描述如何使用 AI 見解 找出趨勢和異常

  • 7 分鐘

組織擁有的一項挑戰，就是能夠輕鬆地識別趨勢，並在發生異常時偵測到異常狀況。 例如，許多零售組織在假日季的12月期間看到銷售額增加。 這是預期的銷售量增加，但如果銷售在該月份關閉，或是在8月高於正常情況，會發生什麼事？ 請務必儘快識別這些異常，以便採取必要的動作。

Power BI 的深入解析功能可協助組織在您互動及取用報表、儀表板和視覺效果等元素時，輕鬆地識別資料的異常和趨勢等深入解析。 其會通知您是否有有趣的深入解析，並提供相關說明。 其可在任何報表上立即運作，因此您可以自動開始從報表取得深入解析，不需要任何設定。

Power BI 儀錶板的螢幕快照，其中顯示製造分析。

Power BI 有多個深入解析功能使用人工智慧 (AI)：

  • 報表的深入解析：當您與報表互動時，分析資料並尋找資料中的異常和趨勢。

  • 個別視覺效果的深入解析： 分析並說明視覺效果中數據點的波動。

  • 儀錶板磚的深入解析： 查看用來呈現該磚的數據，並在互動式視覺效果中呈現它們。

  • 資料集的快速見解：自動在 Power BI 服務中產生資料集的資料見解。

  • Power Query 中數據模型 AI 見解：提供從 Azure 認知服務預先定型機器學習模型的存取權。

通知

通知是Power BI中深入解析功能的重要部分。 當您處理Power BI元素，例如報表時，Power BI 會自動執行深入解析分析。 當 Power BI 識別見解時，您會看到通知。 您可以選擇查看深入解析或忽略它們。 通知是主動與建議深入解析互動的絕佳方式，以確保您不會遺漏任何重要專案，例如特定區域中的銷售量增加。 熱門深入解析是值得注意的深入解析，根據趨勢或異常的信賴度和重要性等因素。

顯示重要見解通知的螢幕快照。

取得報表和視覺效果的深入解析

當您處理報表時，通知功能會警示並通知您見解。 當您逐步執行一些不同元素時，也可能有許多案例可以取得深入解析。 當您使用 Power BI 報表和視覺效果時，您可以選取 [ 取得見解 ] 以開啟 [深入解析] 窗格。

顯示應用程式行中 [取得深入解析] 按鈕的螢幕快照。

窗格只會顯示目前報表頁面的見解，當您選取報表上的不同頁面時，就會更新該頁面。 當您使用個別視覺效果時，您可以選取視覺效果右上角的 [ 更多選項 (...) ]，然後 取得見解 以查看該視覺效果的見解。

顯示下拉功能表中 [取得深入解析] 按鈕的螢幕快照。

深入解析

[深入解析] 窗格目前顯示三種類型的深入解析：

  • 異常： 代表超出預期狀況的一般專案。 例如，當溫度通常是 72 F 時，突然將溫度讀入 100 F 的智慧控溫器會被視為異常。

  • 趨勢： 表示在時間序列數據集中找到的模式。 例如，如果公司的銷售額在 4 月穩定增加，代表趨勢。

  • 關鍵效能指標 (KPI) 分析： 協助您根據定義的目標評估目前的值。 例如，公司可能會將銷售目標設定為1.2百萬，但目前為1百萬。

異常

異常是時間序列數據的異常狀況，例如數據中的非預期尖峰和下降。 演算法會計算被視為正常值或預期值的界限。 在此界限外找到的任何值都會標示為異常。

異常深入解析有三種類型：

  • 重大異常： 異常具有高分。 異常分數表示點與預期的範圍距離。

  • 最近的異常： 量值中最新的異常。

  • 異常摘要： 此深入解析類型摘要說明量值中的多個異常狀況。

標示數據中的異常時，Power BI 會在數據模型中的不同維度上執行分析，以尋找與異常相互關聯的量值尖峰或下降。 它們會顯示為依強度排名的可能說明。

異常偵測和可能說明的螢幕快照。

當時間序列數據長時間增加或減少時，就會發生趨勢。 Power BI 演算法會使用一系列步驟來尋找有意義的趨勢。 它會先執行數據平滑、插補和時間序列取樣。 然後，根據值變更的斜率和長度，識別趨勢是否具有統計重要性。 演算法會移除季節性和極端值等雜訊。 例如，如果銷售在 12 月跳躍，演算法不會將該演算法標示為值得注意的趨勢，因為銷售部門通常會跳到假日。

有四個主要趨勢標示為：

  • 長趨勢： 趨勢很重要，而且是單一數列或視覺效果中多個數列的最長趨勢。

  • 尖峰趨勢： 趨勢相當重要，而且是單一數列或視覺效果中多個數列的最嚴重趨勢。

  • 最近的趨勢： 趨勢很重要，而且是單一數列或視覺效果中多個數列的最新趨勢。

  • 趨勢反轉： 相較於先前的趨勢區段，單一數列或跨多個數列的最近趨勢，其中反轉相當重要。

標示數據的趨勢時，Power BI 會尋找並識別最影響已識別趨勢增加或減少的類別。 可能的說明會根據不同類別的相對貢獻來排名，以增加或減少趨勢。

趨勢偵測和可能說明的螢幕快照。

KPI 分析

目標 KPI 分析會查看目前值與其目標的差異。 相較於其他區段，如果變異數偏高或低，則會被視為顯著性。 沒有目標的 KPI 分析會查看值本身，並標示與其他區段相較之下高或低的值。

針對 KPI 分析說明，Power BI 會尋找並識別高於或低於預期值的類別。 針對目標 KPI 分析，可能的說明會根據目標值差異的 Z 分數來排名。 針對不含目標的 KPI 分析，可能的說明會根據值的 Z 分數來排名。