Tiefgreifende Analysen mit Intelligent Insights durchführen
Intelligent Insights werden durch ein KI-Modell in Microsoft Sustainability Manager generiert. Das KI-Modell ermöglicht Ihnen eine tiefergehende Analyse Ihrer berechneten und vorberechneten Emissionsdaten durch Erkenntnisse über Ausreißer, Trends und Korrelationen. Modellläufe finden monatlich gesamtheitlich für die Tabelle Alle Emissionen statt. Sie können sie für jeden Tag zwischen dem ersten und dem 28. des Monats über Einstellungen einplanen.
Anmerkung
Intelligent Insights sind in Microsoft Sustainability Manager Premium verfügbar. Weitere Informationen zu Plänen erhalten Sie unter Microsoft Sustainability Manager-Pläne.
Erkenntnisse anzeigen
Um Intelligent Insights anzuzeigen:
Wählen Sie im Sustainability Manager im Bereich Analyse Intelligent Insights aus.
Wählen Sie eine der folgenden Intelligent Insights Registerkarten aus:
Ausreißer
Ein Ausreißer stellt einen Datensatz dar, der einen signifikanten Unterschied zu anderen im gleichen Kontext aufweist. Es hilft Ihnen, Probleme mit der Datenqualität oder Bereiche zu erkennen, in denen Maßnahmen erforderlich sind. Das folgende Bild zeigt weitere Details zu Ausreißer-Subtypen.
Zeitreihen : Zeitreihenausreißer zeigen Ihnen Ausreißer in den Zeitreihendaten in verschiedenen Kontexten nach der monatlichen Aggregation der Daten. Sie zeigen auch den gleitenden Mittelwert der Reihe und den erwarteten Bereich für die Reihe an, um mehr Kontext dazu zu liefern, warum bestimmte Datenpunkte als Ausreißer erkannt wurden.
Ändern Sie zeigen : Eine Änderung zeigen ist ein plötzlicher Sprung oder Abfall in den Daten. Dies kann auf Probleme mit der Datenqualität, fehlende Daten oder eine nicht regelmäßige Datenerfassung zurückzuführen sein.
Beitrag : Beitragsausreißer heben Bereiche hervor, in denen eine einzelne Einheit im Vergleich zu anderen Einheiten im gleichen Kontext einen erheblichen Anteil der Emissionen verursacht.
Trends
Ein Trend ist die eindeutige Richtung Ihrer Daten im Zeitverlauf. Eine durchgehende Erhöhung oder Verringerung kann zur Erkennung von Bereichen beitragen, die überprüft werden müssen.
Neben regulären Trends wie dem in diesem Bild gibt es auch anomale Trends. Wenn in den Daten viele Trends erkannt werden, werden sie gemeinsam analysiert, um festzustellen, ob es anomale Trends gibt, die deutlich schneller zugenommen oder abgenommen haben als andere Trends.
Anmerkung
Bei Ausreißertrends spiegelt die Y-Achse die prozentuale Änderung in mtCO2e für jedes Unternehmen seit Beginn des in der Erkenntnis hervorgehobenen Zeitraums wider.
Korrelationen
Eine Korrelation zeigt eine deutliche kontextübergreifende Datenbeziehung an und erleichtert ihnen damit, ein Ergebnis zu prognostizieren oder einen Zusammenhang zwischen zwei oder mehr Bedingungen zu erkennen.
Finden Sie die Erkenntnisse, die am wichtigsten sind
Sie können die Erkenntnisse finden, die für Sie am wichtigsten sind, indem Sie Erkenntnisse sortieren, filtern oder mit Lesezeichen versehen.
Auf der Seite Ausreißer, Trends oder Korrelationen wählen Sie eine der folgenden Aktionen aus:
Sortieren : Die Gesamtpunktzahl oder Bedeutung, basiert auf drei Unterbewertungen: statistische Signifikanz, wie sie vom Algorithmus berechnet wird, Auswirkungsbewertung und Relevanzbewertung. Der Impact Score ist ein Prozentsatz der beteiligten Emissionen, der einen Einblick in die Gesamtemissionen Ihres Unternehmens bietet. Der Relevanzwert ist eine Reihe von Heuristiken, die wir vordefiniert haben, um die Erkenntnisse einzustufen. Die Relevanz kann sich im Laufe der Zeit aufgrund des von uns erhaltenen Kundenfeedbacks ändern.
Filter : Finden Sie die Erkenntnisse, die für Sie am wichtigsten sind, indem Sie nach Einrichtung, Datumsbereich, Kohlenstoffaktivitäten, Organisationseinheit und/oder Land/Region filtern. Sie können Filter übereinander legen, um genauere Ergebnisse zu erzielen.
Lesezeichen : Wenn eine Erkenntnis interessant oder wichtig ist oder Sie sie einfach zum späteren Ansehen behalten möchten, können Sie sie mit einem Lesezeichen versehen. Im Gegensatz zu allen anderen Erkenntnissen werden mit Lesezeichen versehene Erkenntnisse von einem Modelllauf zum nächsten beibehalten. Um Ihre mit Lesezeichen versehenen Erkenntnisse anzuzeigen, wählen Sie die Registerkarte Lesezeichen aus.
Eine Modellausführung planen
Einmal im Monat finden Modellläufe für Ihre gesamte Tabelle Alle Emissionen statt, die höchstens vier Jahre zurückreicht. Wenn neue Erkenntnisse generiert werden, werden alle vorherigen Erkenntnisse, die nicht mit einem Lesezeichen versehen wurden, gelöscht.
Sie benötigen Administratorzugriff, um den Tag des Monats zu ändern, an dem das Modell ausgeführt wird.
Wählen Sie im Sustainability Manager den Bereich Einstellungen aus.
Wählen Sie in der linken Navigation unter App Einstellungen die Option Allgemein aus.
Klicken Sie auf die Registerkarte Erkenntnisse.
Wählen Sie im Dropdown-Feld den Tag des Monats für den Modelllauf aus und wählen Sie dann Speichern.
Anmerkung
Das Modell beginnt am gewählten Tag um 00:00 UTC zu laufen.
FAQ
Informationen zu Problemen, die Sie möglicherweise mit intelligenten Erkenntnissen haben, finden Sie in den folgenden häufig gestellten Fragen (FAQs).
Warum kann ich Trend- und Korrelationserkenntnisse nicht nach Datum sortieren?
Trend- und Korrelationserkenntnisse basieren auf aggregierten Daten über einen Zeitraum hinweg, wobei die historischen Daten bis zu vier Jahre zurückreichen. Wir empfehlen, nach Bedeutung zu sortieren oder Filter anzuwenden, um Detailinformationen zu Ihren Daten zu erhalten.
Warum werden keine Erkenntnisse angezeigt, nachdem das Modell einen Lauf abgeschlossen hat?
Wenn das Modell einen Lauf erfolgreich abschließt, aber keine Erkenntnisse zurückgibt, sind in Ihrer Umgebung möglicherweise nicht genügend CO2-Emissionsdaten vorhanden, um dies zu tun.
Warum zeigen nicht alle Registerkarten Erkenntnisse an, nachdem das Modell einen Lauf abgeschlossen hat?
Abhängig von der Art und Menge der Daten, über die Sie verfügen, sind möglicherweise nicht immer Erkenntnisse aller Art verfügbar. Je mehr Daten Sie importieren, desto wahrscheinlicher ist es, dass Sie alle drei Erkenntnistypen sehen, nachdem das Modell seine monatliche Ausführung abgeschlossen hat.
