Detección de anomalías

SE APLICA A: Servicio Power BI para consumidores Servicio Power BI para diseñadores y desarrolladores Power BI Desktop Se necesita una licencia Pro o Premium

La detección de anomalías ayuda a mejorar los gráficos de líneas mediante la detección automática de anomalías en los datos de series temporales. También proporciona explicaciones para las anomalías para ayudar con el análisis de la causa principal. Con solo un par de clics, puede encontrar fácilmente información sin segmentar ni analizar los datos. Puede crear y ver anomalías tanto en Power BI Desktop como en el servicio Power BI. Los pasos e ilustraciones de este artículo corresponden a Power BI Desktop.

Nota

Es posible que en este vídeo se usen versiones anteriores de Power BI Desktop o del servicio Power BI.

Primeros pasos

En este tutorial se usan datos de ventas en línea de distintos productos. Para seguir este tutorial, descargue el archivo de ejemplo de un escenario de ventas en línea.

Puede habilitar la detección de anomalías si selecciona el gráfico y luego Encontrar anomalías en el panel de análisis.

Screenshot showing entry point for anomaly detection.

Por ejemplo, en este gráfico se muestran los ingresos a lo largo del tiempo. La adición de la detección de anomalías enriquece automáticamente el gráfico con anomalías y el intervalo de valores esperado. Cuando un valor queda fuera de este límite esperado, se marca como una anomalía. Consulte este blog técnico para obtener más detalles sobre el algoritmo de Anomaly Detector.

Screenshot showing how to add anomalies.

Anomalías de formato

Esta experiencia es muy personalizable. Puede dar formato a la forma, el tamaño y el color de la anomalía, así como al color, el estilo y la transparencia del intervalo esperado. También puede configurar el parámetro del algoritmo. Si aumenta la sensibilidad, el algoritmo será más sensible a los cambios de los datos. En ese caso, incluso una ligera desviación se marca como una anomalía. Si reduce la sensibilidad, el algoritmo será más selectivo en lo que considera como una anomalía.

Screenshot showing how to format anomalies.

Explicaciones

Además de detectar anomalías, puede explicar automáticamente las anomalías de los datos. Al seleccionar la anomalía, Power BI ejecuta un análisis de los campos del modelo de datos para averiguar posibles explicaciones. Proporciona una explicación en lenguaje natural de la anomalía y los factores asociados a ella, ordenados según la solidez de la explicación. Aquí observo que el 30 de agosto los ingresos fueron de 5187 USD, que es superior al intervalo esperado de 2447 USD a 3423 USD. Puedo abrir las tarjetas en este panel para ver más detalles de la explicación.

Screenshot showing how to to view explanations.

Configurar explicaciones

También puede controlar los campos que se usan para el análisis. Por ejemplo, arrastrando Seller y City al campo Explicar por, Power BI restringe el análisis únicamente a esos campos. En este caso, la anomalía del 31 de agosto parece estar asociada a un vendedor concreto y a determinadas ciudades. Aquí, el vendedor "Fabrikam" tiene una solidez del 99 %. Power BI calcula la solidez como la relación entre la desviación y el valor esperado, cuando se filtra por la dimensión de la desviación del valor total. Por ejemplo, es la relación entre el valor real menos el esperado, entre la serie temporal de componentes Fabrikam y la serie temporal agregada overall Revenue para el punto de la anomalía. Al abrir esta tarjeta, se muestra el objeto visual con un pico en los ingresos de este vendedor el 31 de agosto. Use la opción Add to report para agregar este objeto visual a la página.

Screenshot showing how to configure explanations.

Consideraciones y limitaciones

  • La detección de anomalías solo se admite para los objetos visuales del gráfico de líneas que contienen datos de series temporales en el campo Eje.
  • No se admite la detección de anomalías con leyendas, valores múltiples o valores secundarios en el objeto visual del gráfico de líneas.
  • La detección de anomalías requiere al menos 4 puntos de datos.
  • Las líneas de previsión, mínimo, máximo, promedio, mediana y percentil no funcionan con la detección de anomalías.
  • No se admiten Direct Query mediante un origen de datos SAP, Power BI Report Server, conexión dinámica a Azure Analysis Services y SQL Server Analysis Services.
  • Las explicaciones de anomalías no funcionan con las opciones "Mostrar valor como".
  • No se admite la obtención de detalles para pasar al siguiente nivel de la jerarquía.

Para obtener más información sobre el algoritmo que ejecuta la detección de anomalías, vea la publicación de Tony Xing sobre el algoritmo SR-CNN en Anomaly Detector de Azure.