семантической модели

Создайте новую семантику модели, связанную с данными прогнозов, созданными в части 4:

1. Слева выберите рабочую область.

2. В правом верхнем углу выберите Lakehouse в качестве фильтра, как показано на следующем снимке экрана:

   

3. Выберите Lakehouse, который вы использовали в предыдущих частях этой серии учебников, как показано на следующем снимке экрана.

   

4. Выберите новую семантику на верхней ленте, как показано на следующем снимке экрана:

   

5. Присвойте семантической модели имя, например "прогнозы оттока клиентов банка". Затем выберите набор данных customer_churn_test_predictions, как показано на следующем снимке экрана.

   

6. Выберите Подтвердить.

Добавить новые меры

Добавьте некоторые меры в семантику модели:

1. Добавьте новую меру для скорости оттока.

   1. Выберите "Создать меру " на верхней ленте. Это действие добавляет новый элемент с именем Measure в набор данных customer_churn_test_predictions и открывает строку формул над таблицей, как показано на следующем снимке экрана:

      

   2. Чтобы определить среднюю прогнозируемую скорость оттока, замените Measure = в строке формул следующим фрагментом кода:

      Churn Rate = AVERAGE(customer_churn_test_predictions[predictions])
      

   3. Чтобы применить формулу, установите флажок в строке формул, как показано на следующем снимке экрана:

      

      Новая мера отображается в таблице данных, как показано на следующем снимке экрана:

      Значок калькулятора указывает, что он был создан в качестве меры. Выберите меру скорости оттока в таблице данных. Затем сделайте следующие выборы, как показано на следующем снимке экрана:

   4. Измените формат с "Общие" на "Процент" на панели "Свойства".

   5. Прокрутите вниз на панели "Свойства" , чтобы изменить десятичные разряды на 1.

      

2. Добавьте новую меру, которая подсчитывает общее число клиентов банка. Другие новые меры нуждаются в нем.

   1. Выберите новую меру на верхней ленте, чтобы добавить новый элемент с именем Measure в customer_churn_test_predictions набор данных. Это действие открывает строку формул над таблицей.

   2. Каждый прогноз представляет одного клиента. Чтобы определить общее число клиентов, замените Measure = в строке формул следующим образом:

      Customers = COUNT(customer_churn_test_predictions[predictions])
      

   3. Чтобы применить формулу, установите флажок в строке формул.

3. Добавьте скорость оттока для Германии.

   1. Выберите новую меру на верхней ленте, чтобы добавить новый элемент с именем Measure в customer_churn_test_predictions набор данных. Это действие открывает строку формул над таблицей.

   2. Чтобы определить частоту оттока для Германии, замените Measure = в строке формул следующим образом:

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

      Это выражение извлекает строки, у которых их географическая область является Германией (где Geography_Germany равна единице).

   3. Чтобы применить формулу, установите флажок в строке формул.

4. Повторите предыдущий шаг, чтобы добавить коэффициенты оттока для Франции и Испании.

   • Скорость оттока Испании:

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

   • Скорость оттока Франции:

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

Создание отчета

После завершения всех описанных ранее операций выберите 'Создать новый отчет' в верхней панели в разделе 'Файл', для перехода на страницу создания отчетов Power BI, как показано на следующем скриншоте:

Страница отчета отображается на новой вкладке браузера. Добавьте эти визуальные элементы в отчет:

1. Выберите текстовое поле на верхней ленте, как показано на следующем снимке экрана:

   

   Введите заголовок отчета — например, "Отток клиентов банка", как показано на следующем снимке экрана.

   

   Измените размер шрифта и цвет фона на панели "Формат". Настройте размер шрифта и цвет, выбрав текст и используя панель форматирования.

2. На панели "Визуализации" выберите значок карточки , как показано на следующем снимке экрана:

   

3. На панели данных выберите скорость оттока, как показано на следующем снимке экрана:

   

4. Измените размер шрифта и цвет фона на панели "Формат", как показано на следующем снимке экрана:

   

5. Перетащите карточку "Скорость оттока" в верхний правый угол отчета, как показано на следующем снимке экрана.

   

6. На панели "Визуализации" выберите линейную диаграмму и столбчатую диаграмму с накоплением, как показано на следующем снимке экрана:

   

7. Диаграмма отображается в отчете. В области данных выберите

   • Возраст
   • Скорость оттока
   • Customers

   как показано на следующем снимке экрана:

   

8. Настройте линейную диаграмму и столбчатую диаграмму с накоплением, как показано на следующем снимке экрана.

   1. Перетащите возраст из области данных в поле оси X в области "Визуализации"
   2. Перетащите Клиенты из области данных в поле оси Y линии в области "Визуализации".
   3. Перетащите уровень оттока из панели данных в поле y-оси в панели "Визуализации"

   Убедитесь, что поле оси столбца y имеет только один экземпляр скорости оттока. Удалите все остальное из этого поля.

   

9. На панели "Визуализации" выберите значок "Линия" и значок диаграммы с накоплением. Следуя шагам, аналогичным предыдущей настройке линии и слоеной столбчатой диаграммы, выберите NumOfProducts для оси x, Уровень оттока для оси y столбцов и Клиенты для оси y линии, как показано на следующем снимке экрана.

   

10. На панели "Визуализации" переместите правые стороны двух диаграмм влево, чтобы освободить место для двух дополнительных диаграмм. Затем выберите значок гистограммы с накоплением. Выберите NewCreditsScore для оси x и Churn Rate для оси y, как показано на следующем скриншоте.

    

    Измените заголовок NewCreditsScore на "Кредитная оценка" на панели "Формат", как показано на следующем снимке экрана. Возможно, потребуется увеличить протяженность оси Х на графике для этого шага.

    

11. На панели "Визуализации" выберите карточку с кластеризованной диаграммой. Выберите Германия Churn, Испания Churn, Франция Churn в этом порядке для оси Y, как показано на следующем снимке экрана. Измените размер отдельных диаграмм отчетов по мере необходимости.

    

Примечание.

В этом руководстве описывается, как анализировать сохраненные результаты прогнозирования в Power BI. Тем не менее, исходя из вашей экспертизы, для сценария оттока клиентов может понадобиться более детализированный план относительно конкретных визуализаций, требуемых отчету. Если ваша команда бизнес-аналитики и фирма создали стандартизированные метрики, эти метрики также должны стать частью плана.

В отчете Power BI показано, что:

• Клиенты банка, использующие более двух банковских продуктов, имеют более высокую скорость оттока, хотя немногие клиенты имели более двух продуктов. Банк должен собирать больше данных, а также исследовать другие функции, которые коррелируют с большими продуктами (просмотрите график на нижней левой панели).
• Клиенты банка в Германии имеют более высокую скорость оттока по сравнению с клиентами во Франции и Испании (обзор графика на нижней правой панели). Эти показатели оттока свидетельствуют о том, что исследование факторов, которые побудили клиентов уйти, может быть полезным.
• Существуют более средние возрастные клиенты (от 25 до 45), и клиенты между 45-60, как правило, выходят больше.
• Наконец, клиенты с более низким кредитным рейтингом, скорее всего, покинут банк для других финансовых учреждений. Банк должен искать способы поощрения клиентов с более низкими кредитными оценками и балансами счетов, чтобы оставаться в банке.

Следующий шаг

В этом руководстве показано, как завершить работу с пятью частью. Ознакомьтесь с другими комплексными руководствами.

Использование комплексных примеров ИИ в Microsoft Fabric