Descripción del uso de Conclusiones de IA para detectar tendencias y anomalías
Un desafío que tienen las organizaciones es poder identificar fácilmente las tendencias y detectar las anomalías a medida que se producen. Por ejemplo, muchas organizaciones de venta minorista ven un aumento en las ventas durante el mes de diciembre con respecto a la temporada de vacaciones. Se espera este aumento en las ventas, pero ¿que sucede si las ventas bajan durante ese mes o si fueran superiores a lo normal en agosto? Es importante identificar estas anomalías lo antes posible para que pueda realizar la acción necesaria.
La característica de conclusiones de Power BI ayuda a las organizaciones a identificar fácilmente conclusiones, como anomalías y tendencias en los datos, a medida que interactúa y consume elementos como informes, paneles y visualizaciones. Le notifica si hay conclusiones interesantes y proporciona explicaciones sobre ellas. Funciona de forma integrada en cualquier informe para que pueda empezar a obtener automáticamente conclusiones de los informes sin necesidad de configuración.
Power BI tiene varias características de conclusiones que usan inteligencia artificial (IA):
Conclusiones para informes: analiza los datos y busca anomalías y tendencias en ellos a medida que se interactúa con los informes.
Conclusiones para objetos visuales individuales: analiza y explica las fluctuaciones de los puntos de datos de los objetos visuales.
Conclusiones para los iconos de panel: examina los datos que se usan para representar ese icono y los presenta en objetos visuales interactivos.
Conclusiones rápidas para conjuntos de datos: genera automáticamente conclusiones de datos sobre un conjunto de datos del servicio Power BI.
Conclusiones de IA para modelos de datos en Power Query: proporcionan acceso a modelos de Machine Learning entrenados previamente de Azure Cognitive Services.
Notificaciones
Las notificaciones son una parte importante de las funcionalidades de conclusiones de Power BI. A medida que trabaja en los elementos de Power BI, como los informes, Power BI ejecuta automáticamente un análisis de conclusiones. Cuando Power BI identifica conclusiones, se presentan con una notificación. Puede elegir ver las conclusiones o ignorarlas. Las notificaciones son una excelente manera de interactuar de forma proactiva con las conclusiones sugeridas para asegurarse de no perderse nada importante, como cuando aumentan las ventas de una región específica. Las conclusiones principales son aquellas que destacan en función de factores como la novedad o la importancia de la tendencia o anomalía.
Obtención de conclusiones sobre informes y objetos visuales
Las funcionalidades de notificación alertan y notifican las conclusiones a medida que trabaja en los informes. También hay muchos escenarios en los que es posible que solo pueda obtener conclusiones a medida que recorre algunos de los distintos elementos. A medida que trabaja con informes y objetos visuales de Power BI, puede seleccionar Obtener conclusiones para abrir el panel Conclusiones.
En el panel solo se muestran conclusiones sobre la página del informe actual y se actualiza cuando se selecciona otra página en el informe. Al trabajar con visualizaciones individuales, puede seleccionar Más opciones (...) en la esquina superior derecha de un objeto visual y después Obtener conclusiones para ver conclusiones solo sobre ese objeto visual.
Información detallada
Actualmente, el panel Conclusiones muestra tres tipos de conclusiones:
Anomalías: representa algo que está fuera de lo normal con respecto a lo que se espera. Por ejemplo, un termostato inteligente que de repente tiene una lectura de temperatura de 100 F cuando normalmente es de 72 F, se consideraría una anomalía.
Tendencias: representa un patrón que se encuentra en conjuntos de datos de serie temporal. Por ejemplo, si las ventas de una empresa aumentan constantemente hasta el mes de abril, eso representaría una tendencia.
Análisis de indicadores clave de rendimiento (KPI): ayuda a evaluar el valor actual con respecto a un objetivo definido. Por ejemplo, una empresa podría establecer un objetivo de ventas de 1,2 millones, pero actualmente están en 1 millón.
Anomalías
Una anomalía es una anormalidad en los datos de la serie temporal, como picos y caídas inesperados en los datos. Un algoritmo calcula un límite alrededor de lo que se considera un valor normal o esperado. Cualquier valor que se encuentra fuera de este límite se marca como una anomalía.
Hay tres tipos de conclusiones de anomalías:
Anomalía significativa: la anomalía tiene una puntuación alta. La puntuación de la anomalía indica a qué distancia está el punto del intervalo esperado.
Anomalía reciente: la anomalía más reciente de la medida.
Resumen de anomalías: este tipo de conclusión resume varias anomalías en la medida.
Cuando se marca una anomalía en los datos, Power BI ejecuta un análisis en las distintas dimensiones del modelo de datos para buscar picos o caídas en la medida que correspondan a la anomalía. Se muestran como posibles explicaciones clasificadas por intensidad.
Tendencias
Una tendencia se produce cuando hay un aumento o una disminución prolongados en datos de series temporales. El algoritmo de Power BI sigue una serie de pasos para encontrar tendencias significativas. Primero realiza el suavizado de datos, la interpolación y el muestreo de series temporales. Luego se identifican las tendencias para determinar su importancia estadística en función de la pendiente y la duración de un cambio de valor. El algoritmo elimina el ruido, como la estacionalidad y los valores atípicos. Por ejemplo, si las ventas se disparan en diciembre, el algoritmo no la marca como una tendencia digna de mención, porque es habitual que las ventas se disparen durante las fiestas.
Hay cuatro tendencias principales marcadas:
Tendencia larga: la tendencia es significativa y es la más larga dentro de una sola serie o en varias series de un objeto visual.
Tendencia pronunciada: la tendencia es significativa y es la más pronunciada dentro de una sola serie o en varias series de un objeto visual.
Tendencia reciente: la tendencia es significativa y es la más reciente dentro de una sola serie o en varias series de un objeto visual.
Inversión de tendencia: tendencia reciente en una sola serie o en varias series de un objeto visual donde la inversión es significativa en comparación con el segmento de tendencia anterior.
Cuando se marca una tendencia en los datos, Power BI busca e identifica las categorías de mayor influencia en el aumento o la disminución de la tendencia identificada. Las posibles explicaciones se clasifican en función de las contribuciones relativas de distintas categorías al aumento o la disminución de la tendencia.
Análisis de KPI
El análisis de KPI con un destino examina la varianza del valor actual en su destino. Se considera significativo si la varianza es considerablemente alta o baja en comparación con otros segmentos. El análisis de KPI sin un destino examina el propio valor y marca los que son altos o bajos en comparación con otros segmentos.
Para obtener explicaciones del análisis de KPI, Power BI busca e identifica las categorías que tienen valores más altos o más bajos que los anticipados. Para el análisis de KPI con destino, las posibles explicaciones se clasifican en función de las puntuaciones Z de la diferencia del valor con respecto al destino. Para el análisis de KPI sin objetivo, las posibles explicaciones se clasifican en función de las puntuaciones Z del propio valor.