Jaa


Raportin visualisointien vaihtelujen selittäminen Analysoi-ominaisuuden avulla

KOSKEE:Power BI -palvelu yrityskäyttäjillePower BI -palvelu suunnittelijoille ja kehittäjillePower BI Desktop vaatii Pro- tai Premium-käyttöoikeuden

Kun raportin visualisointien arvoissa on suuria nousuja ja jyrkkiä laskuja, saatat ihmetellä tällaisten vaihtelujen syytä. Power BI -palvelun Analysoi-toiminnon avulla voit helposti löytää syyn.

Otetaan esimerkiksi seuraava visualisointi, joka näyttää yksiköiden kokonaismäärän kuukauden ja valmistajan mukaan. VanArsdel menestyy kilpailijoitaan paremmin, mutta sillä oli syvä pudotus kesäkuussa 2014. Tällaisissa tapauksissa voit tutkia tietoja ja auttaa selittämään tapahtuneen muutoksen.

Näyttökuva viivakaaviovisualisoinnista, jossa näytetään nousut ja vainajat yksikköarvoina.

Voit pyytää Power BI -palvelua selittämään nousut, laskut tai epätavalliset jakaumat visualisoinneissa sekä saada nopean ja automatisoidun merkityksellisten tietojen analyysin tiedoistasi. Napsauta arvopistettä hiiren kakkospainikkeella, valitse > (tai suurenna, jos edellinen palkki oli pienempi) tai >. Tämän jälkeen merkitykselliset tiedot näytetään helppokäyttöiseen ikkunaan.

Näyttökuva viivakaaviovisualisoinnista, jossa Analysoi-toiminto on avoinna ja valittuna.

Analysoi-ominaisuus on tilannekohtainen ja perustuu sitä edeltävään arvopisteeseen – kuten edelliseen palkkiin tai sarakkeeseen.

Valittavat tekijät ja luokat

Kun Power BI tutkii eri sarakkeita, tekijät, jotka esittävät suurimman muutoksen suhteelliseen osuuteen. Kunkin sarakkeen osalta kuvauksessa esitetään ne arvot, joiden osuus muuttuu merkittävimmin. Lisäksi esitellään arvot, joissa on suurimmat varsinaiset nousut ja laskut.

Jos haluat nähdä kaikki Power BI:n luomat merkitykselliset tiedot, käytä vierityspalkkia. Järjestys on luokiteltu niin, että merkittävin osuus näytetään ensin.

Merkityksellisten tietojen käyttäminen

Jos haluat käyttää merkityksellisiä tietoja visualisoinneissa näkyvien trendien selittämiseen, napsauta hiiren kakkospainikkeella mitä tahansa palkin tai viivakaavion arvopistettä ja valitse Analysoi. Valitse sitten näkyviin tulevasta vaihtoehdosta: selitä lisäys, selitä lasku tai selitä ero.

Power BI suorittaa sitten koneoppimisen algoritmeja tiedoista ja täyttää ikkunan, jossa on visualisointi ja kuvaus. Kuvaus sisältää tiedot siitä, mihin luokkiin nousu, lasku tai ero on vaikuttanut eniten. Seuraavassa esimerkissä ensimmäinen merkityksellinen tieto on vesiputouskaavio.

Näyttökuva merkityksellisistä tiedoista, jotka näytetään vesiputouskaaviona.

Jos haluat merkityksellisten tietojen näyttävän pistekaavion, pinotun pylväskaavion tai nauhakaavion, valitse pienet kuvakkeet vesiputous-visualisoinnin alareunasta.

Näyttökuva visualisoinnin alareunassa olevista kuvakkeista.

Peukalo ylös- ja Peukalo alas -kuvakkeet sivun yläreunassa ovat visualisoinnin ja ominaisuuden palautetta antaessa.

Näyttökuvassa näkyvät peukalo ylöspäin ja peukalo alas visualisoinnin yläreunassa.

Voit käyttää merkityksellisiä tietoja, kun raportti on luku- tai muokkausnäkymässä. Se on monipuolinen tietojen analysointiin ja visualisointien luomiseen, jotka voit helposti lisätä raportteihisi. Jos raportti on avoinna muokkausnäkymässä, peukalokuvakkeiden vieressä näkyy pluskuvake. Lisää merkitykselliset tiedot raporttiin uutena visualisointina valitsemalla pluskuvake.

Näyttökuva visualisoinnin yläreunassa näkyvästä pluskuvakkeesta muokkausnäkymässä.

Palautettujen tulosten tiedot

Merkityksellisten tietojen palauttamat tiedot korostavat eroja kahden ajanjakson välillä, jotta ymmärrät paremmin niiden välisen muutoksen.

Voit ajatella algoritmia näin – se ottaa kaikki muut mallin sarakkeet ja laskee kyseisen sarakkeen perusteella erittelyn (ennen- ja jälkeen-ajanjaksoille) määrittääkseen, kuinka suuri muutos ilmeni kyseisenä ajanjaksona. Palauttaa sitten ne sarakkeet, joissa on suurin muutos. Edellisessä esimerkissä osavaltio valitaan vesiputoustietoihin, sillä Louisianan, Texasin ja Kalifornian tuotos laski 13 prosentista 19 prosenttiin kesäkuusta heinäkuuhun. Tämä muutos vaikutti eniten yksiköiden kokonaismäärän laskuun.

Kunkin palautetun merkityksellisten tietojen osalta voidaan näyttää neljä visualisointia. Näistä visualisoinneista kolme on tarkoitettu korostamaan muutosta osuudessa kahden ajanjakson välillä, kuten selitys kasvun 2. neljänneksen ja 3. neljänneksen välillä. Valintanauhakaaviossa näytetään muutokset sekä ennen valittua arvopistettä että sen jälkeen.

Pistekaavio

Näyttökuva merkityksellisistä tiedoista peräisin olevista kaaviokuvakkeista, joissa on valittuna pistekaaviokuvake.

Pistekaavio-visualisointi näyttää mittarin arvon ensimmäisellä ajanjaksolla (x-akseli) suhteessa mittarin arvoon toisella ajanjaksolla (y-akseli) kullekin sarakkeen arvolle (tässä tapauksessa Osavaltio ). Arvopisteet ovat vihreällä alueella, jos niiden arvo on kasvanut, ja punaisella alueella, jos arvo on laskenut.

Pisteviiva näyttää parhaan vastaavuuden, joten tämän viivan yläpuolella olevat arvopisteet ovat kasvaneet yleistä trendiä enemmän ja tämän viivan alapuolella olevat arvopisteet vähemmän.

Näyttökuva pistekaaviosta, jossa on pisteviiva.

Pistekaaviossa eivät näy sellaiset tietokohteet, joiden arvo oli tyhjä jommankumman ajanjakson aikana.

100 %:n pinottu pylväskaavio

Näyttökuva merkityksellisten tietojen kaaviokuvakkeista, joissa on valittuna pylväskaaviokuvake.

100 %:n pinottu pylväskaavio -visualisointi näyttää valitun arvopisteen ja edellisen arvopisteen kokonaisosuuden (100 %) osuuden. Tämä näkymä mahdollistaa kunkin arvopisteen osuuden rinnakkaisen vertailun. Seuraavassa esimerkissä työkaluvihjeet näyttävät Teksasin valitun arvon todellisen osuuden. Koska osavaltioiden luettelo on pitkä, työkaluvihjeet auttavat sinua näkemään tiedot. Työkaluvihjeiden avulla näet, että Teksasin prosenttiosuus kokonaisyksiköistä on noin sama (31 % ja 32 %), mutta kokonaisyksiköiden todellinen määrä on laskenut 89:stä 71:een. Muista, että Y-akseli on prosenttiosuus, eikä kokonaisosuus, ja että kukin sarakekaista on prosenttiosuus, ei arvo.

Näyttökuva 100 %:n pinotusta pylväskaaviosta, jossa työkaluvihjeet näyttävät Teksasin valitun arvon.

Nauhakaavio

Näyttökuva merkityksellisten tietojen kaaviokuvakkeista, joissa valintanauhan kuvake on valittuna.

Nauhakaavio-visualisointi näyttää mittarin arvon ennen ja jälkeen. Se auttaa näyttämään muutosten osuudet, kun osallistujien järjestys muuttuu (esimerkiksi LA-osallistuja putosi numerosta 2 numeroon 11). TX :ää edustaa leveä nauha ylhäällä. Se on merkittävin osallistuja ennen ja jälkeen. Pudotus näyttää, että osuuden arvo laski sekä valitulla ajanjaksolla että sen jälkeen.

Näyttökuva nauhakaaviosta, jossa näkyvät työkaluvihjeet.

Vesiputouskaavio

Näyttökuva merkityksellisten tietojen kaaviokuvakkeista, joissa on valittuna vesiputouskaaviokuvake.

Neljäs visualisointi on vesiputouskaavio, joka esittää ajanjaksojen väliset todelliset nousut tai laskut. Tämä visualisointi näyttää selvästi yhden merkittävän osallistujan kesäkuun 2014 laskuun – tässä tapauksessa se on Osavaltio. Osavaltion vaikutus kokonaisyksikköjen laskuun on erityisesti se, että se on ollut merkittävintä Louisianassa, Teksasissa ja Coloradossa.

Näyttökuva vesiputouskaaviosta, joka näyttää yksiköiden kokonaismäärän laskut.

Huomioitavat asiat ja rajoitukset

Koska nämä merkitykselliset tiedot perustuvat edellisen arvopisteen muutokseen, ne eivät ole käytettävissä, kun valitset visualisoinnin ensimmäisen arvopisteen.

Analysoi-ominaisuus ei ole käytettävissä kaikille visualisointityypeille.

Seuraavassa luettelossa on kokoelma tilanteita, joissa Analysoi-ominaisuutta ei tällä hetkellä tueta (Selitä lisäys, Selitä vähennys, Etsi, missä jakauma on erilainen):

  • TopN-suodattimet
  • Sisällytä tai jätä pois suodattimet.
  • Mittarisuodattimet
  • Muut kuin numeeriset mittarit
  • "Näytä arvo muodossa" -ominaisuuden käyttö
  • Suodatetut mittarit. Suodatetut mittarit ovat visuaalisen tason laskutoimituksia, joihin liittyy tietty suodatin (esimerkiksi Ranskan kokonaismyynti), ja niitä käytetään joissakin merkityksellisten tietojen ominaisuuden luomista visualisoinneista.
  • X-akselin luokitellut sarakkeet, elleivät ne määritä lajittelua sarakkeen mukaan, joka on skalaarisia. Jos käytät hierarkiaa, aktiivisen hierarkian jokaisen sarakkeen on vastattava tätä ehtoa.
  • RLS (rivitason suojaus) tai DirectQueryä käyttävät tietomallit