Пример использования искусственного интеллекта в Power BI: обзор

Пример искусственного интеллекта содержит отчет для вымышленной компании Contoso. Менеджер по продажам Contoso создал этот отчет, чтобы понять, какие продукты и регионы являются ключевыми участниками для получения прибыли или потери, определить самый высокий или низкий уровень дохода и определить, есть ли аномалии в своих данных. Этот пример является частью серии, в которую показано, как использовать Power BI с бизнес-ориентированными данными, отчетами и панелями мониторинга.

В этом руководстве рассматривается пример искусственного интеллекта в службе Power BI. Так как работа с отчетом может быть схожа в Power BI Desktop и в онлайн-сервисе, вы также можете скачать образец файла .pbix в Power BI Desktop.

Предпосылки

Для изучения примеров в Power BI Desktop не требуется лицензия Power BI. Вам просто нужна бесплатная лицензия Fabric для изучения примера в службе Power BI и его сохранения в вашей рабочей области "Моя".

Получите образец

Прежде чем использовать пример, получите пример одним из следующих способов:

• Получите встроенный пример в службе.
• Получите встроенный пример, а затем скачайте его в виде PBIX-файла.

Получите встроенный пример

1. Откройте службу Power BI (app.powerbi.com) и убедитесь, что вы находитесь в интерфейсе Power BI.

   

2. Выберите " Узнать" в области навигации.

   

3. На странице Центра обучения в разделе " Примеры отчетов" прокрутите по горизонтали, пока не увидите пример искусственного интеллекта. Выберите пример.

   

   Power BI сохраняет отчет и набор данных в рабочей области "Моя".

   

   Выберите отчет, чтобы просмотреть пример отчета.

Получите файл .pbix для этого примера.

Кроме того, после сохранения отчета в моей рабочей области можно скачать отчет из службы и сохранить его в виде PBIX-файла . Затем его можно открыть в Power BI Desktop.

1. Откройте отчет в службе Power BI.

2. В меню "Файл" выберите "Скачать этот файл".

   

3. В диалоговом окне "Что нужно скачать?" , выберите копию отчета и данных (PBIX) и нажмите кнопку "Скачать".

   Он сохраняется в папке "Скачивание" и его можно открыть с помощью Power BI Desktop.

Дополнительные сведения см. в статье "Скачивание отчета из службы в Power BI Desktop".

Исследуйте пример отчета об искусственном интеллекте

Пример отчета содержит три страницы: ключевые факторы влияния, дерево декомпозиции и обнаружение аномалий, чтобы продемонстрировать, как люди могут обнаруживать новые аналитические сведения и информировать о принятии решений с помощью визуальных элементов искусственного интеллекта.

Страница "Ключевые факторы влияния"

Первая страница отчета для изучения — ключевые факторы влияния, в которых вы анализируете данные, чтобы понять влияние и влияние ключевых участников на результаты.

Какие являются вашими главными факторами побед и проигрышей

1. Начните с обзора основных факторов, которые привели к Статусу Выиграно с помощью визуального элемента Ключевые факторы влияния, расположенного в центре вашего отчета. Из визуализации обратите внимание, что ключевой фактор - когда скидка увеличивается на 2%, у вас в 2,76 раза выше вероятность выиграть новый доход.

2. Выберите индикатор 2.76x . Power BI отображает точечную диаграмму рядом с ним, показывающую корреляцию между вашей скидкой и % статуса — выиграно для этого показателя.

   

3. При взаимодействии с срезами, фильтрами и другими визуальными элементами визуальный элемент "Ключевые факторы влияния" повторно запускает свой анализ на основе обновленного выбора. На линейчатой диаграмме "Закрыть % по категориям продуктов " выберите категорию "Мебель ", чтобы создать новые аналитические сведения на основе обновленного выбора. Вы видите, что когда категория продукта — мебель, а владелец продаж — Молли Кларк, вероятность выиграть новую выручку в 1,5 раза выше.

   

4. Чтобы просмотреть наиболее важных участников при изменении состояния , в раскрывающемся списке выберите параметр "Потеряно ", чтобы создать новые аналитические сведения на основе обновленного выбора. Теперь вы можете ответить на вопрос : "Что является основной причиной появления убытков?"

   

Дополнительные сведения см. в разделе "Ключевые визуальные элементы влияния".

Страница дерева декомпозиции

Вторая страница отчета для изучения — дерево декомпозиции, где вы проводите анализ первопричин и нерегламентированный анализ, чтобы понять влияние на возможности продаж в различных полях ваших данных.

Кто является главным руководителем по продажам и крупнейшей возможностью для продаж компьютеров.

1. В визуальном элементе дерева декомпозиции в центре отчета выберите параметр "Компьютеры " в разделе " Категория ", чтобы повторно запустить анализ.

   

2. С помощью обновленного анализа вы можете использовать сплиты искусственного интеллекта, чтобы определить путь к следующим самым высоким возможностям продаж в ваших данных. Выберите символ рядом с +планшетами и параметром «Высокое значение».

   

3. Дерево определяет, что поле «Территория» является следующим шагом для возможностей сбыта, причем США-ЮГ является крупнейшим. Выберите символ рядом + с US-SOUTH, а затем выберите параметр "Высокое значение ". В обновленном выборе теперь можно ответить на вопрос : "Кто является главным владельцем продаж?"

   

Дополнительные сведения см. в разделе "Визуальные элементы дерева декомпозиции".

Страница обнаружения аномалий

Последняя страница отчета для изучения — обнаружение аномалий, где вы объединяете несколько возможностей искусственного интеллекта для обнаружения аномалий в результатах, создания динамических текстовых сводок и использования собственного естественного языка, чтобы задать вопросы и получить ответы от ваших данных.

Почему резкое снижение доходов от программного обеспечения

1. Кластеризованная линейчатая диаграмма в правом верхнем углу страницы делится на несколько версий (малых кратных) для сравнения данных в полях «Менеджер» и «Категория продукта». В разделе Программное обеспечение выберите строку Low, Spencer, чтобы динамически отфильтровать весь остальной контент страницы, чтобы отобразить только результаты, специфичные для Спенсера.

   

2. Справа на странице Power BI создал динамическую сводку на основе обновленного выбора. В текстовой сводке описываются самые высокие и самые низкие календарные месяцы для выигранного дохода.

   

3. На графике в центре страницы щелкните правой кнопкой мыши точку данных за декабрь 2020 г. В разделе параметров меню выберите "Анализ>объяснения уменьшения дохода ", чтобы ответить "Почему резкое снижение доходов в декабре 2020 года?" с помощью быстрых аналитических сведений.

   

Дополнительные сведения см. в статье "Интеллектуальные повествования " и "Применение аналитических сведений", чтобы объяснить колебания визуальных элементов.

Почему непредвиденный рост доходов за последние 90 дней

1. В правом верхнем углу страницы выберите "Последние 90 дней ", чтобы просмотреть выручку , отображаемую как отдельные дни.

   

2. Кнопка сохранила выбор Low, Spencer и Software на предыдущих шагах. Он также переписал сводку доходов на основе фильтра последних 90 дней, который вы можете просмотреть для получения новых инсайтов. На графике также есть визуальные индикаторы аномалий . Выберите индикатор 25 апреля, чтобы получить возможное объяснение, почему была обнаружена аномалия.

   

3. Панель аномалий теперь отображается в правой части страницы отчета. Он включает возможные объяснения, оценку силы, что означает, что более высокие оценки могут иметь больший эффект, и, возможно, больше объяснений, если прокрутите вниз. Из вашей максимальной возможной оценки за объяснение вы можете ответить на вопрос "Почему увеличение доходов?". По завершении свернуть панель аномалий с помощью двойных стрелок >> в верхней части панели.

   

Дополнительные сведения см. в статье об обнаружении аномалий.

У какого менеджера был самый высокий процент успешных завершений и в каком месяце

1. В правом нижнем углу страницы в поле «Задать вопрос о ваших данных» введите close %, чтобы получить одно значение.

   

2. Чтобы сегментировать закрытые % результаты по месяцам, измените текущий запрос на закрытие % по месяцам для визуального представления результатов в группированной столбчатой диаграмме.

   

3. Хотя столбцы могут быть отличными для сравнения одного элемента с другим, они не так полезны при отображении перемещения с течением времени. Обновите исходный текст, чтобы показать % по месяцам на линейном графике.

   

4. И чтобы ответить на вопрос какой менеджер имел самый высокий процент закрытия? измените запрос на процент закрытия по месяцам на линейной диаграмме по менеджерам и сравните конечные результаты.

   

Связанный контент

Эта среда безопасна для игры, так как вы можете не сохранять изменения. Но если сохранить их, вы всегда можете вернуться в Центр обучения для новой копии этого примера.

Мы надеемся, что в этом туре показано, как возможности искусственного интеллекта в Power BI могут предоставлять аналитические сведения о данных. Теперь это твоя очередь. Подключитесь к собственным данным. С помощью Power BI можно подключиться к различным источникам данных. Дополнительные сведения см. в статье "Начало работы со службой Power BI".