Von Power BI unterstützte EinblickeTypes of insights supported by Power BI

GILT FÜR: Gilt für.Power BI-Dienst für Geschäftsbenutzer Gilt für.Power BI-Dienst für Designer und Entwickler Gilt nicht für.Power BI Desktop Gilt für.Erfordert Pro- oder Premium-Lizenz APPLIES TO: Applies to.Power BI service for business users Applies to.Power BI service for designers & developers Does not apply to.Power BI Desktop Applies to.Requires Pro or Premium license

Mit Power BI können Sie Ihre Daten durchsehen und interessante Trends und Muster finden.You can ask Power BI to look through your data and find interesting trends and patterns. Diese Trends und Muster werden in Form von Visuals angezeigt, die Erkenntnisse genannt werden.These trends and patterns are presented in the form of visuals that are called Insights.

Informationen zur Verwendung von Erkenntnissen finden Sie unter Anzeigen von Erkenntnissen auf Dashboardkacheldaten mit Power BI.To learn how to use Insights, see Power BI Insights

Mehrere Erkenntnisse

Wie funktionieren Einblicke?How does Insights work?

Power BI durchsucht schnell verschiedene Teilmengen Ihres Datasets.Power BI quickly searches different subsets of your dataset. Während der Suche nutzt Power BI mehrere hoch entwickelte Algorithmen, um potenziell interessante Erkenntnisse zu ermitteln.As it searches, Power BI applies a set of sophisticated algorithms to discover potentially interesting insights. Power BI-Geschäftskunden können Erkenntnisse auf Dashboardkacheln ausführen.Power BI business users can run Insights on dashboard tiles.

TerminologieSome terminology

Power BI verwendet statistische Algorithmen, um Erkenntnisse zu gewinnen.Power BI uses statistical algorithms to uncover Insights. Die Algorithmen werden im nächsten Abschnitt dieses Artikels aufgeführt und beschrieben.The algorithms are listed and described in the next section of this article. Bevor sich mit den Algorithmen befasst wird, finden Sie hier Definitionen für einige Begriffe, die Ihnen vielleicht nicht vertraut sind.Before we get to the algorithms, here are definitions for some terms that may be unfamiliar.

  • Measure: ein Measure ist ein quantitatives (numerisches) Feld, das für Berechnungen verwendet werden kann.Measure - a measure is a quantitative (numeric) field that can be used to do calculations. Es können z. B. Summen, der Durchschnitt oder Mindestwerte berechnet werden.Common calculations are sum, average, and minimum. Wenn das Unternehmen in diesem Beispiel Skateboards herstellt und verkauft, können die Measures die Anzahl der verkauften Skateboards und der durchschnittliche Jahresgewinn sein.For example, if our company makes and sells skateboards, our measures might be number of skateboards sold and average profit per year.
  • Dimension: Dimensionen sind kategorische (Text-)Daten.Dimension - dimensions are categorical (text) data. Eine Dimension beschreibt eine Person, ein Objekt, ein Element, ein Produkt, einen Ort und eine Uhrzeit.A dimension describes a person, object, item, products, place, and time. In einem Dataset bieten Dimensionen die Möglichkeit, Measures in nützliche Kategorien zu gruppieren.In a a dataset, dimensions are a way to group measures into useful categories. Für das Beispiel des Skateboardunternehmens enthalten manche Dimensionen möglicherweise die Prüfung der Verkäufe (ein Measure) anhand des Modells, der Farbe, dem Land oder der Marketingkampagne.For our skateboard company, some dimensions might include looking at sales (a measure) by model, color, country, or marketing campaign.
  • Korrelation: eine Korrelation gibt Aufschluss darüber, wie bestimmte Verhaltensweisen miteinander verknüpft sind.Correlation - a correlation tells us how the behavior of things are related. Wenn sich die Anstiegs- oder Rückgangsmuster ähneln, besteht eine positive Korrelation.If their patterns of increase and decrease are similar, then they are positively correlated. Wenn die Muster gegenteilig sind, besteht eine negative Korrelation.And if their patterns are opposite, then they are negatively correlated. Wenn z. B. nach jeder Marketingkampagne im Fernsehen mehr rote Skateboards verkauft werden, besteht eine positive Korrelation zwischen dem Verkauf von roten Skateboards und der Marketingkampagne im Fernsehen.For example, if sales of our red skateboard increase each time we run a tv marketing campaign, then sales of the red skateboard and the tv campaign are positively correlated.
  • Zeitreihe: eine Zeitreihe ist eine Möglichkeit, die Zeit als aufeinander folgende Datenpunkte anzuzeigen.Time series - a time series is a way of displaying time as successive data points. Diese Datenpunkte können Inkremente wie Sekunden, Stunden, Monate oder Jahre sein.Those data points could be increments such as seconds, hours, months, or years.
  • Kontinuierliche Variable: eine kontinuierliche Variable kann einen beliebigen Wert zwischen dem Mindest- und dem Maximalwert aufweisen; andernfalls handelt es sich um eine diskrete Variable.Continuous variable - a continuous variable can be any value between its minimum and maximum limits, otherwise it is a discrete variable. Beispiele hierfür sind Temperatur, Gewicht, Alter und Zeit.Examples are temperature, weight, age, and time. Kontinuierliche Variablen können Teilwerte enthalten.Continuous variables can include fractions or portions of the value. Die Gesamtzahl der verkauften blauen Skateboards ist eine diskrete Variable, da kein halbes Skateboard verkauft werden kann.The total number of blue skateboards sold is a discrete variable since we can't sell half a skateboard.

Nach welchen Typen von Erkenntnissen kann gesucht werden?What types of insights can you find?

Dies sind die Algorithmen, die Power BI verwendet:These are the algorithms that Power BI uses.

Kategorieausreißer (oben/unten)Category outliers (top/bottom)

Dieser hebt Fälle hervor, in denen ein oder zwei Kategorien viel größere Werte als andere Kategorien aufweisen.Highlights cases where one or two categories have much larger values than other categories.

Beispiel für Kategorieausreißer

Änderungspunkte in einer ZeitreiheChange points in a time series

Hebt hervor, wenn es signifikante Trendänderungen in einer Zeitreihe von Daten gibt.Highlights when there are significant changes in trends in a time series of data.

Beispiel für Änderungspunkte im Laufe der Zeit

CorrelationCorrelation

Dieser erkennt Fälle, in denen mehrere Measures ein ähnliches Muster oder einen ähnlichen Trend aufweisen, wenn diese in einer Kategorie oder in einem Wert im Dataset dargestellt werden.Detects cases where multiple measures show a similar pattern or trend when plotted against a category or value in the dataset.

Beispiel für Korrelation

Geringe AbweichungLow Variance

Erkennt Fälle, bei denen die Datenpunkte für eine Dimension nicht weit vom Mittelwert liegen, sodass die Abweichung gering ist.Detects cases where data points for a dimension aren't far from the mean, so the "variance" is low. Angenommen, Sie verfügen über die Kennzahl „Umsatz“ und eine Dimension „Region“.Let's say you have the measure "sales" and a dimension "region". Bei Betrachtung der Region sehen Sie, dass die Differenz zwischen den Datenpunkten und dem Mittelwert (der Datenpunkte) äußerst gering ist.And looking across region you see that there is very little difference between the data points and the mean (of the data points). Der Trigger wird ausgelöst, wenn die Abweichung bei den Umsatzzahlen in allen Regionen unter einem bestimmten Schwellenwert liegt.The insight triggers when the variance of sales across all regions is below a threshold. Mit anderen Worten, wenn in allen Regionen ähnliche Umsatzzahlen erfasst werden.In other words, when sales are pretty similar across all regions.

Beispiel für geringe Abweichung

Mehrheit (Hauptfaktoren)Majority (Major factors)

Sucht nach Fällen, in denen eine Mehrheit eines Gesamtwerts beim Aufschlüsseln in eine andere Dimension einem einzelnen Faktor zugeordnet werden kann.Finds cases where a majority of a total value can be attributed to a single factor when broken down by another dimension.

Beispiel für Hauptfaktoren

AusreißerOutliers

Dieser Erkenntnistyp verwendet ein Clusteringmodell zum Suchen nach Ausreißern in Nicht-Zeitreihendaten.This insight type uses a clustering model to find outliers in non-time series data. Ausreißer erkennen, wenn bestimmte Kategorien vorhanden sind, deren Werte sich erheblich von den anderen Kategorien unterscheiden.Outliers detects when there are specific categories with values significantly different than the other categories.

Beispiel für Ausreißer

Entdeckt Trends nach oben oder unten in Zeitreihendaten.Detects upward or downward trends in time series data.

Beispiel für allgemeine Trends im Laufe der Zeit

Saisonabhängigkeit in ZeitreihenSeasonality in time series

Sucht periodische Muster in Zeitreihendaten, z. B. wöchentliche, monatliche oder jährliche Saisonabhängigkeit.Finds periodic patterns in time series data, such as weekly, monthly, or yearly seasonality.

Beispiel für Saisonabhängigkeit

Stetiger AnteilSteady share

Hebt Fälle hervor, in denen eine Beziehung von übergeordneten und untergeordneten Elementen zwischen dem Anteil eines untergeordneten Werts in Bezug auf den Gesamtwert des übergeordneten Elements für eine kontinuierliche Variable vorhanden ist.Highlights cases where there is a parent-child correlation between the share of a child value in relation to the overall value of the parent across a continuous variable. Die Erkenntnis „Marktanteil“ wird im Kontext einer Kennzahl, einer Dimension oder einer anderen Datum/Uhrzeit-Dimension verwendet.The steady share insight applies to the context of a measure, a dimension, and another date/time dimension. Dieser Trigger wird ausgelöst, wenn ein bestimmter Dimensionswert (z. B. die Region „Osten“) einen konstanten prozentualen Anteil des Gesamtumsatzes für die jeweilige Datum/Uhrzeit-Dimension aufweist.This insight triggers when a particular dimension value, e.g. "the east region", has a steady percentage of overall sales across that date/time dimension.

Diese Erkenntnis ist mit der Erkenntnis „Geringe Abweichung“ vergleichbar, da sich beide Erkenntnisse auf eine nicht vorhandene Änderung eines Werts im Lauf der Zeit beziehen.The steady share insight is similar to the low variance insight, because they both relate to the lack of variance of a value across time. Mit der Erkenntnis „Marktanteil“ wird jedoch eine nicht vorhandene Änderung des prozentualen Anteils am Gesamtwert im Lauf der Zeit gemessen, mit der Erkenntnis „Geringe Abweichung“ hingegen eine nicht vorhandene Änderung bei den absoluten Messwerten einer Dimension.However, the steady share insight measures the lack of variance of the percentage of overall across time, while the low variance insight measures the lack of variance of the absolute measure values across a dimension.

Beispiel für stetigen Anteil

ZeitreihenausreißerTime series outliers

Erkennt in Daten auf einer Zeitreihe, wenn bestimmte Datums- oder Zeitangaben mit sich deutlich von den übrigen Daten unterscheidenden Werten vorliegen.For data across a time series, detects when there are specific dates or times with values significantly different than the other date/time values.

Beispiel für Ausreißer im Laufe der Zeit

Weitere SchritteNext steps

Power BI-EinblickePower BI insights

Weitere Fragen?More questions? Wenden Sie sich an die Power BI-CommunityTry the Power BI Community