Del via

Selvstudium Del 5: Visualiser forudsigelser med en Power BI-rapport

  • Artikel

I dette selvstudium opretter du en Power BI-rapport ud fra de forudsigelsesdata, der genereres i del 4: Udfør batchscore, og gem forudsigelser i et lakehouse.

Du lærer, hvordan du kan:

  • Opret en semantisk model ud fra forudsigelsesdataene.
  • Føj nye målinger til dataene fra Power BI.
  • Opret en Power BI-rapport.
  • Føj visualiseringer til rapporten.

Forudsætninger

  • Få et Microsoft Fabric-abonnement. Du kan også tilmelde dig en gratis Prøveversion af Microsoft Fabric.

  • Log på Microsoft Fabric.

  • Brug oplevelsesskifteren i venstre side af startsiden til at skifte til Synapse Data Science-oplevelsen.

    Skærmbillede af menuen til skift af oplevelse, der viser, hvor du skal vælge Datavidenskab.

Dette er del 5 af 5 i selvstudieserien. Hvis du vil fuldføre dette selvstudium, skal du først fuldføre:

Opret en semantisk model

Opret en ny semantisk model, der er knyttet til de forudsigelser, du har oprettet i del 4:

  1. Vælg dit arbejdsområde til venstre.

  2. Øverst til venstre skal du vælge Lakehouse som et filter.

  3. Vælg det lakehouse, du brugte i de forrige dele af selvstudieserien.

  4. Vælg Ny semantisk model på det øverste bånd.

    Skærmbillede af startsiden for lakehouse-brugergrænsefladen, der viser, hvor du skal vælge indstillingen Ny semantisk model på båndet.

  5. Giv den semantiske model et navn, f.eks. "bankafgangsforudsigelser". Vælg derefter det customer_churn_test_predictions datasæt.

    Skærmbillede af dialogboksen Ny semantisk model, der viser, hvor de korrekte data skal vælges, og vælg Fortsæt.

  6. Vælg Bekræft.

Tilføj nye målinger

Føj nu et par målinger til den semantiske model:

  1. Tilføj en ny måling for faldfrekvensen.

    1. Vælg Ny måling på det øverste bånd. Denne handling føjer et nyt element med navnet Måling til datasættet customer_churn_test_predictions og åbner en formellinje over tabellen.

      Skærmbillede, der viser oprettelse af en ny måling.

    2. Hvis du vil bestemme den gennemsnitlige forudsagte faldfrekvens, skal du erstatte Measure = på formellinjen med:

      Churn Rate = AVERAGE(customer_churn_test_predictions[predictions])

    3. Hvis du vil anvende formlen, skal du markere afkrydsningsfeltet på formellinjen. Den nye måling vises i datatabellen. Lommeregnerikonet viser, at det er oprettet som en måling.

    4. Skift formatet fra Generelt til Procent i panelet Egenskaber .

    5. Rul ned i panelet Egenskaber for at ændre decimalpladserne til 1.

      Skærmbillede, der viser den nye Churn Rate-måling med egenskaber angivet.

  2. Tilføj en ny måling, der tæller det samlede antal bankkunder. Du skal bruge den til resten af de nye målinger.

    1. Vælg Ny måling på det øverste bånd for at føje et nyt element med navnet Måling til customer_churn_test_predictions datasættet. Denne handling åbner også en formellinje over tabellen.

    2. Hver forudsigelse repræsenterer én kunde. Hvis du vil bestemme det samlede antal kunder, skal du erstatte Measure = på formellinjen med:

      Customers = COUNT(customer_churn_test_predictions[predictions])

    3. Hvis du vil anvende formlen, skal du markere afkrydsningsfeltet på formellinjen.

  3. Tilføj faldsatsen for Tyskland.

    1. Vælg Ny måling på det øverste bånd for at føje et nyt element med navnet Måling til customer_churn_test_predictions datasættet. Denne handling åbner også en formellinje over tabellen.

    2. Hvis du vil bestemme faldsatsen for Tyskland, skal du erstatte Measure = på formellinjen med:

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

      Dette filtrerer rækkerne ned til dem med Tyskland som deres geografi (Geography_Germany er lig med én).

    3. Hvis du vil anvende formlen, skal du markere afkrydsningsfeltet på formellinjen.

  4. Gentag ovenstående trin for at tilføje faldsatserne for Frankrig og Spanien.

    • Spaniens faldrate:

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

    • Frankrigs faldsats:

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

Opret ny rapport

Når du er færdig med alle handlinger, skal du gå videre til siden til oprettelse af Power BI-rapporter ved at vælge Opret rapport på det øverste bånd.

Skærmbillede, der viser, hvordan du opretter en rapport.

Når rapportsiden vises, skal du tilføje disse visualiseringer:

  1. Markér tekstfeltet på det øverste bånd, og angiv en titel til rapporten, f.eks. "Bankkundeafgang". Rediger skriftstørrelsen og baggrundsfarven i panelet Format. Juster skriftstørrelsen og -farven ved at markere teksten og bruge formatlinjen.

  2. Vælg ikonet Kort i panelet Visualiseringer. Vælg Churn Rate i ruden Data. Rediger skriftstørrelsen og baggrundsfarven i panelet Format. Træk denne visualisering til øverste højre hjørne af rapporten.

    Skærmbillede, der viser tilføjelse af kortet Churn Rate.

  3. Vælg ikonet Kurvediagram og stablet søjlediagram i panelet Visualiseringer. Vælg alder for x-aksen, Churn Rate for kolonne y-aksen og Kunder for linje-y-aksen.

    Skærmbillede, der viser tilføjelse af et stablet søjlediagram for Alder.

  4. Vælg ikonet Kurvediagram og stablet søjlediagram i panelet Visualiseringer. Vælg NumOfProducts for x-aksen, Churn Rate for kolonne y-aksen og Kunder for linje-y-aksen.

    Skærmbillede, der viser tilføjelse af et stablet søjlediagram med NumOfProducts.

  5. Vælg ikonet Stablet søjlediagram i panelet Visualiseringer. Vælg NewCreditsScore for x-aksen og Churn Rate for y-aksen.

    Skærmbillede, der viser tilføjelse af et stablet søjlediagram med NewCreditScore.

    Ret titlen "NewCreditsScore" til "Credit Score" i panelet Format.

    Skærmbillede, der viser ændring af diagrammets titel.

  6. Vælg kortet Grupperet søjlediagram i panelet Visualiseringer. Vælg Germany Churn, Spain Churn, France Churn i denne rækkefølge for y-aksen.

    Skærmbillede, der viser det grupperede søjlediagram.

Bemærk

Denne rapport repræsenterer et illustreret eksempel på, hvordan du kan analysere de gemte forudsigelsesresultater i Power BI. Men hvis du vil have en reel kundeafgangsbrug, skal du muligvis foretage en mere grundig ideation af, hvilke visualiseringer der skal oprettes, baseret på din ekspertise inden for emnet, og hvad dit firma- og virksomhedsanalyseteam har standardiseret som målepunkter.

Power BI-rapporten viser:

  • Bankkunder, der bruger mere end to af bankprodukterne, har en højere faldsats, selv om få kunder havde mere end to produkter. Banken bør indsamle flere data, men også undersøge andre funktioner, der korrelerer med flere produkter (gennemse plottet i nederste venstre panel).
  • Bankkunder i Tyskland har en højere faldsats end i Frankrig og Spanien (gennemse plottet i nederste højre panel), hvilket tyder på, at en undersøgelse af, hvad der tilskyndede kunderne til at forlade, kunne blive nyttig.
  • Der er flere midaldrende kunder (mellem 25-45), og kunder mellem 45-60 har tendens til at afslutte mere.
  • Endelig vil kunder med lavere kreditresultater sandsynligvis forlade banken for andre finansielle institutioner. Banken bør søge efter måder at tilskynde kunder med lavere kredit scorer og kontosaldi til at bo hos banken.

Næste trin

Dette fuldfører den femdelte serie af selvstudier. Se andre selvstudier fra ende til anden:

Sådan bruger du komplette AI-eksempler i Microsoft Fabric