Avvikelseidentifiering

Gäller för: Power BI-tjänst för konsumenter Power BI-tjänst för designers och utvecklare Power BI Desktop kräver Pro- eller Premium-licens

Med avvikelseidentifiering kan du förbättra linjediagrammen genom att automatiskt identifiera avvikelser i tidsseriedata. Den innehåller också förklaringar till avvikelserna för att hjälpa till med rotorsaksanalysen. Med bara ett par klick kan du enkelt hitta insikter utan att segmentera och diktera data. Du kan skapa och visa avvikelser i både Power BI Desktop och Power BI-tjänst. Stegen och illustrationerna i den här artikeln kommer från Power BI Desktop.

Kommentar

Den här videon kan använda tidigare versioner av Power BI Desktop eller Power BI-tjänst.

Kom igång

I den här självstudien används onlineförsäljningsdata för olika produkter. Om du vill följa med i den här självstudien laddar du ned exempelfilen för ett scenario med onlineförsäljning.

Du kan aktivera avvikelseidentifiering genom att välja diagrammet och välja Hitta avvikelser i analysfönstret.

Det här diagrammet visar till exempel Intäkter över tid. Om du lägger till avvikelseidentifiering utökas diagrammet automatiskt med avvikelser och det förväntade intervallet med värden. När ett värde hamnar utanför den här förväntade gränsen markeras det som en avvikelse. Läs den här tekniska bloggen för mer information om Avvikelseidentifiering-algoritmen.

Formatera avvikelser

Den här upplevelsen är mycket anpassningsbar. Du kan formatera avvikelsens form, storlek och färg samt färg, stil och transparens för förväntat intervall. Du kan också konfigurera parametern för algoritmen. Om du ökar känsligheten är algoritmen mer känslig för ändringar i dina data. I så fall markeras även en liten avvikelse som en avvikelse. Om du minskar känsligheten är algoritmen mer selektiv för vad den anser vara en avvikelse.

Förklaringar

Förutom att identifiera avvikelser kan du också automatiskt förklara avvikelserna i data. När du väljer avvikelsen kör Power BI en analys över fält i datamodellen för att ta reda på möjliga förklaringar. Den ger dig en förklaring av avvikelsen på naturligt språk och faktorer som är associerade med den avvikelsen, sorterade efter dess förklarande styrka. Här ser jag att den 30 augusti var intäkterna $ 5187, vilket är över det förväntade intervallet $ 2447 till $ 3423. Jag kan öppna korten i det här fönstret för att se mer information om förklaringen.

Konfigurera förklaringar

Du kan också styra de fält som används för analys. Genom att till exempel dra Säljare och Stad till fältet Förklara efter begränsar Power BI analysen till bara dessa fält. I det här fallet verkar avvikelsen den 31 augusti vara associerad med en viss säljare och vissa städer. Här har säljaren Fabrikam en styrka på 99 %. Power BI beräknar styrka som förhållandet mellan avvikelsen från förväntat värde, när det filtreras efter dimensionen till avvikelsen i det totala värdet. Det är till exempel förhållandet mellan det faktiska minus förväntade värdet, mellan komponentens tidsserie Fabrikam och den sammanlagda tidsseriens totala intäkter för avvikelsepunkten. Om du öppnar det här kortet visas det visuella objektet med en ökning av intäkterna för den här säljaren den 31 augusti. Använd alternativet Lägg till i rapport för att lägga till det här visuella objektet på sidan.

Beaktanden och begränsningar

• Avvikelseidentifiering stöds endast för visuella linjediagram som innehåller tidsseriedata i fältet Axel.
• Avvikelseidentifiering stöds inte med förklaringar, flera värden eller sekundära värden i det visuella linjediagrammet.
• Avvikelseidentifiering kräver minst fyra datapunkter.
• Linjer för prognos/min/max/medelvärde/median/percentil fungerar inte med avvikelseidentifiering.
• Direct Query via SAP-datakälla, Power BI-rapportserver, Live-anslutning till Azure Analysis Services och SQL Server Analysis Services stöds inte.
• Avvikelseförklaringar fungerar inte med alternativen "Visa värde som".
• Det går inte att öka detaljnivån för att gå till nästa nivå i hierarkin.

Relaterat innehåll

Mer information om algoritmen som kör avvikelseidentifiering finns i Tony Xings inlägg om SR-CNN-algoritmen i Azure Avvikelseidentifiering