Vysvětlení fluktuací ve vizuálech s použitím přehledů v Power BI Desktopu (Preview)Apply insights in Power BI Desktop to explain fluctuations in visuals (preview)

Ve vizuálech můžete často vidět velký růst, po kterém následuje strmý pokles hodnot, a vás zajímá, co tyto výkyvy způsobuje.Often in visuals, you see a large increase and then a sharp drop in values, and wonder about the cause of such fluctuations. V přehledech Power BI Desktopu zjistíte příčinu několika kliknutími.With insights in Power BI Desktop you can learn the cause with just a few clicks.

Představte si například následující vizuál, který znázorňuje výši tržeb v jednotlivých letech a čtvrtletích.For example, consider the following visual that shows Sales Amount by Year and Quarter. V roce 2014 došlo k výraznému poklesu tržeb mezi 1. a 2. čtvrtletím.A large decrease in sales occurs in 2014, with sales dropping sharply between Qtr 1 and Qtr 2. V podobných případech vysvětlíte příčinu změny, když se podíváte na data.In such cases you can explore the data, to help explain the change that occurred.

Vizuál s růsty a poklesy

Power BI Desktop můžete požádat, aby vysvětlil zvýšení a snížení v grafech, můžete se podívat na faktory rozdělení v grafech a získat rychlou automatickou a přehlednou analýzu dat.You can tell Power BI Desktop to explain increases or decreases in charts, see distribution factors in charts, and get fast, automated, insightful analysis about your data. Stačí kliknout pravým tlačítkem myši na datový bod a vybrat Analyzovat > Vysvětlete toto snížení (nebo zvýšení, pokud byl předchozí pruh nižší) nebo Analyzovat > Zjistit, kde se toto rozdělení liší. Otevře se snadno použitelné okno s přehledem.Simply right-click on a data point, and select Analyze > Explain the decrease (or increase, if the previous bar was lower), or Analyze > Find where this distribution is different and insight is delivered to you in an easy-to-use window.

Přehledy zobrazené ve vizuálu

Funkce přehledů je kontextová a vychází z bezprostředně předchozího datové bodu, například z předchozího pruhu nebo sloupce.The insights feature is contextual, and is based on the immediately previous data point - such as the previous bar, or column.

Poznámka

Tato funkce je ve verzi Preview a může se změnit.This feature is in preview, and is subject to change. Funkce přehledu je ve výchozím nastavení povolená a zapnutá (nemusíte tedy zaškrtávat políčko náhledu, abyste ji povolili) od verze Power BI Desktopu vydané v září 2017.The insight feature is enabled and on by default (you don't need to check a Preview box to enable it) beginning with the September 2017 version of Power BI Desktop.

Používání přehledůUsing insights

Pokud chcete k vysvětlení růstů a poklesů zobrazených v grafech použít přehledy, klikněte v pruhovém nebo spojnicovém grafu pravým tlačítkem myši na některý datový bod a vyberte Analyzovat > Vysvětlete toto zvýšení (nebo Vysvětlete toto snížení, protože všechny přehledy jsou založené na změně proti předchozímu datovému bodu).To use insights to explain increases or decreases seen on charts, just right-click on any data point in a bar or line chart, and select Analyze > Explain the increase (or Explain the decrease, since all insights are based on the change from the previous data point).

Zobrazení nabídky přehledů

Power BI Desktop potom u dat spustí svoje algoritmy strojového učení a v okně zobrazí vizuál s popisem kategorií, které měly na zvýšení nebo snížení největší vliv.Power BI Desktop then runs its machine learning algorithms over the data, and populates a window with a visual and a description that describes which categories most influenced the increase or decrease. Ve výchozím nastavení se přehledy zobrazují jako vizuál vodopádu, jak je znázorněno na následujícím obrázku.By default, insights are provided as a waterfall visual, as shown in the following image.

Automaticky otevírané okno přehledů

Když vyberete malé ikony v dolní části vizuálu vodopádu, můžete si zvolit zobrazení přehledů ve formě bodového grafu, skládaného sloupcového grafu nebo pásového grafu.By selecting the small icons at the bottom of the waterfall visual, you can choose to have insights display a scatter chart, stacked column chart, or a ribbon chart.

Trojice vizuálů s přehledy

Prostřednictvím ikon palce nahoru a palce dolů nahoře na stránce nám můžete dát vědět, co si o vizuálu a funkci myslíte.The thumbs up and thumbs down icons at the top of the page are provided so you can provide feedback about the visual and the feature. Tím nám poskytnete zpětnou vazbu, ale v současnosti ještě netrénujete algoritmus, aby dokázal ovlivnit výsledky vrácené při příštím použití funkce.Doing so provides feedback, but it does not currently train the algorithm to influence the results returned next time you use the feature.

Důležitým prvkem je také tlačítko + v horní části vizuálu, které vám umožňuje přidat vybraný vizuál do sestavy stejným způsobem, jako kdybyste vytvářeli vizuál ručně.And importantly, the + button at the top of the visual lets you add the selected visual to your report, just as if you created the visual manually. Přidaný vizuál pak můžete zformátovat nebo jinak upravit stejně jako kterýkoli jiný vizuál v sestavě.You can then format or otherwise adjust the added visual just as you would to any other visual on your report. Při úpravě sestavy v Power BI Desktopu můžete přidat jenom vybraný vizuál přehledu.You can only add a selected insight visual when you're editing a report in Power BI Desktop.

Přehledy můžete používat, když je sestava v režimu pro čtení nebo úpravy. Díky tomu jsou přehledy univerzální a můžete pomocí nich analyzovat data i vytvářet vizuály, které pak snadno přidáte do sestav.You can use insights when your report is in reading or editing mode, making it versatile for both analyzing data, and for creating visuals you can easily add to your reports.

Podrobné informace k vráceným výsledkůmDetails of the results returned

Podrobnosti vrácené v přehledech mají zvýraznit rozdíly mezi dvěma časovými obdobími, abyste dokázali porozumět, k jakým změnám mezi nimi došlo.The details returned by insights are intended to highlight what was different between the two time periods, to help you understand the change between them.

Pokud by například celkové tržby vzrostly od 3. do 4. čtvrtletí o 55 % a stejný růst by zaznamenaly všechny kategorie produktů (prodej počítačů, audio zařízení atd. vzrostl o 55 %) a také všechny země a všechny typy zákazníků, nenajdeme v datech nic, co by tuto změnu vysvětlovalo.For example, if Sales increased by 55% overall from Qtr 3 to Qtr 4, and that is equally true for every Category of product (sales of Computer increased by 55%, and of Audio, and so on), and also true for every country, and for every type of customer, then there is little that can be identified in the data to help explain the change. Ale taková situace většinou nenastane, takže zpravidla najdeme rozdíly v tom, co se stalo. Například kategorie počítačů a domácích zařízení vzrostly o 63 %, tj. mnohem více, zatímco televize a audio zařízení vzrostly jen o 23 %. To znamená, že počítače a domácí zařízení přispěly k celkovému výsledku ve 4. čtvrtletí větší měrou, než tomu bylo ve 3. čtvrtletí.However, that situation is generally not the case, and we might typically find differences in what occurred, such that among the categories, Computers and Home Appliances grew by a much larger 63% percentage, while TV and Audio grew by only 23%, and therefore Computers and Home Appliances contributed a larger amount of the total for Qtr 4 than they had for Qtr 3. V našem příkladu proto můžeme růst rozumně vysvětlit mimořádně úspěšným prodejem počítačů, televizorů a audio zařízení.Given this example, a reasonable explanation of the increase would be: particularly strong sales for Computers and TV and Audio.

Algoritmus nespočívá v pouhém vrácení hodnot, které představují největší změnu.So the algorithm is not simply returning the values that account for the biggest amount of the change. Pokud by například převážná část tržeb (98 %) pocházela z USA, mohli bychom se domnívat, že k růstu převážně došlo také v USA.For example, if the vast majority (98%) of sales came from the USA, then it would commonly be the case that the vast majority of the increase was also in the USA. Pokud ale v USA ani jiných zemích nedošlo k výrazné změně relativního příspěvku k celkové výši tržeb, nepovažuje se země v této souvislosti za zajímavou kategorii.Yet unless the USA or other countries had a significant change to their relative contribution to the total, Country would not be considered interesting in this context.

Algoritmus, zjednodušeně řečeno, spočívá v tom, že se vezmou všechny ostatní sloupce v modelu a vypočítá se rozdělení tohoto sloupce pro předchozí a následující časová období, aby se zjistilo, k jak velkým změnám v rozdělení došlo, a pak budou vráceny sloupce s největší změnou.Simplistically, the algorithm can be thought of as taking all the other columns in the model, and calculating the breakdown by that column for the before and after time periods, determining how much change occurred in that breakdown, and then returning those columns with the biggest change. Pokud bychom v předchozím příkladu vybrali například kategorii, zjistíme, že příspěvek televizorů a video zařízení klesl o 7 % z 33 % na 26 %. Naopak příspěvek domácích zařízení vrostl z nuly na více než 6 %.For example, Category was selected in the example above, as the contribution made by TV and Video fell 7% from 33% to 26%, while the contribution from Home Appliances grew from nothing to over 6%.

Ke každému vrácenému sloupci existují čtyři vizuály, které je možné zobrazit.For each column returned, there are four visuals that can be displayed. Tři z těchto vizuálů mají zvýraznit změnu příspěvků mezi dvěma obdobími.Three of those visuals are intended to highlight the change in contribution between the two periods. Příkladem je vysvětlení růstu mezi 2. a 3. čtvrtletím.For example, for the explanation of the increase from Qtr 2 to Qtr 3.

Bodové vykresleníThe scatter plot

Vizuál bodového vykreslení znázorňuje hodnotu zjištěnou v prvním období (na ose X) v porovnání s hodnotou zjištěnou ve druhém období (na ose Y), a to pro každou hodnotu ve sloupci (v tomto případě je to kategorie).The scatter plot visual shows the value of the measure in the first period (on the x-axis) against the value of the measure in the second period (on the y-axis), for each value of the column (Category in this case). Na následujícím obrázku je vidět, že datové body v zelené oblasti znamenají růst hodnoty a body v červené oblasti znamenají pokles.Thus as shown in the following image, any data points are in the green region if the value increased, and in the red region if they decreased.

Přerušovaná čára znázorňuje nejlepší shodu. To znamená, že datové body nad touto čarou rostly více, než je celkový trend, a datové body pod touto čarou rostly méně.The dotted line shows the best fit, and as such, data points above this line increased by more than the overall trend, and those below it by less.

Bodové vykreslení s přerušovanou čarou

Všimněte si, že datové položky, které nemají v některém období hodnotu, se v bodovém vykreslení nezobrazí (v tomto příkladě je to třeba domácí zařízení).Note that data items whose value was blank in either period will not appear on the scatter plot (for example, Home Appliances in this case)

100% skládaný sloupcový grafThe 100% stacked column chart

Vizuál 100% skládaného sloupcového grafu znázorňuje zjištěné hodnoty vybraného sloupce v předchozím a následujícím období jako 100% skládaný sloupec.The 100% stacked column chart visual shows the value of the measure before and after, by the selected column, shown as a 100% stacked column. Můžete tak vedle sebe porovnat příspěvek předtím a potom.This allows side-by-side comparison of the contribution before and after. Popisky zobrazují skutečný příspěvek vybrané hodnoty.The tooltips show the actual contribution for the selected value.

100% skládaný sloupcový graf

Pásový grafThe ribbon chart

Také vizuál pásového grafu zobrazuje zjištěnou hodnotu předtím a potom.The ribbon chart visual showsalso the value of the measure before and after. Je zvlášť vhodný k zobrazení změn příspěvků, pokud se při nich změnilo i pořadí příspěvků (například když počítače byly napřed největším přispěvatelem, ale pak se posunuly na třetí místo).It's particularly useful in showing the changes in contributions when these were such that the ordering of contributors changed (for example, if Computers were the number one contributor before, but then fell to number three).

Pásový graf

Vodopádový grafThe waterfall chart

Čtvrtým vizuálem je vodopádový graf, který zobrazuje hlavní skutečná zvýšení a snížení mezi obdobími.The fourth visual is a waterfall chart, showing the main actual increases or decreases between the periods. Na tomto vizuálu jsou jasně vidět skutečné změny, ale nejsou v něm znázorněny změny výše příspěvků. A právě výše příspěvku určuje, proč byl sloupec vybrán jako zajímavý.This visual clearly shows the actual changes, but does not alone indicate the changes to the level of contribution that actually highlight why the column was chosen as being interesting.

Vodopádový graf

Při vytváření pořadí sloupců, co se týče největších rozdílů v relativních příspěvcích, se berou v úvahu tyto skutečnosti:When ranking the column as to which have the largest differences in the relative contributions, the following is considered:

  • Kardinalita se započítává jako rozdíl, který je méně statisticky významný a méně zajímavý, čím větší je kardinalita sloupce.The cardinality is factored in, as a difference is less statistically significant, and less interesting, when a column has a large cardinality.

  • Rozdíly v kategoriích s velmi vysokými původními hodnotami nebo s hodnotami, které se naopak blížily nule, mají větší váhu než ostatní.Differences for those categories where the original values were very high or very close to zero are weighted higher than others. Pokud například některé kategorie přispěla 1 % tržeb a tento příspěvek se změnil na 6 %, je to statisticky významnější a tím pádem i zajímavější než kategorie, jejíž příspěvek se změnil z 50 % na 55 %.For example, if a Category only contributed 1% of sales, and this changed to 6%, that is more statistically significant, and therefore considered more interesting, than a Category whose contribution changed from 50% to 55%.

  • K výběru nejvýznamnějších výsledků se používají různé heuristiky, které zohledňují třeba další vztahy mezi daty.Various heuristics are employed to select the most meaningful results, for example by considering other relationships between the data.

Po prozkoumání sloupců se pro výstupy vyberou ty sloupce, ve kterých došlo k největší změně relativního příspěvku.After examining different columns, those that show the biggest change to relative contribution are chosen and output. U každého sloupce jsou v popisu uvedené hodnoty s nejvýznamnější změnou příspěvku.For each, the values which had the most significant change to contribution are called out in the description. Uvedené jsou také hodnoty s největším skutečným zvýšením a snížením.In addition, the values that had the largest actual increases and decreases are also called out.

Důležité informace a omezeníConsiderations and limitations

Tyto přehledy jsou založené na změně oproti předchozímu datovému bodu, a proto nejsou dostupné, když ve vizuálu vyberete první datový bod řady.Since these insights are based on the change from the previous data point, they aren't available when you select the first data point in a visual.

V následujícím seznamu jsou scénáře, které v současnosti nejsou při vysvětlování růstu/poklesu podporované:The following list is the collection of currently unsupported scenarios for explain the increase/decrease:

  • Filtry nejlepších položekTopN filters
  • Filtry pro zahrnutí a vyloučeníInclude/exclude filters
  • Filtry měrMeasure filters
  • Nečíselné míryNon-numeric measures
  • Použití volby Zobrazit hodnoty jakoUse of "Show value as"
  • Filtrované hodnoty jsou výpočty na úrovni vizuálu s použitým určitým filtrem, například celkové tržby ve Francii (Total Sales for France), které se používají v některých vizuálech vytvořených funkcí Přehledy.Filtered measures - filtered measures are visual level calculations with a specific filter applied (for example, Total Sales for France), and are used on some of the visuals created by the insights feature
  • Sloupce na ose X zařazené do kategorií, pokud nedefinují řazení podle skalárního sloupce.Categorical columns on X-axis unless it defines a sort by column that is scalar. Pokud používáte hierarchii, musí všechny sloupce v aktivní hierarchii odpovídat této podmínce.If using a hierarchy, then every column in the active hierarchy has to match this condition

Kromě toho v současné době u přehledů nepodporujeme následující typy modelů a zdroje dat:In addition, the following model types and data sources are currently not supported for insights:

  • DirectQueryDirectQuery
  • Živé připojeníLive connect
  • Místní služba Reporting ServicesOn-premises Reporting Services
  • VkládáníEmbedding

Další krokyNext steps

Další informace o Power BI Desktopu a o tom, jak s ním začít, najdete v následujících článcích.For more information about Power BI Desktop, and how to get started, check out the following articles.