Poikkeamien havaitseminen

KOSKEE: Power BI -palvelu kuluttajille Power BI -palvelu suunnittelijoille ja kehittäjille Power BI Desktop vaatii Pro- tai Premium-käyttöoikeuden

Poikkeamien tunnistuksen avulla voit parantaa viivakaavioitasi tunnistamalla aikasarjatiedoissa olevat poikkeamat automaattisesti. Se tarjoaa myös poikkeamien selitykset, jotka auttavat syiden analysoinnissa. Vain muutamalla napsautuksella voit helposti löytää merkityksellisiä tietoja ilman tietojen ositusta ja käsittelemistä. Voit luoda ja tarkastella poikkeamia sekä Power BI Desktopissa että Power BI -palvelussa. Tämän artikkelin vaiheissa ja kuvissa näytetään, miten viivakaavion poikkeamien tunnistaminen määritetään Power BI Desktopissa.

Muistiinpano

Tässä videossa käytetään Power BI Desktopin aiempaa versiota.

Aloittaminen

Tässä opetusohjelmassa käytetään eri tuotteiden online-myyntitietoja. Jos haluat seurata tätä opetusohjelmaa, lataa online-myyntiskenaarion mallitiedosto .

Voit ottaa poikkeamien tunnistamisen käyttöön valitsemalla kaavion ja valitsemalla Poikkeamat- Visualisoinnit-ruudun Analytiikka-välilehdessä.

Tämä kaavio näyttää esimerkiksi tuoton ajan kuluessa. Poikkeamien tunnistamisen lisääminen lisää automaattisesti kaavioon poikkeavuuksia ja odotettua arvoaluetta. Kun arvo ylittää tämän odotetun rajan, se merkitään poikkeamaksi. Tässä teknisessä blogissa on lisätietoja Poikkeamien tunnistus-algoritmista.

Poikkeamien muotoilu

Tämä käyttökokemus on hyvin muokattavissa. Voit muotoilla poikkeaman muotoa, kokoa ja väriä sekä odotetun alueen väriä, tyyliä ja läpinäkyvyyttä. Voit myös määrittää algoritmin parametrin. Jos lisäät herkkyyttä, algoritmin herkkyys tietoihisi muutoksille kasvaa. Tällöin pienikin poikkeus merkitään poikkeamaksi. Jos vähennät herkkyyttä, algoritmin herkkyys tieto sille, mitä se pitää poikkeamana, pienenee.

Selityksiä

Poikkeamien tunnistamisen lisäksi voit myös selittää tiedoissa olevat poikkeamat automaattisesti. Kun valitset poikkeaman, Power BI analysoi tietomallisi kentät ja selvittää mahdolliset selitykset. Se antaa luonnollisella kielellä selityksen poikkeamalle ja siihen liittyville tekijöille selittävän vahvuuden mukaan lajiteltuna. Seuraavassa kuvassa näet, että 30. elokuuta Tuotto oli \$5187, joka ylittää odotetun alueen \$2447–\$3423. Voit avata kortit tässä ruudussa nähdäksesi lisätietoja selityksestä.

Selitysten määrittäminen

Voit hallita myös kenttiä, joita käytetään analyysissa. Kun esimerkiksi myyjä ja kaupunki vedetään Selitysperuste-kenttäsäilöön Power BI rajoittaa analyysin vain kyseisiin kenttiin. Tässä tapauksessa 31. elokuuta ilmennyt poikkeama näyttää liittyvän tiettyyn myyjään ja tiettyihin kaupunkeihin. Tässä Fabrikam-myyjän vahvuus on 99 %. Power BI laskee vahvuuden odotetun arvon poikkeaman suhteena, kun se suodatetaan dimension mukaan kokonaisarvon poikkeamaan. Se on esimerkiksi poikkeamapisteelle koosteaikasarjan Fabrikam ja koosteaikasarjan yleinen tuotto välinen suhde, jossa todellisesta arvosta on vähennetty odotettu arvo. Tämän kortin avaaminen näyttää visualisoinnin, jossa näkyy tuottopiikki tämän myyjän kohdalla 31. elokuuta. Lisää tämä visualisointi sivulle Lisää raporttiin -vaihtoehdon avulla.

Huomioitavat asiat ja rajoitukset

• Poikkeamien tunnistamista tuetaan vain viivakaaviovisualisoinneissa, joiden Akseli-kentässä on aikasarjatietoja.
• Poikkeamien tunnistusta ei tueta viivakaaviovisualisoinnin selittissä, useissa arvoissa eikä toissijaisissa arvoissa.
• Poikkeamien tunnistaminen edellyttää vähintään neljää arvopistettä.
• Ennuste-, Minimi-, Maksimi-, Keskiarvo-, Mediaani- ja Prosenttipiste-viivat eivät toimi poikkeamien tunnistamisessa.
• SAP-tietolähteen, Power BI -raporttipalvelimen ja reaaliaikaisen azure Analysis Services- tai SQL Server Analysis Services -yhteyden suoraa kyselyä ei tueta.
• Poikkeamien selitykset eivät toimi Näytä arvo muodossa -asetusten kanssa.
• Porautumista alaspäin hierarkian seuraavalle tasolle ei tueta.

Liittyvä sisältö

Jos haluat lisätietoja poikkeamien tunnistamista suorittavasta algoritmista, lue Tony Xingin julkaisu SR-CNN-algoritmista Azure Anomaly Detector.