Typy szczegółowych informacji obsługiwanych przez usługę Power BI
DOTYCZY: usługa Power BI dla użytkowników biznesowych usługa Power BI dla projektantów i deweloperów programu Power BI Desktop wymaga licencji Pro lub Premium
Poproś usługę Power BI o przejrzenie danych i znalezienie interesujących trendów i wzorców. Te trendy i wzorce są prezentowane jako wizualizacje o nazwie Insights. Szczegółowe informacje są dostępne dla wizualizacji na pulpitach nawigacyjnych, wizualizacjach w raportach i na całej stronie raportu.
Aby dowiedzieć się, jak używać szczegółowych informacji o pulpicie nawigacyjnym, zobacz Wyświetlanie szczegółowych informacji o danych na kafelkach pulpitu nawigacyjnego za pomocą usługi Power BI.
Jak działa usługa Insights?
Usługa Power BI wyszukuje różne podzestawy modelu semantycznego i stosuje zestaw zaawansowanych algorytmów w celu odnajdywania potencjalnie interesujących szczegółowych informacji. Możesz uruchamiać szczegółowe informacje na kafelkach pulpitu nawigacyjnego, wizualizacjach raportu i stronach raportu.
Terminologia
Usługa Power BI używa algorytmów statystycznych do odnajdowania szczegółowych informacji. Algorytmy są wymienione i opisane w następnej sekcji tego artykułu. Zanim przejdziemy do algorytmów, poniżej przedstawiono definicje niektórych terminów, które mogą być nieznane.
Miara — miara jest polem ilościowym (liczbowym), które może służyć do wykonywania obliczeń. Typowe obliczenia to suma, średnia i minimum. Jeśli na przykład nasza firma produkuje deskorolki i sprzedaje je, nasze miary mogą być liczbą sprzedanych deskorolek i średnim zyskiem rocznie.
Wymiar — wymiary są danymi kategorialnymi (tekstowymi). Wymiar opisuje osobę, obiekt, element, produkty, miejsce i czas. W modelu semantycznym wymiary są sposobem grupowania miar w przydatne kategorie. Dla naszej firmy deskorolki niektóre wymiary mogą obejmować przeglądanie sprzedaży (miary) według modelu, koloru, kraju/regionu lub kampanii marketingowej.
Korelacja — korelacja informuje nas, jak odnosi się zachowanie rzeczy. Jeśli ich wzorce wzrostu i spadku są podobne, są one pozytywnie skorelowane. Jeśli ich wzorce są przeciwne, są one negatywnie skorelowane. Na przykład sprzedaż czerwonych deskorolek zwiększa się za każdym razem, gdy prowadzimy kampanię marketingową tv. Sprzedaż czerwonych deskorolek i kampania marketingowa tv są pozytywnie skorelowane.
Szereg czasowy — szereg czasowy to sposób wyświetlania czasu jako kolejnych punktów danych. Te punkty danych mogą być przyrostowe, takie jak sekundy, godziny, miesiące lub lata.
Zmienna ciągła — zmienna ciągła może być dowolną wartością między minimalnym i maksymalnym limitem, w przeciwnym razie jest to zmienna dyskretna. Przykłady to temperatura, waga, wiek i czas. Zmienne ciągłe mogą zawierać ułamki lub części wartości. Całkowita liczba sprzedanych niebieskich deskorolek jest zmienną dyskretną, ponieważ nie możemy sprzedać pół deskorolki.
Jakie typy szczegółowych informacji można znaleźć?
W przypadku raportów usługa Power BI aktywnie wykonuje analizy anomalii, trendów i kluczowych wskaźników wydajności. W przypadku kafelków pulpitu nawigacyjnego usługa Power BI może znaleźć 10 typów szczegółowych informacji.
Wartości odstające kategorii (góra/dół)
Wyróżnia przypadki, w których jedna lub dwie kategorie mają większe wartości niż inne kategorie.
Zmienianie punktów w szeregach czasowych
Wyróżnia, gdy występują znaczące zmiany trendów w szeregach czasowych danych.
Korelacja
Wykrywa przypadki, w których wiele miar pokazuje podobny wzorzec lub trend podczas wykreślenia względem kategorii lub wartości w modelu semantycznym.
Niska wariancja
Wykrywa przypadki, w których punkty danych wymiaru nie są dalekie od średniej, więc wariancja jest niska. Załóżmy, że masz miarę "sales" i wymiar "region". W całym regionie widać, że między punktami danych a średnią (punktami danych) jest niewielka różnica. Szczegółowe informacje są wyzwalane, gdy wariancja sprzedaży we wszystkich regionach jest niższa od progu. Innymi słowy, gdy sprzedaż jest podobna we wszystkich regionach.
Większość (główne czynniki)
Znajduje przypadki, w których większość całkowitej wartości może być przypisywana pojedynczemu współczynnikowi w przypadku podziałów według innego wymiaru.
Outliers
Ten typ szczegółowych informacji używa modelu klastrowania do znajdowania wartości odstających, które nie są związane z danymi szeregów czasowych. Wartości odstające wykrywają, gdy istnieją określone kategorie o wartościach znacznie różniące się od innych kategorii.
Ogólne trendy w szeregach czasowych
Wykrywa trendy w górę lub w dół w danych szeregów czasowych.
Sezonowość w szeregach czasowych
Znajduje okresowe wzorce w danych szeregów czasowych, takich jak cotygodniowe, miesięczne lub roczne sezonowość.
Stały udział
Wyróżnia przypadki, w których istnieje korelacja elementu nadrzędnego-podrzędnego między udziałem wartości podrzędnej w odniesieniu do ogólnej wartości elementu nadrzędnego w zmiennej ciągłej. Wgląd w stały udział ma zastosowanie do kontekstu miary, wymiaru i innego wymiaru daty/godziny. Ta analiza jest wyzwalana, gdy określona wartość wymiaru, na przykład "region wschodni", ma stały procent ogólnej sprzedaży w tym wymiarze daty/godziny.
Wgląd w stały udział jest podobny do szczegółowych informacji o niskiej wariancji, ponieważ są one związane z brakiem wariancji wartości w czasie. Jednak analiza stałego udziału mierzy brak wariancji procentu całkowitego w czasie, podczas gdy analiza niskiej wariancji mierzy brak wariancji bezwzględnych wartości miar w wymiarze.
Wartości odstające szeregów czasowych
W przypadku danych w szeregach czasowych wykrywa, kiedy istnieją określone daty lub godziny o wartościach znacznie innych niż inne wartości daty/godziny.
Powiązana zawartość
Masz więcej pytań? Zapytaj Społeczność usługi Power BI.