Типы аналитических сведений, поддерживаемые Power BI
ОБЛАСТЬ ПРИМЕНЕНИЯ:
служба Power BI для бизнес-пользователей служба Power BI для разработчиков и разработчиков
Power BI Desktop требуется лицензия Pro или Premium
Попросите Power BI просмотреть данные и найти интересные тенденции и шаблоны. Эти тенденции и шаблоны представлены в виде визуальных элементов с именем Insights. Аналитические сведения доступны для визуальных элементов на панелях мониторинга, визуальных элементах в отчетах и на всех страницах отчетов.
Сведения об использовании аналитики панелей мониторинга см. в статье "Просмотр аналитических сведений о данных" на плитках панели мониторинга с помощью Power BI.
Как работает Аналитика?
Power BI выполняет поиск различных подмножеств семантической модели и применяет набор сложных алгоритмов для обнаружения потенциально интересных аналитических сведений. Вы можете запускать аналитику на плитках панели мониторинга, визуальных элементах отчета и страницах отчетов.
Некоторые терминологии
Power BI использует статистические алгоритмы для обнаружения аналитики. Алгоритмы перечислены и описаны в следующем разделе этой статьи. Прежде чем перейти к алгоритмам, ниже приведены определения для некоторых терминов, которые могут быть незнакомы.
Мера — это количественное (числовое) поле, которое можно использовать для выполнения вычислений. Общие вычисления: сумма, среднее и минимальное значение. Например, если наша компания делает и продает скейтборды, наши меры могут быть количеством скейтбордов проданы и средняя прибыль в год.
Измерение — измерения являются категориальными (текстовыми) данными. Измерение описывает человека, объект, элемент, продукты, место и время. В семантической модели измерения — это способ группировать меры в полезные категории. Для нашей компании скейтборд некоторые измерения могут включать в себя просмотр продаж (мер) по модели, цвету, стране или региону или маркетинговой кампании.
Корреляция — корреляция говорит нам, как связано поведение вещей. Если их шаблоны увеличения и уменьшения похожи, они положительно коррелируются. Если их шаблоны противоположны, они отрицательно коррелируются. Например, продажи красных скейтбордов увеличиваются каждый раз, когда мы запускаем тв-маркетинговую кампанию. Продажи красных скейтбордов и телевизионной маркетинговой кампании положительно коррелируются.
Временные ряды — это способ отображения времени в виде последовательных точек данных. Эти точки данных могут быть добавочными, такими как секунды, часы, месяцы или годы.
Непрерывная переменная — непрерывная переменная может быть любым значением между минимальными и максимальными ограничениями, в противном случае это дискретная переменная . Примерами являются температура, вес, возраст и время. Непрерывные переменные могут включать дроби или части значения. Общее количество синих скейтбордов продано дискретной переменной, так как мы не можем продать половину скейтборда.
Какие типы аналитических сведений можно найти?
Для отчетов Power BI упреждает анализ аномалий, тенденций и ключевых показателей эффективности. Для плиток панели мониторинга Power BI может найти 10 типов Аналитики.
Вылитые категории (сверху или внизу)
Выделяет случаи, когда одна или две категории имеют больше значений, чем другие категории.
Изменение точек в временных рядах
Выделяется при наличии значительных изменений в тенденциях в временных рядах данных.
Корреляция
Обнаруживает случаи, когда несколько мер показывают аналогичный шаблон или тенденцию при построении на категорию или значение в семантической модели.
Низкая дисперсия
Обнаруживает случаи, когда точки данных для измерения не далеко от среднего значения, поэтому дисперсия низка. Предположим, что у вас есть мера "продажи" и измерение "регион". И в разных регионах вы видите, что между точками данных и средними точками данных (точек данных) мало. Аналитические сведения активируются, когда дисперсию продаж во всех регионах ниже порогового значения. Другими словами, когда продажи аналогичны всем регионам.
Большинство (основные факторы)
Находит случаи, когда большая часть общего значения может быть связана с одним фактором при разбивке по другому измерению.
Выбросы
Этот тип аналитических сведений использует модель кластеризации для определения выбросов, не связанных с данными временных рядов. Выбросы определяют, когда существуют определенные категории со значениями, значительно отличающиеся от других категорий.
Общие тенденции временных рядов
Обнаруживает тенденции вверх или вниз в данных временных рядов.
Сезонность в временных рядах
Находит периодические шаблоны в данных временных рядов, таких как еженедельная, ежемесячная или годовая сезонность.
Устойчивый общий ресурс
Выделяет случаи, когда между общей частью дочернего значения в отношении общего значения родительского элемента в непрерывной переменной существует корреляция между родительским значением. Аналитика устойчивого общего доступа применяется к контексту меры, измерения и другого измерения даты и времени. Это представление активирует, когда определенное значение измерения, например "восточная область", имеет устойчивый процент общих продаж в этом измерении даты и времени.
Устойчивое понимание общего доступа аналогично низкой дисперсии, потому что они оба связаны с отсутствием дисперсии значения в течение времени. Тем не менее, устойчивый общий анализ измеряет отсутствие дисперсии процента в целом в течение всего времени, в то время как низкая дисперсия измеряет отсутствие дисперсии абсолютных значений мер в измерении.
Выбросы временных рядов
Для данных в временных рядах определяется, когда имеются определенные даты или время со значениями, значительно отличающиеся от других значений даты и времени.
Связанный контент
Есть еще вопросы? Спросите Сообщество Power BI.