AI 인사이트를 사용하여 추세 및 변칙 파악 설명
조직에 있는 한 가지 과제는 추세를 쉽게 식별하고 변칙이 발생할 때 감지할 수 있다는 것입니다. 예를 들어 많은 소매 조직에서는 연말연시 기간 중 12월 동안 매출이 증가하는 것을 볼 수 있습니다. 이러한 매출 상승이 예상되지만, 그 달 동안 매출이 감소했거나 8월에 평소보다 더 높았다면 어떻게 될까요? 필요한 조치를 취할 수 있도록 최대한 신속하게 이러한 변칙을 식별하는 것이 중요합니다.
Power BI의 인사이트 기능을 사용하면 조직에서 보고서, 대시보드, 시각화와 같은 요소를 상호 작용하고 사용할 때 데이터의 변칙, 추세와 같은 인사이트를 쉽게 식별할 수 있습니다. 이는 흥미로운 인사이트가 있으면 알려주고 그에 대한 설명을 제공합니다. 모든 보고서에서 즉시 사용할 수 있으므로 설정 없이 보고서에서 자동으로 인사이트를 얻을 수 있습니다.
Power BI에는 AI(인공 지능)를 사용하는 여러 인사이트 기능이 있습니다.
보고서에 대한 인사이트: 데이터를 분석하고 보고서와 상호 작용할 때 데이터의 변칙과 추세를 찾습니다.
개별 시각적 개체에 대한 인사이트: 시각적 개체의 데이터 요소 변동을 분석하고 설명합니다.
대시보드 타일에 대한 인사이트: 해당 타일을 렌더링하는 데 사용되는 데이터를 살펴보고 대화형 시각적 개체에 표시합니다.
데이터 세트에 대한 빠른 인사이트: Power BI 서비스의 데이터 세트에 대한 데이터 인사이트를 자동으로 생성합니다.
Power Query의 데이터 모델에 대한 AI 인사이트: Azure Cognitive Services에서 미리 학습된 기계 학습 모델에 대한 액세스를 제공합니다.
알림
알림은 Power BI의 인사이트 기능에서 중요한 부분입니다. 보고서와 같은 Power BI 요소에서 작업하는 동안 Power BI는 인사이트 분석을 자동으로 실행합니다. Power BI에서 인사이트를 식별하면 알림이 표시됩니다. 인사이트를 보거나 무시하도록 선택할 수 있습니다. 알림은 제안된 인사이트와 사전에 상호 작용하여 특정 지역의 판매가 증가하는 경우와 같이 중요한 것을 놓치지 않도록 하는 좋은 방법입니다. 주요 인사이트는 추세나 변칙의 최신 여부, 중요성과 같은 요인을 기준으로 하는 주목할 만한 인사이트입니다.
보고서 및 시각적 개체에 대한 인사이트 얻기
알림 기능은 보고서를 작업할 때 인사이트를 경고하고 알립니다. 또한 다양한 요소 중 일부를 살펴볼 때 인사이트를 얻을 수 있는 시나리오도 많이 있습니다. Power BI 보고서와 시각적 개체를 사용하는 동안 인사이트 가져오기를 선택하여 인사이트 창을 열 수 있습니다.
이 창은 현재 보고서 페이지에 대한 인사이트만 표시하고, 보고서의 다른 페이지를 선택하면 업데이트됩니다. 개별 시각화로 작업하는 동안 시각적 개체의 오른쪽 맨 위에 있는 추가 옵션(...)을 선택하고 인사이트 얻기를 선택하여 시각적 개체에 관한 인사이트를 확인합니다.
자세한 정보
인사이트 창은 현재 다음과 같은 세 가지 유형의 인사이트를 표시합니다.
변칙: 예상과 다른 항목을 나타냅니다. 예를 들어 일반적으로 72F일 때 갑자기 온도를 100F로 읽는 스마트 자동 온도 조절기는 변칙으로 간주됩니다.
추세: 시계열 데이터 세트에서 확인되는 패턴을 표시합니다. 예를 들어 4월 한 달 동안 회사의 매출이 꾸준히 증가하는 경우 추세를 나타냅니다.
KPI(핵심 성과 지표) 분석: 정의된 대상에 대한 현재 값을 평가하는 데 도움이 됩니다. 예를 들어 회사에서 판매 목표를 120만 건으로 설정할 수 있지만 현재는 100만 건입니다.
Anomalies
변칙은 데이터의 예기치 않은 급증 및 감소와 같은 시계열 데이터의 비정상 상태를 나타냅니다. 알고리즘은 값이 정상 또는 예상값으로 간주되는 경계를 계산합니다. 이 경계 외부에 있는 모든 값은 변칙으로 표시됩니다.
변칙 인사이트 유형에는 다음 세 가지가 있습니다.
심각한 변칙: 변칙 점수가 높습니다. 변칙 점수는 요소가 예상 범위에서 얼마나 멀리 떨어져 있는지를 나타냅니다.
최근 변칙: 측정값의 최근 변칙입니다.
변칙 요약: 이 인사이트 유형은 측정값의 여러 변칙을 요약합니다.
데이터의 변칙에 플래그가 지정되면 Power BI는 데이터 모델의 다양한 차원에 대한 분석을 실행하여 변칙과 상관 관계가 있는 측정값의 급증 또는 하락을 찾습니다. 강도에 따라 순위가 매겨진 가능한 설명으로 표시됩니다.
추세
추세는 시계열 데이터에서 장기적인 증가 또는 감소가 있는 경우에 발생합니다. 유의미한 추세를 발견하기 위한 일련의 Power BI 알고리즘 사용 단계가 있습니다. 먼저 데이터 평활화, 보간, 시계열 샘플링을 수행합니다. 그런 다음, 값 변경의 기울기와 길이를 기준으로 추세의 통계 중요도를 파악합니다. 알고리즘은 계절성 및 이상값과 같은 노이즈를 제거합니다. 예를 들어 12월에 판매가 급증하면 판매가 휴일을 뛰어다니는 것이 일반적이기 때문에 알고리즘은 이를 주목할 만한 추세로 표시하지 않습니다.
플래그가 지정된 다음과 같은 네 가지 기본 추세가 있습니다.
장기 추세: 이 추세는 중요하며 단일 계열 내에서 또는 시각적 개체의 여러 계열에서 가장 긴 추세입니다.
급격한 추세: 이 추세는 중요하며 단일 계열 내에서 또는 시각적 개체의 여러 계열에서 가장 급격한 추세입니다.
최근 추세: 이 추세는 중요하며 단일 계열 내에서 또는 시각적 개체의 여러 계열에서 최근 추세입니다.
추세 반전: 이전 추세 세그먼트와 비교했을 때 반전이 중요한 단일 계열 또는 시각적 개체의 여러 계열에서 최근 추세입니다.
데이터 추세에 플래그가 지정되면 Power BI는 식별된 추세의 증가 또는 감소에 가장 큰 영향을 미치는 범주를 검색하고 식별합니다. 가능한 설명은 다른 범주부터 추세의 증가나 감소에 대한 상대적 기여도에 따라 순위가 결정됩니다.
KPI 분석
목표가 있는 KPI 분석은 목표에 대한 현재 값의 분산을 확인합니다. 분산이 다른 세그먼트에 비해 높거나 낮은 경우 중요한 것으로 간주됩니다. 목표가 없는 KPI 분석은 값 자체를 확인하고 다른 세그먼트와 비교하여 높거나 낮은 값에 플래그를 지정합니다.
KPI 분석 설명의 경우 Power BI는 예상되는 값보다 높거나 낮은 범주를 찾아 식별합니다. 목표가 있는 KPI 분석의 경우 가능한 설명은 목표에서의 값 차이에 대한 Z 점수를 기준으로 순위가 매겨집니다. 대상이 없는 KPI 분석의 경우 가능한 설명은 값 자체의 Z 점수를 기준으로 순위가 매겨집니다.