Руководство. Создание дерева декомпозиции с помощью примера Power BI

2023-11-10

ОБЛАСТЬ ПРИМЕНЕНИЯ: Служба Power BI Power BI Desktop

В этом руководстве вы начните со встроенной семантической модели Power BI и создадите отчет с деревом декомпозиции. Дерево декомпозиции — это интерактивный визуальный элемент для нерегламентированного исследования и проведения анализа первопричин. Это также визуализация искусственного интеллекта (ИИ). Вы можете попросить его найти следующую категорию или измерение, чтобы детализировать их на основе определенных критериев. Дополнительные сведения см. в разделе Создание и просмотр визуальных элементов дерева декомпозиции в Power BI.

В этом учебнике описаны следующие процедуры.

Зарегистрируйтесь для лицензии Power BI, если у вас нет лицензии.
Импортируйте пример анализа розничной торговли и добавьте его в служба Power BI.
Создайте дерево декомпозиции.
Выполните анализ первопричин данных в дереве декомпозиции в режиме редактирования.
Сохраните отчет и продолжайте анализ первопричин в режиме чтения.

Если вы хотите ознакомиться со встроенным примером в этом руководстве и его сценарии, ознакомьтесь с примером анализа розничной торговли для Power BI: перед началом работы.

Необходимые компоненты

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

Чтобы открыть PBIX-файл Power BI, необходимо получить Power BI Desktop. Это бесплатная загрузка.

Импорт примера в служба Power BI

Откройте служба Power BI (app.powerbi.com) и выберите "Learn" в области навигации слева.
На странице Центра обучения в разделе "Примеры отчетов" прокрутите страницу, пока не увидите пример анализа розничной торговли.
Выберите пример. Откроется в режиме чтения.
Power BI импортирует встроенный пример, добавив новую панель мониторинга, отчет и семантику модели в текущую рабочую область.

Создание отчета из семантической модели

У вас есть несколько вариантов изучения семантической модели. В этом руководстве вы узнаете о семантической модели, создав собственный отчет с нуля.

Выбор дополнительных параметров (...) >Создание отчета.

Семантическая модель открывается в режиме редактирования отчета.

Создание дерева декомпиляции

Давайте добавим дерево декомпозиции или дерево декомпозиции в наш отчет для нерегламентированного анализа.

Откройте Power BI Desktop и загрузите пример анализа розничной торговли. Этот пример можно получить из скачивания исходных примеров файлов Power BI.
Щелкните значок отчета, чтобы открыть представление отчетов. В области "Визуализации" выберите значок дерева декомпозиции.
Перетащите край, чтобы он заполнял большую часть страницы. Деревья декомпозиции могут быть широкими.
Деревья декомпиляции анализируют одно значение по нескольким категориям или измерениям. Разверните продажи> в этом году и выберите "Значение". Power BI добавляет значение в поле "Анализ ".
Затем выберите поля измерения и добавьте их в поле "Объяснить по". Добавьте столько, сколько хотите, в любом порядке. Их можно использовать в любом порядке в дереве декомпиляции. Мы добавили:
- District Manager
- Категория
- ИмяСемейства
- Сегмент
- Сеть
- PostalCode
- Тип магазина
- Territory

Анализ в дереве декомпиляции

Теперь приходит нерегламентированная часть анализа.

Выберите знак плюса (+) рядом с этим годом продажи и выберите "Высокий уровень". Это означает, что Power BI использует искусственный интеллект для анализа всех различных категорий в поле "Объяснение по" и выберите один, чтобы получить наибольшее значение анализируемой меры.

Power BI выбирает тип Магазина.
Продолжайте выбирать высокое значение , пока не будет выложено дерево, которое выглядит следующим образом.

Или выберите другие значения самостоятельно, и вы увидите, что вы в конечном итоге.
Уровни можно удалить, выбрав X в заголовке.
Сохраните отчет. Теперь любой пользователь, который просматривает отчет, может взаимодействовать с деревом декомпилирования, начиная с первого в этом году продажи и выбирая свой собственный путь для выполнения.