บทช่วยสอนส่วนที่ 5: แสดงภาพการคาดการณ์ด้วยรายงาน Power BI

ในบทช่วยสอนนี้ คุณสร้างรายงาน Power BI จากข้อมูลการคาดการณ์ที่สร้างขึ้นในตอนที่ 4: ดําเนินการให้คะแนนเป็นกลุ่มและบันทึกการคาดการณ์ไปยังเลคเฮ้าส์

คุณจะเรียนรู้วิธี:

• สร้างแบบจําลองความหมายจากข้อมูลการคาดการณ์
• เพิ่มหน่วยวัดใหม่ลงในข้อมูลจาก Power BI
• สร้างรายงาน Power BI
• เพิ่มการแสดงภาพไปยังรายงาน

ข้อกำหนดเบื้องต้น

• รับการสมัครใช้งาน Microsoft Fabric หรือลงทะเบียนเพื่อทดลองใช้งาน Microsoft Fabric ฟรี

• ลงชื่อเข้าใช้ Microsoft Fabric

• ใช้ตัวสลับประสบการณ์การใช้งานที่ด้านล่างซ้ายของหน้าหลักของคุณเพื่อเปลี่ยนเป็น Fabric

  

นี่คือส่วนที่ 5 จาก 5 ในชุดบทช่วยสอน เมื่อต้องการทําบทช่วยสอนนี้ให้เสร็จสมบูรณ์ ก่อนอื่นให้ทําให้เสร็จสมบูรณ์:

• ส่วนที่ 1: นําเข้าข้อมูลลงใน Microsoft Fabric lakehouse โดยใช้ Apache Spark
• ส่วนที่ 2: สํารวจและแสดงข้อมูลด้วยภาพโดยใช้สมุดบันทึก Microsoft Fabric เพื่อเรียนรู้เพิ่มเติมเกี่ยวกับข้อมูล
• ส่วนที่ 3: ฝึกและลงทะเบียนแบบจําลองการเรียนรู้ของเครื่อง
• ส่วนที่ 4: ดําเนินการให้คะแนนแบบกลุ่มและบันทึกการคาดการณ์ไปยังเลคเฮ้าส์

สร้างแบบจําลองแสดงความหมาย

สร้างแบบจําลองความหมายใหม่ที่เชื่อมโยงกับข้อมูลการคาดการณ์ที่คุณสร้างขึ้นในส่วนที่ 4:

1. ทางด้านซ้าย ให้เลือกพื้นที่ทํางานของคุณ

2. ที่ด้านบนซ้าย เลือก เลคเฮ้าส์ เป็นตัวกรอง

3. เลือกเลคเฮ้าส์ที่คุณใช้ในส่วนก่อนหน้าของชุดบทช่วยสอน

4. เลือก แบบจําลอง ความหมายใหม่ บนริบบอนด้านบน

   

5. ตั้งชื่อแบบจําลองเชิงความหมาย เช่น "การคาดการณ์การเลิกใช้บริการธนาคาร" จากนั้นเลือกชุดข้อมูล customer_churn_test_predictions

   

6. เลือก ยืนยัน

เพิ่มหน่วยวัดใหม่

ในตอนนี้ ให้เพิ่มหน่วยวัดสองถึงสามรายการไปยังแบบจําลองความหมาย:

1. เพิ่มหน่วยวัดใหม่สําหรับอัตราการเลิกใช้บริการ

   1. เลือก หน่วยวัด ใหม่ ในริบบอนด้านบน การดําเนินการนี้จะเพิ่มรายการใหม่ที่ชื่อว่า Measure ไปยัง ชุดข้อมูล customer_churn_test_predictions และเปิดแถบสูตรเหนือตาราง

      

   2. หากต้องการกําหนดอัตราการเลิกใช้บริการที่คาดการณ์ไว้โดยเฉลี่ย ให้แทนที่ Measure = ในแถบสูตรด้วย:

      Churn Rate = AVERAGE(customer_churn_test_predictions[predictions])
      

   3. เมื่อต้องการนําสูตรไปใช้ ให้เลือกเครื่องหมายถูกในแถบสูตร หน่วยวัดใหม่จะปรากฏในตารางข้อมูล ไอคอนเครื่องคิดเลขแสดงการสร้างขึ้นเป็นหน่วยวัด

   4. เปลี่ยนรูปแบบจากทั่วไปเป็นเปอร์เซ็นต์ในแผงคุณสมบัติ

   5. เลื่อนลงใน แผงคุณสมบัติ เพื่อเปลี่ยน ตําแหน่ง ทศนิยมเป็น 1

      

2. เพิ่มหน่วยวัดใหม่ที่นับจํานวนลูกค้าธนาคารทั้งหมด คุณจะต้องใช้สําหรับส่วนที่เหลือของหน่วยวัดใหม่

   1. เลือก หน่วยวัด ใหม่ ในริบบอนด้านบนเพื่อเพิ่มรายการใหม่ที่ ชื่อว่า หน่วยวัด ไปยัง customer_churn_test_predictions ชุดข้อมูล การดําเนินการนี้ยังเปิดแถบสูตรด้านบนของตารางด้วย

   2. การคาดการณ์แต่ละรายการแสดงถึงลูกค้าหนึ่งราย เมื่อต้องการกําหนดจํานวนลูกค้าทั้งหมด ให้แทนที่ Measure = ในแถบสูตรด้วย:

      Customers = COUNT(customer_churn_test_predictions[predictions])
      

   3. เมื่อต้องการนําสูตรไปใช้ ให้เลือกเครื่องหมายถูกในแถบสูตร

3. เพิ่มอัตราการเลิกใช้บริการสําหรับประเทศเยอรมนี

   1. เลือก หน่วยวัด ใหม่ ในริบบอนด้านบนเพื่อเพิ่มรายการใหม่ที่ ชื่อว่า หน่วยวัด ไปยัง customer_churn_test_predictions ชุดข้อมูล การดําเนินการนี้ยังเปิดแถบสูตรด้านบนของตารางด้วย

   2. หากต้องการกําหนดอัตราการเลิกใช้บริการสําหรับประเทศเยอรมนี ให้แทนที่ Measure = ในแถบสูตรด้วย:

      Germany Churn = CALCULATE(AVERAGE(customer_churn_test_predictions[predictions]),FILTER(customer_churn_test_predictions, customer_churn_test_predictions[Geography_Germany] = TRUE()))
      

      ซึ่งจะกรองแถวลงไปที่แถวที่มีเยอรมนีเป็นภูมิศาสตร์ของพวกเขา (Geography_Germany เท่ากับหนึ่ง)

   3. เมื่อต้องการนําสูตรไปใช้ ให้เลือกเครื่องหมายถูกในแถบสูตร

4. ทําซ้ําขั้นตอนข้างต้นเพื่อเพิ่มอัตราการเลิกใช้บริการสําหรับประเทศฝรั่งเศสและสเปน

   • อัตราการเลิกใช้บริการของสเปน:

     Spain Churn = CALCULATE(AVERAGE(customer_churn_test_predictions[predictions]),FILTER(customer_churn_test_predictions, customer_churn_test_predictions[Geography_Spain] = TRUE()))
     

   • อัตราการเลิกใช้บริการของฝรั่งเศส:

     France Churn = CALCULATE(AVERAGE(customer_churn_test_predictions[predictions]),FILTER(customer_churn_test_predictions, customer_churn_test_predictions[Geography_France] = TRUE()))
     

สร้างรายงานใหม่

เมื่อคุณเสร็จสิ้นการดําเนินการทั้งหมด ย้ายไปยังหน้าการเขียนรายงาน Power BI โดยการเลือก สร้างรายงาน บนริบบอนด้านบน

เมื่อหน้ารายงานปรากฏขึ้น ให้เพิ่มวิชวลเหล่านี้:

1. เลือกกล่องข้อความบน ribbon ด้านบนและใส่ชื่อเรื่องสําหรับรายงาน เช่น "Bank Customer Churn" เปลี่ยนขนาดฟอนต์และสีพื้นหลังในแผง รูปแบบ ปรับขนาดฟอนต์และสีโดยการเลือกข้อความและใช้แถบรูปแบบ

2. ในแผงการแสดงภาพ เลือกไอคอนการ์ด จากบานหน้าต่าง ข้อมูล เลือก อัตราการเลิกใช้บริการ เปลี่ยนขนาดฟอนต์และสีพื้นหลังในแผง รูปแบบ ลากการแสดงภาพนี้ไปยังด้านบนขวาของรายงาน

   

3. ในแผง การแสดงผลด้วยภาพ ให้เลือกไอคอน เส้นและแผนภูมิ คอลัมน์แบบเรียงซ้อน เลือก อายุ สําหรับแกน x, อัตราการ เลิกใช้บริการสําหรับแกน y ของคอลัมน์ และ ลูกค้า สําหรับแกน y ของเส้น

   

4. ในแผง การแสดงผลด้วยภาพ ให้เลือกไอคอน เส้นและแผนภูมิ คอลัมน์แบบเรียงซ้อน เลือก NumOfProducts สําหรับแกน x, อัตราการ Churn สําหรับแกน y ของคอลัมน์และ ลูกค้า สําหรับแกน y ของเส้น

   

5. ในแผงการแสดงภาพ เลือกไอคอน แผนภูมิ คอลัมน์แบบเรียงซ้อน เลือก NewCreditsScore สําหรับแกน x และ อัตราการ เลิกใช้บริการสําหรับแกน y

   

   เปลี่ยนชื่อเรื่อง "NewCreditsScore" เป็น "คะแนนเครดิต" ในแผงรูปแบบ

   

6. ในแผงการแสดงภาพ เลือก การ์ดแผนภูมิ คอลัมน์แบบกลุ่ม เลือก Germany Churn, Spain Churn, France Churn ตามลําดับสําหรับแกน y

   

หมายเหตุ

รายงานนี้แสดงตัวอย่างภาพประกอบของวิธีที่คุณอาจวิเคราะห์ผลลัพธ์การคาดการณ์ที่บันทึกไว้ใน Power BI อย่างไรก็ตาม สําหรับกรณีที่ลูกค้าเลิกใช้บริการจริง คุณอาจต้องใช้ความคิดที่ละเอียดยิ่งขึ้นว่าการแสดงภาพใดที่จะสร้าง ตามความเชี่ยวชาญในเนื้อหาของคุณ และสิ่งที่ทีมวิเคราะห์บริษัทและธุรกิจของคุณกําหนดมาตรฐานเป็นเมตริก

รายงาน Power BI แสดง:

• ลูกค้าธนาคารที่ใช้ผลิตภัณฑ์ธนาคารมากกว่าสองรายการมีอัตราการเลิกใช้บริการสูงกว่าแม้ว่าจะมีลูกค้าเพียงไม่กี่รายที่มีผลิตภัณฑ์มากกว่าสองรายการ ธนาคารควรรวบรวมข้อมูลเพิ่มเติม แต่ยังตรวจสอบคุณสมบัติอื่น ๆ ที่สัมพันธ์กับผลิตภัณฑ์เพิ่มเติม (ตรวจสอบการลงจุดในแผงด้านล่างซ้าย)
• ลูกค้าธนาคารในประเทศเยอรมนีมีอัตราการเลิกใช้บริการที่สูงกว่าประเทศฝรั่งเศสและสเปน (พิจารณาการลงจุดในแผงด้านล่างขวา) เพื่อแนะนําว่าการตรวจสอบเกี่ยวกับสิ่งที่ลูกค้าแนะนําให้ออกอาจเป็นประโยชน์
• มีลูกค้าที่มีอายุกลางมากขึ้น (ระหว่าง 25-45) และลูกค้าที่มีอายุระหว่าง 45-60 มีแนวโน้มที่จะออกจากกลุ่มมากขึ้น
• ในที่สุดลูกค้าที่มีคะแนนเครดิตต่ํากว่ามีแนวโน้มที่จะออกจากธนาคารสําหรับสถาบันการเงินอื่น ๆ ธนาคารควรมองหาวิธีในการส่งเสริมให้ลูกค้ามีคะแนนเครดิตที่ต่ํากว่าและยอดคงเหลือบัญชีเพื่ออยู่กับธนาคาร

ขั้นตอนถัดไป

ทําชุดบทช่วยสอนห้าส่วนให้เสร็จสมบูรณ์ ดูบทช่วยสอนตัวอย่างแบบครอบคลุมอื่นๆ:

วิธีใช้ตัวอย่าง AI แบบ end-to-end ใน Microsoft Fabric