Creación de visualizaciones de influenciadores claveCreate key influencers visualizations

SE APLICA A: No se aplica a.El servicio Power BI para consumidores Se aplica a.El servicio Power BI para diseñadores y desarrolladores Se aplica a.Power BI Desktop No se aplica a.Requiere una licencia Pro o Premium APPLIES TO: Does not apply to.Power BI service for consumers Applies to.Power BI service for designers & developers Applies to.Power BI Desktop Does not apply to.Requires Pro or Premium license

Nota

Se pueden crear y ver objetos visuales narrativos inteligentes tanto en Power BI Desktop como en el servicio Power BI.Smart narrative visuals can be created and viewed in both Power BI Desktop and the Power BI service. Los pasos e ilustraciones que se muestran en este artículo son de Power BI Desktop.The steps and illustrations in this article are from Power BI Desktop.

El objeto visual de influenciador clave le ayudará a reconocer los factores que controlan una métrica de su interés.The key influencers visual helps you understand the factors that drive a metric you're interested in. Analiza los datos, clasifica los factores que son importantes y los muestra como influenciadores clave.It analyzes your data, ranks the factors that matter, and displays them as key influencers. Por ejemplo, suponga que desea averiguar qué influye en la rotación de los empleados, lo que también se conoce como abandono.For example, suppose you want to figure out what influences employee turnover, which is also known as churn. La duración del contrato de empleo puede ser uno de los factores, mientras que otro puede ser la edad del empleado.One factor might be employment contract length, and another factor might be employee age.

Cuándo se deben usar los influenciadores claveWhen to use key influencers

El objeto visual de influenciador clave es una excelente opción si desea:The key influencers visual is a great choice if you want to:

  • Ver qué factores afectan a la métrica que se está analizando.See which factors affect the metric being analyzed.
  • Comparar la importancia relativa de estos factores.Contrast the relative importance of these factors. Por ejemplo, ¿los contratos a corto plazo tienen más impacto en el abandono que los contratos a largo plazo?For example, do short-term contracts have more impact on churn than long-term contracts?

Características del objeto visual de influenciador claveFeatures of the key influencers visual

Características numeradas

  1. Pestañas: seleccione una pestaña para alternar entre las vistas.Tabs: Select a tab to switch between views. La opción Influenciadores clave muestra los principales factores que contribuyen al valor de la métrica seleccionada.Key influencers shows you the top contributors to the selected metric value. La opción Segmentos principales muestra los segmentos principales que contribuyen al valor de la métrica seleccionada.Top segments shows you the top segments that contribute to the selected metric value. Un segmento está formado por una combinación de valores.A segment is made up of a combination of values. Por ejemplo, un segmento puede estar integrado por los consumidores que han sido clientes durante veinte años como mínimo y residen en la región occidental.For example, one segment might be consumers who have been customers for at least 20 years and live in the west region.

  2. Cuadro de lista desplegable: el valor de la métrica que se está investigando.Drop-down box: The value of the metric under investigation. En este ejemplo, veamos la métrica Calificación.In this example, look at the metric Rating. El valor seleccionado es Baja.The selected value is Low.

  3. Redefinición: nos ayuda a interpretar el objeto visual en el panel izquierdo.Restatement: It helps you interpret the visual in the left pane.

  4. Panel izquierdo: el panel izquierdo contiene un objeto visual.Left pane: The left pane contains one visual. En este caso, el panel izquierdo muestra una lista de los principales influenciadores clave.In this case, the left pane shows a list of the top key influencers.

  5. Redefinición: nos ayuda a interpretar el objeto visual en el panel derecho.Restatement: It helps you interpret the visual in the right pane.

  6. Panel derecho: el panel derecho contiene un objeto visual.Right pane: The right pane contains one visual. En este caso, el gráfico de columnas muestra todos los valores del influenciador clave, Tema, que está seleccionado en el panel izquierdo.In this case, the column chart displays all the values for the key influencer Theme that was selected in the left pane. El valor específico de facilidad de uso en el panel izquierdo se muestra en verde.The specific value of usability from the left pane is shown in green. Todos los valores de Tema se muestran en color negro.All the other values for Theme are shown in black.

  7. Línea promedio: el promedio se calcula para todos los otros valores posibles de Tema, excepto facilidad de uso (que es el influenciador seleccionado).Average line: The average is calculated for all possible values for Theme except usability (which is the selected influencer). Por lo tanto, el cálculo se aplica a todos los valores de color negro.So the calculation applies to all the values in black. Indica qué porcentaje de los demás Temas han tenido una calificación baja.It tells you what percentage of the other Themes had a low rating. En este caso, el 11,35 % tenía una clasificación baja (que se muestra en la línea de puntos).In this case 11.35% had a low rating (shown by the dotted line).

  8. Casilla de verificación: filtra el objeto visual del panel derecho para mostrar solo los valores que son influenciadores para ese campo.Check box: Filters out the visual in the right pane to only show values that are influencers for that field. En este ejemplo, se filtraría el objeto visual por facilidad de uso, seguridad y navegación.In this example, this would filter the visual to usability, security and navigation.

Análisis de una métrica categóricaAnalyze a metric that is categorical

Vea este vídeo para aprender a crear un objeto visual de influenciador clave con una métrica categórica.Watch this video to learn how to create a key influencers visual with a categorical metric. A continuación, siga estos pasos para crear uno.Then follow these steps to create one.

Nota

En este vídeo se usa una versión anterior de Power BI Desktop.This video uses an earlier version of Power BI Desktop.

El director de producto quiere averiguar qué factores conducen a los clientes a dejar reseñas negativas sobre su servicio en la nube.Your Product Manager wants you to figure out which factors lead customers to leave negative reviews about your cloud service. Para continuar, abra el archivo PBIX de comentarios del cliente en Power BI Desktop.To follow along, open the Customer Feedback PBIX file in Power BI Desktop. También puede descargar el archivo de Excel de comentarios del cliente para el servicio Power BI o Power BI Desktop.You also can download the Customer Feedback Excel file for Power BI service or Power BI Desktop. Seleccione cualquiera de los vínculos y, después, seleccione Download (Descargar) en la página de GitHub que se abre.Select either link and then select Download from the GitHub page that opens.

Nota

El conjunto de datos de comentarios del cliente se basa en [Moro et al., 2014] S. Moro, P. Cortez y P. Rita.The Customer Feedback data set is based on [Moro et al., 2014] S. Moro, P. Cortez, and P. Rita. "A Data-Driven Approach to Predict the Success of Bank Telemarketing.""A Data-Driven Approach to Predict the Success of Bank Telemarketing." Decision Support Systems, Elsevier, 62:22-31, junio de 2014.Decision Support Systems, Elsevier, 62:22-31, June 2014.

  1. Abra el informe y seleccione el icono Influenciadores clave.Open the report, and select the Key influencers icon.

    En el panel Visualizaciones, seleccione la plantilla Influenciadores clave

  2. Mueva la métrica que quiera investigar al campo Analizar.Move the metric you want to investigate into the Analyze field. Para ver lo que impulsa a un cliente a dejar una calificación baja del servicio, seleccione Tabla de clientes > Calificación.To see what drives a customer rating of the service to be low, select Customer Table > Rating.

  3. Mueva los campos que piensa que podrían influir en el valor de Calificación a la sección Explicar por.Move fields that you think might influence Rating into the Explain by field. Puede mover tantos campos como desee.You can move as many fields as you want. En este caso, comience con:In this case, start with:

    • País-regiónCountry-Region
    • Rol en la organizaciónRole in Org
    • Tipo de suscripciónSubscription Type
    • Tamaño de la empresaCompany Size
    • TemaTheme
  4. Deje vacío el campo Expandir por.Leave the Expand by field empty. Este campo solo se usa al analizar una medida o un campo resumido.This field is only used when analyzing a measure or summarized field.

  5. Para centrarse en las calificaciones negativas, seleccione Baja en el cuadro desplegable Qué influye en la calificación para que sea.To focus on the negative ratings, select Low in the What influences Rating to be drop-down box.

    Valor Bajo en el cuadro desplegable

El análisis se ejecuta en el nivel de tabla del campo que se está analizando.The analysis runs on the table level of the field that's being analyzed. En este caso, es la métrica Calificación.In this case, it's the Rating metric. Esta métrica se define en el nivel de cliente.This metric is defined at a customer level. A cada cliente se le ha concedido una puntuación alta o una puntuación baja.Each customer has given either a high score or a low score. Todos los factores explicativos deben estar definidos en el nivel de cliente para que el objeto visual haga uso de ellos.All the explanatory factors must be defined at the customer level for the visual to make use of them.

En el ejemplo anterior, todos los factores explicativos tienen una relación de uno a uno o de varios a uno con la métrica.In the previous example, all of the explanatory factors have either a one-to-one or a many-to-one relationship with the metric. En este caso, cada cliente ha asignado un solo tema a su clasificación.In this case, each customer assigned a single theme to their rating. De forma similar, los clientes proceden de un país y tienen un tipo de pertenencia y un rol en su organización.Similarly, customers come from one country, have one membership type, and perform one role in their organization. Los factores explicativos ya son, por tanto, atributos de un cliente y no se necesita ninguna transformación.The explanatory factors are already attributes of a customer, and no transformations are needed. El objeto visual puede hacer un uso inmediato de ellos.The visual can make immediate use of them.

Más adelante en el tutorial veremos ejemplos más complejos donde hay relaciones de uno a varios.Later in the tutorial, you look at more complex examples that have one-to-many relationships. En esos casos, las columnas deben agregarse primero de forma descendente hasta el nivel de cliente para poder ejecutar el análisis.In those cases, the columns have to first be aggregated down to the customer level before you can run the analysis.

Las medidas y los agregados que se utilizan como factores explicativos también se evalúan en el nivel de tabla de la métrica Analizar.Measures and aggregates used as explanatory factors are also evaluated at the table level of the Analyze metric. Más adelante en este artículo se muestran algunos ejemplos.Some examples are shown later in this article.

Interpretación de los influenciadores clave categóricosInterpret categorical key influencers

Echemos un vistazo a los influenciadores clave de las calificaciones bajas.Let's take a look at the key influencers for low ratings.

Principal factor único que influye en la probabilidad de una calificación bajaTop single factor that influences the likelihood of a low rating

El cliente de este ejemplo puede tener tres roles: consumidor, administrador y publicador.The customer in this example can have three roles: consumer, administrator, and publisher. Ser un consumidor es el factor principal que contribuye a una calificación baja.Being a consumer is the top factor that contributes to a low rating.

Selección de Rol en la organización es consumidor

Más concretamente, existe una probabilidad 2,57 veces mayor de que nuestros clientes nos den una puntuación negativa.More precisely, your consumers are 2.57 times more likely to give your service a negative score. El gráfico de influenciadores clave indica Rol en la organización es consumidor en primer lugar en la lista de la izquierda.The key influencers chart lists Role in Org is consumer first in the list on the left. Al seleccionar Rol en la organización es consumidor, Power BI muestra detalles adicionales en el panel derecho.By selecting Role in Org is consumer, Power BI shows additional details in the right pane. Se muestra el efecto comparativo de cada rol en la probabilidad de una calificación baja.The comparative effect of each role on the likelihood of a low rating is shown.

  • Un 14,93 % de los consumidores da una puntuación baja.14.93% of consumers give a low score.
  • De promedio, todos los demás roles dan una puntuación baja en el 5,78 % de las ocasiones.On average, all other roles give a low score 5.78% of the time.
  • Existe una probabilidad 2,57 veces mayor de que los consumidores den una puntuación baja en comparación con todos los demás roles.Consumers are 2.57 times more likely to give a low score compared to all other roles. Para determinarlo, divida la barra verde por la línea roja de puntos.You can determine this by dividing the green bar by the red dotted line.

Segundo factor único que influye en la probabilidad de una calificación bajaSecond single factor that influences the likelihood of a low rating

El objeto visual de influenciador clave puede comparar y clasificar los factores de muchas variables diferentes.The key influencers visual compares and ranks factors from many different variables. El segundo influenciador clave no tiene nada que ver con Rol en la organización. Seleccione el segundo influenciador de la lista, que es Tema es facilidad de uso.The second influencer has nothing to do with Role in Org. Select the second influencer in the list, which is Theme is usability.

Selección de Tema es facilidad de uso

El segundo factor más importante está relacionado con el tema de la reseña del cliente.The second most important factor is related to the theme of the customer’s review. Los clientes que han hecho algún comentario sobre la facilidad de uso del producto tienen una probabilidad 2,55 veces superior de dar una puntuación baja en comparación con los clientes que han hecho comentarios sobre otros temas, como la confiabilidad, el diseño o la velocidad.Customers who commented about the usability of the product were 2.55 times more likely to give a low score compared to customers who commented on other themes, such as reliability, design, or speed.

Entre los objetos visuales, el promedio (línea discontinua roja) ha cambiado del 5,78 % al 11,34 %.Between the visuals, the average, which is shown by the red dotted line, changed from 5.78% to 11.34%. El promedio es dinámico, porque se basa en el promedio de todos los demás valores.The average is dynamic because it's based on the average of all other values. Para el primer influenciador, en el promedio se excluyó el rol de cliente.For the first influencer, the average excluded the customer role. Para el segundo influenciador, se excluyó el tema de facilidad de uso.For the second influencer, it excluded the usability theme.

Active la casilla Mostrar solo los valores que son influenciadores para filtrar usando solo los valores destacados.Select the Only show values that are influencers check box to filter by using only the influential values. En este caso, son los roles que impulsan una puntuación baja.In this case, they're the roles that drive a low score. Los doce temas se reducen a los cuatro que Power BI ha identificado como los temas que impulsan las calificaciones bajas.Twelve themes are reduced to the four that Power BI identified as the themes that drive low ratings.

Casilla seleccionada

Interacción con otros objetos visualesInteract with other visuals

Cada vez que un usuario selecciona una segmentación, un filtro u otro objeto visual en el lienzo, el objeto visual de influenciador clave vuelve a ejecutar el análisis en la parte de datos nueva.Every time you select a slicer, filter, or other visual on the canvas, the key influencers visual reruns its analysis on the new portion of data. Por ejemplo, vamos a mover Tamaño de la empresa al informe y a utilizarlo como segmentación.For example, you can move Company Size into the report and use it as a slicer. Úselo para ver si los influenciadores clave de nuestros clientes de empresa de gran tamaño difieren de los de la población general.Use it to see if the key influencers for your enterprise customers are different than the general population. Una empresa de gran tamaño tiene más de 50 000 empleados.An enterprise company size is larger than 50,000 employees.

Al seleccionar >50 000 se vuelve a ejecutar el análisis y podemos ver que los influenciadores han cambiado.Selecting >50,000 reruns the analysis, and you can see that the influencers changed. Para los clientes de empresas de gran tamaño, el mayor influenciador para las calificaciones bajas tiene un tema relacionado con la seguridad.For large enterprise customers, the top influencer for low ratings has a theme related to security. Quizás quiera investigarlo en profundidad para ver si hay características de seguridad específicas con las que los clientes de gran tamaño no se sienten satisfechos.You might want to investigate further to see if there are specific security features your large customers are unhappy about.

Segmentación por tamaño de empresa

Interpretación de los influenciadores clave continuosInterpret continuous key influencers

Hasta ahora hemos visto cómo usar el objeto visual para explorar cómo influyen los distintos campos categóricos en las calificaciones bajas.So far, you've seen how to use the visual to explore how different categorical fields influence low ratings. También es posible que haya factores continuos, como la edad, la altura y el precio, en el campo Explicar por.It's also possible to have continuous factors such as age, height, and price in the Explain by field. Veamos lo que sucede si movemos Antigüedad de la tabla de cliente a Explicar por.Let’s look at what happens when Tenure is moved from the customer table into Explain by. La antigüedad muestra el tiempo que el cliente ha usado el servicio.Tenure depicts how long a customer has used the service.

A medida que la antigüedad aumenta, también aumenta la probabilidad de recibir una calificación inferior.As tenure increases, the likelihood of receiving a lower rating also increases. Esta tendencia sugiere que es más probable que los clientes más antiguos den una puntuación negativa.This trend suggests that the longer-term customers are more likely to give a negative score. Esta información es interesante y tal quiera realizar un seguimiento más adelante.This insight is interesting, and one that you might want to follow up on later.

La visualización muestra que cada vez que antigüedad sube 13,44 meses, la probabilidad de una calificación baja aumenta 1,23 veces como promedio.The visualization shows that every time tenure goes up by 13.44 months, on average the likelihood of a low rating increases by 1.23 times. En este caso, 13,44 meses representa la desviación estándar de la antigüedad.In this case, 13.44 months depict the standard deviation of tenure. Por lo tanto, la información que recibe examina cómo el aumento de la antigüedad en una cantidad estándar (la desviación estándar de la antigüedad) afecta a la probabilidad de recibir una calificación baja.So the insight you receive looks at how increasing tenure by a standard amount, which is the standard deviation of tenure, affects the likelihood of receiving a low rating.

El gráfico de dispersión del panel derecho traza el porcentaje promedio de las calificaciones bajas para cada valor de antigüedad.The scatter plot in the right pane plots the average percentage of low ratings for each value of tenure. Resalta la pendiente con una línea de tendencia.It highlights the slope with a trend line.

Gráfico de dispersión para Antigüedad

Influenciadores clave continuos discretizadosBinned continuous key influencers

En algunos casos, es posible que vea que los factores continuos se han convertido automáticamente en factores categóricos.In some cases you may find that your continuous factors were automatically turned into categorical ones. Esto se debe a que nos dimos cuenta de que la relación entre las variables no es lineal y, por tanto, no podemos describir la relación como simplemente ascendente o descendente, como hemos hecho en el ejemplo anterior.This is because we realized the relationship between the variables is not linear and so we cannot describe the relationship as simply increasing or decreasing (like we did in the example above).

Hemos realizado pruebas de correlación para determinar hasta qué punto el "influencer" es lineal con respecto al objetivo.We run correlation tests to determine how linear the influencer is with regard to the target. Si el destino es continuo, se ejecuta la correlación de Pearson y, si es categórico, se ejecutan pruebas de correlación biserial-puntual.If the target is continuous, we run Pearson correlation and if the target is categorical, we run Point Biserial correlation tests. Asimismo, si se detecta que la relación no es suficientemente lineal, realizamos una discretización supervisada y generamos un máximo de cinco intervalos. Para averiguar qué intervalos tienen más sentido, usamos un método de discretización supervisado, que examina la relación entre el factor explicativo y el objetivo que se analiza.If we detect the relationship is not sufficiently linear we conduct supervised binning and generate a maximum of 5 bins. To figure out which bins make the most sense we use a supervised binning method which looks at the relationship between the explanatory factor and the target being analyzed.

Interpretación de medidas o agregados como influenciadores claveInterpret measures and aggregates as key influencers

Puede usar también medidas y agregados como factores explicativos dentro de su análisis.You can use measures and aggregates as explanatory factors inside your analysis. Por ejemplo, quizás quiera ver lo que afecta al número de incidencias de soporte técnico del cliente o el efecto que la duración media de una incidencia abierta tiene en la puntuación que recibe.For example, you might want to see what effect the count of customer support tickets or the average duration of an open ticket has on the score you receive.

En este caso, queremos ver si el número de incidencias de soporte técnico que tiene un cliente influye en la puntuación que da.In this case, you want to see if the number of support tickets that a customer has influences the score they give. Ahora, tome el Identificador de incidencia de soporte técnico de la tabla Incidencia de soporte técnico.Now you bring in Support Ticket ID from the support ticket table. Como un cliente puede tener varias incidencias de soporte técnico, es necesario agregar el identificador en el nivel de cliente.Because a customer can have multiple support tickets, you aggregate the ID to the customer level. Esta agregación es importante porque el análisis se ejecuta en el nivel de cliente, de modo que todos los controladores deben definirse en ese nivel de granularidad.Aggregation is important because the analysis runs on the customer level, so all drivers must be defined at that level of granularity.

Veamos el número de identificadores.Let's look at the count of IDs. Cada fila del cliente tiene un número de incidencias de soporte técnico asociado con él.Each customer row has a count of support tickets associated with it. En este caso, vemos que a medida que el número de incidencias de soporte técnico aumenta, la probabilidad de que la calificación sea baja es 5,51 veces superior.In this case, as the count of support tickets increases, the likelihood of the rating being low goes up 5.51 times. El objeto visual de la derecha nos muestra el número medio de incidencias de soporte técnico por los diferentes valores de Calificación que se evalúan en el nivel de cliente.The visual on the right shows the average number of support tickets by different Rating values evaluated at the customer level.

Influencia del identificador de incidencia de soporte técnico

Interpretar los resultados: Segmentos principalesInterpret the results: Top segments

Puede usar la pestaña Influenciadores clave para evaluar cada factor de forma individual.You can use the Key influencers tab to assess each factor individually. También puede usar la pestaña Principales segmentos para ver cómo una combinación de factores afecta a la métrica que está analizando.You also can use the Top segments tab to see how a combination of factors affects the metric that you're analyzing.

Segmentos principales muestra inicialmente una información general de todos los segmentos que ha detectado Power BI.Top segments initially show an overview of all the segments that Power BI discovered. El ejemplo siguiente muestra que se han encontrado seis segmentos.The following example shows that six segments were found. Estos segmentos se clasifican según el porcentaje de calificaciones bajas dentro del segmento.These segments are ranked by the percentage of low ratings within the segment. Vemos que el segmento 1, por ejemplo, tiene un 74,3 % de las calificaciones de cliente bajas.Segment 1, for example, has 74.3% customer ratings that are low. Cuanto mayor sea la burbuja, mayor será la proporción de clasificaciones bajas.The higher the bubble, the higher the proportion of low ratings. El tamaño de la burbuja representa el número de clientes que se encuentran dentro del segmento.The size of the bubble represents how many customers are within the segment.

Selección de la pestaña Segmentos principales

Al seleccionar una burbuja se muestran los detalles de ese segmento.Selecting a bubble displays the details of that segment. Si selecciona el segmento 1, por ejemplo, encontrará que se compone de clientes relativamente establecidos.If you select Segment 1, for example, you find that it's made up of relatively established customers. Han sido clientes durante más de 29 meses y tienen más de cuatro incidencias de soporte técnico.They've been customers for over 29 months and have more than four support tickets. Por último, no son editores, por lo que son consumidores o administradores.Finally, they're not publishers, so they're either consumers or administrators.

En este grupo, el 74,3 % de los clientes asignó una calificación baja.In this group, 74.3% of the customers gave a low rating. El cliente promedio dio una calificación baja el 11,7 % de las veces, por lo que este segmento tiene una proporción mayor de calificaciones bajas.The average customer gave a low rating 11.7% of the time, so this segment has a larger proportion of low ratings. Su porcentaje es 63 puntos mayor.It's 63 percentage points higher. El segmento 1 contiene aproximadamente el 2,2 % de los datos, por lo que representa una parte de la población que puede corregirse.Segment 1 also contains approximately 2.2% of the data, so it represents an addressable portion of the population.

Selección del primer segmento principal

Adición de recuentosAdding counts

En ocasiones, un influenciador puede tener un gran impacto pero representar muy pocos datos.Sometimes an influencer can have a big impact but represent very little of the data. Por ejemplo, Tema es facilidad de uso es el segundo influenciador más importante para las clasificaciones bajas.For example, Theme is usability is the second biggest influencer for low ratings. Pero es posible que solo haya una serie de clientes que se hayan quejado de la facilidad de uso.However there might have only been a handful of customers who complained about usability. Los recuentos pueden ayudarle a priorizar en qué influenciadores se quiere centrar.Counts can help you prioritize which influencers you want to focus on.

Los recuentos se pueden activar a través de la tarjeta Análisis del panel de formato.You can turn counts on through the Analysis card of the formatting pane.

Adición de recuentos

Una vez que se activan los recuentos, verá un anillo alrededor de la burbuja de cada influenciador, que representa el porcentaje aproximado de datos que contiene ese influenciador.Once counts are turned on, you’ll see a ring around each influencer’s bubble, which represents the approximate percentage of data that influencer contains. Cuanto mayor sea la burbuja, más datos contendrá.The more of the bubble the ring circles, the more data it contains. Se puede ver que Tema es facilidad de uso contiene una proporción de datos muy pequeña.We can see that Theme is usability contains a very small proportion of data.

Mostrar recuentos

También puede usar el botón de alternancia Ordenar por de la parte inferior izquierda del objeto visual para ordenar las burbujas primero por recuento en lugar de impacto.You can also use the Sort by toggle in the bottom left of the visual to sort the bubbles by count first instead of impact. Tipo de suscripción es Premier es el influenciador principal en función del recuento.Subscription Type is Premier is the top influencer based on count.

Ordenar por recuentos

Un anillo completo alrededor del círculo significa que el influenciador contiene el 100 % de los datos.Having a full ring around the circle means the influencer contains 100% of the data. Puede cambiar el tipo de recuento para que sea relativo al influenciador mediante la lista desplegable Tipo de recuento de la tarjeta Análisis del panel de formato.You can change the count type to be relative to the maximum influencer using the Count type dropdown in the Analysis card of the formatting pane. Ahora, el influenciador con la mayor cantidad de datos se representará mediante un anillo completo y todos los demás recuentos serán relativos a él.Now the influencer with the most amount of data will be represented by a full ring and all other counts will be relative to it.

Mostrar recuentos relativos

Análisis de una métrica numéricaAnalyze a metric that is numeric

Si mueve un campo numérico sin resumir al campo Analizar, puede elegir cómo administrar ese escenario.If you move an unsummarized numerical field into the Analyze field, you have a choice how to handle that scenario. Para cambiar el comportamiento del objeto visual, puede ir al Panel de formato y cambiar entre Tipo de análisis categórico y Tipo de análisis continuo.You can change the behavior of the visual by going into the Formatting Pane and switching between Categorical Analysis Type and Continuous Analysis Type.

Cambiar de categórico a continuo

El Tipo de análisis categórico se comporta tal y como se describió anteriormente.A Categorical Analysis Type behaves as described above. Por ejemplo, si está viendo puntuaciones de encuestas entre 1 y 10, podría preguntarse "¿Qué hace que una puntuación en una encuesta sea 1?"For instance, if you were looking at survey scores ranging from 1 to 10, you could ask ‘What influences Survey Scores to be 1?’

El Tipo de análisis continuo cambia la pregunta a una continua.A Continuous Analysis Type changes the question to a continuous one. En el ejemplo anterior, la nueva pregunta sería "¿Qué hace que las puntuaciones de la encuesta aumenten o disminuyan?".In the example above, our new question would be ‘What influences Survey Scores to increase/decrease?’

Esta distinción es muy útil cuando se tiene una gran cantidad de valores únicos en el campo que se va a analizar.This distinction is very helpful when you have lots of unique values in the field you are analyzing. En el ejemplo siguiente, consultamos precios de casas.In the example below we look at house prices. No es muy significativo preguntar "¿Qué hace que el precio de la casa sea 156 214?"It is not very meaningful to ask ‘What influences House Price to be 156,214?’ porque es muy específica y es probable que no tengamos datos suficientes para inferir un patrón.as that is very specific and we are likely not to have enough data to infer a pattern.

En su lugar, nos conviene preguntar, "¿Qué hace que el precio de la casa aumente?"Instead we may want to ask, ‘What influences House Price to increase’? para tratar los precios de la casa como un intervalo en lugar de valores distintos.which allows us to treat house prices as a range rather than distinct values.

Pregunta numérica

Interpretar los resultados: Influenciadores claveInterpret the results: Key influencers

En este escenario, vemos "¿Qué hace que el precio de la casa aumente?".In this scenario we look at ‘What influences House Price to increase’. Estamos viendo una serie de factores explicativos que pueden afectar al precio de la casa, como YearBuilt (año en que se construyó la casa), KitchenQual (calidad de la cocina) y YearRemodAdd (año de reforma).We are looking at a number of explanatory factors that could impact a house price like Year Built (year the house was built), KitchenQual (kitchen quality) and YearRemodAdd (year the house was remodeled).

En el ejemplo siguiente, miramos al principal influenciador, que es que la calidad de la cocina sea excelente.In the example below we look at our top influencer which is kitchen quality being Excellent. Los resultados son muy similares a los que vimos cuando analizamos las métricas categóricas, con algunas diferencias importantes:The results are very similar to the ones we saw when we were analyzing categorical metrics with a few important differences:

  • El gráfico de columnas de la derecha mira los promedios en lugar de los porcentajes.The column chart on the right is looking at the averages rather than percentages. Por lo tanto, nos muestra que el precio promedio de una casa con una cocina excelente es (barra verde) en comparación con el precio medio de una casa sin una cocina excelente (línea de puntos)It therefore shows us what the average house price of a house with an excellent kitchen is (green bar) compared to the average house price of a house without an excellent kitchen (dotted line)
  • El número de la burbuja sigue siendo la diferencia entre la línea de puntos rojos y la barra de color verde, pero se expresa como un número (158 490 USD) en lugar de una probabilidad (1,93x).The number in the bubble is still the difference between the red dotted line and green bar but it’s expressed as a number ($158.49K) rather than a likelihood (1.93x). Eso quiere decir que, de media, las casas con cocinas excelentes son casi 160 000 USD más caras que las casas sin cocinas excelentes.So on average, houses with excellent kitchens are almost $160K more expensive than houses without excellent kitchens.

Influenciadores categóricos de destino numérico

En el ejemplo siguiente, examinamos el impacto que un factor continuo (año en que se reformó la casa) tiene sobre el precio de la casa.In the example below we are looking at the impact a continuous factor (year house was remodeled) has on house price. Estas son las diferencias respecto a cómo se analizan los influenciadores continuos de las métricas categóricas:The differences compared to how we analyze continuous influencers for categorical metrics are as follows:

  • El gráfico de dispersión del panel derecho traza el precio medio de la casa para cada valor distinto del año de reforma.The scatter plot in the right pane plots the average house price for each distinct value of year remodeled.
  • El valor de la burbuja muestra cuánto aumenta el promedio del precio de la casa (en este caso, 2870 USD) cuando el año de reforma de la casa aumenta la desviación estándar (en este caso 20 años).The value in the bubble shows by how much the average house price increases (in this case $2.87k) when the year the house was remodeled increases by its standard deviation (in this case 20 years)

Influenciadores continuos de destino numérico

Por último, en el caso de las medidas, estamos examinando el promedio del año en que construyó la casa.Finally, in the case of measures we are looking at the average year a house was built. Aquí, el análisis es el siguiente:The analysis here is as follows:

  • El gráfico de dispersión del panel derecho traza el precio medio de la casa para cada valor distinto de la tabla.The scatterplot in the right pane plots the average house price for each distinct value in the table
  • El valor de la burbuja muestra cuánto aumenta el promedio del precio de la casa (en este caso, 1350 USD) cuando el promedio del año aumenta la desviación estándar (en este caso 30 años).The value in the bubble shows by how much the average house price increases (in this case $1.35K) when the average year increases by its standard deviation (in this case 30 years)

La captura de pantalla muestra los "influencers" clave de los precios de casas con los "influencers" a la izquierda y el gráfico de dispersión a la derecha.

Interpretar los resultados: Segmentos principalesInterpret the results: Top Segments

Los segmentos principales para destinos numéricos muestran a grupos donde la casa los precios de Media son mayores que en el conjunto de datos general.Top segments for numerical targets show groups where the house prices on average are higher than in the overall dataset. Por ejemplo, a continuación vemos que Segmento 1 se compone de casas en las que GarageCars (número de plazas de garaje) es mayor que 2 y RoofStyle (estilo de tejado) es Hip (a dos aguas).For example, below we can see that Segment 1 is made up of houses where GarageCars (number of cars the garage can fit) is greater than 2 and the RoofStyle is Hip. Las casas con estas características tienen un precio promedio de 355 000 USD en comparación con el promedio general de los datos, que es de 180 000 USD.Houses with those characteristics have an average price of $355K compared to the overall average in the data which is $180K.

La captura de pantalla muestra los segmentos principales de los precios de casas.

Análisis de una métrica que es una medida o una columna resumidaAnalyze a metric that is a measure or a summarized column

En el caso de una medida o columna resumida, el análisis toma como valor predeterminado el Tipo de análisis continuo descrito antes.In the case of a measure or summarized column the analysis defaults to the Continuous Analysis Type described above. Esto no se puede cambiar.This cannot be changed. La diferencia más importante entre analizar una medida o columna resumida, y una columna numérica no resumida es el nivel en el que se ejecuta el análisis.The biggest difference between analyzing a measure/summarized column and an unsummarized numeric column is the level at which the analysis runs.

En el caso de las columnas no resumidas, el análisis siempre se ejecuta en el nivel de tabla.In the case of unsummarized columns, the analysis always runs at the table level. En el ejemplo de precio de la casa anterior, se ha analizado la métrica House Price (Precio de la casa) para ver qué influye en el aumento o disminución del precio de una casa.In the house price example above, we analyzed the House Price metric to see what influences a house price to increase/decrease. El análisis se ejecuta de forma automática en el nivel de tabla.The analysis automatically runs on the table level. La tabla tiene un identificador único para cada casa, por lo que el análisis se ejecuta en nivel de la casa.Our table has a unique ID for each house so the analysis runs at a house level.

La captura de pantalla muestra el análisis de nivel de tabla del ejemplo de precio de casa.

En el caso de las medidas y las columnas resumidas, no se sabe de forma inmediata en qué nivel se deben analizar.For measures and summarized columns, we don't immediately know what level to analyze them at. Si House Price se ha resumido como un Promedio, se debería tener en cuenta a qué nivel nos gustaría que se calculara este precio promedio de la casa.If House Price was summarized as an Average, we would need to consider what level we would like this average house price calculated. ¿El precio promedio de la casa está en un nivel de vecindario?Is it the average house price at a neighborhood level? ¿O bien posiblemente en un nivel regional?Or perhaps a regional level?

Las medidas y las columnas resumidas se analizan de forma automática en el nivel de los campos Explicar por que se usan.Measures and summarized columns are automatically analyzed at the level of the Explain by fields used. Imagine que hay tres campos Explicar por que le interesan: Calidad de la cocina, Tipo de edificación y Aire acondicionado.Imagine we have three fields in Explain By we are interested in: Kitchen Quality, Building Type and Air Conditioning. Precio medio de la casa se calcularía para cada combinación única de esos tres campos.Average House Price would be calculated for each unique combination of those three fields. A menudo resulta útil cambiar a una vista de tabla para comprobar la apariencia de los datos que se evalúan.It is often helpful to switch to a table view to take a look at what the data being evaluated looks like.

La captura de pantalla muestra las tres columnas y el precio medio de la casa.

Este análisis está muy resumido y, por tanto, será difícil para el modelo de regresión encontrar en los datos patrones de los que pueda aprender.This analysis is very summarized and so it will be hard for the regression model to find any patterns in the data it can learn from. Para obtener mejores resultados, el análisis se debe ejecutar en un nivel más detallado.We should run the analysis at a more detailed level to get better results. Si se quisiera analizar el precio de la casa en el nivel de la casa, sería necesario agregar de forma explícita el campo ID al análisis.If we wanted to analyze the house price at the house level we would need to explicitly add the ID field to the analysis. Pero el objetivo no es que el Id. de la casa se considere un influenciador.Nevertheless, we don't want the house ID to be considered an influencer. No resulta útil saber que a medida que aumenta el Id. de la casa aumenta su precio.It is not helpful to learn that as house ID increases, the price of a house increase. Aquí es donde el campo Expandir por resulta útil.This is where the Expand By field well option comes in handy. Puede usar Expandir por para agregar los campos que quiera usar para establecer el nivel del análisis sin buscar nuevos influenciadores.You can use Expand By to add fields you want to use for setting the level of the analysis without looking for new influencers.

Observe la apariencia de la visualización después de agregar ID a Expandir por.Take a look at what the visualization looks like once we add ID to Expand By. Una vez que haya definido el nivel en el que quiere evaluar la medida, la interpretación de los influenciadores es exactamente la misma que para las columnas numéricas no resumidas.Once you have defined the level at which you want your measure evaluated, interpreting influencers is exactly the same as for unsummarized numeric columns.

La captura de pantalla muestra la visualización del precio de la casa que depende de las tres columnas descritas en esta sección.

Si quiere obtener más información sobre cómo puede analizar medidas con las visualización de "influencerse" clave, vea el vídeo siguiente.If you would like to learn more about how you can analyze measures with the key influencers visualization please watch the following video. Para información sobre cómo Power BI usa ML.NET en segundo plano para analizar los datos y generar información de manera natural, consulte el artículo sobre cómo Power BI identifica los "influencers" clave que usan ML.NET.To learn how Power BI uses ML.NET behind the scenes to reason over data and surface insights in a natural way, see Power BI identifies key influencers using ML.NET.

Consideraciones y solución de problemasConsiderations and troubleshooting

¿Cuáles son las limitaciones del objeto visual?What are the limitations for the visual?

El objeto visual de los influenciadores clave tiene algunas limitaciones:The key influencers visual has some limitations:

  • No se admite DirectQuery.Direct Query is not supported
  • No se admite la conexión dinámica a Azure Analysis Services ni SQL Server Analysis Services.Live Connection to Azure Analysis Services and SQL Server Analysis Services is not supported
  • No se admite la opción Publicar en la web.Publish to web is not supported
  • Se requiere .NET Framework 4.6 o una versión posterior..NET Framework 4.6 or higher is required
  • Aún no se admite la inserción de SharePoint Online.SharePoint Online embedding isn't supported

Pregunta numérica

Un error me indica que no se encontraron influenciadores o segmentos. ¿Por qué?I see an error that no influencers or segments were found. Why is that?

Error: No se encuentran influenciadores

Este error se produce cuando se han incluido campos en Explicar por pero no se han encontrado influenciadores.This error occurs when you included fields in Explain by but no influencers were found.

  • La métrica que se estaba analizando se ha incluido en Analizar y en Explicar por.You included the metric you were analyzing in both Analyze and Explain by. Quítela de Explicar por.Remove it from Explain by.
  • Los campos explicativos tienen demasiadas categorías con pocas observaciones.Your explanatory fields have too many categories with few observations. Esta situación dificulta la visualización para determinar qué factores son influenciadores.This situation makes it hard for the visualization to determine which factors are influencers. Es difícil generalizar solo con unas pocas observaciones.It’s hard to generalize based on only a few observations. Si está analizando un campo numérico, quizás quiera cambiar de Análisis categórico a Análisis continuo en Panel de formato, en la tarjeta Análisis.If you are analyzing a numeric field you may want to switch from Categorical Analysis to Continuous Analysis in the Formatting Pane under the Analysis card.
  • Los factores explicativos tienen un número suficiente de observaciones para realizar generalizaciones, pero la visualización no ha buscado ninguna correlación significativa sobre la cual informar.Your explanatory factors have enough observations to generalize, but the visualization didn't find any meaningful correlations to report.

Veo un error que indica que la métrica que estoy analizando no tiene suficientes datos para que se ejecute el análisis a partir de ella. ¿Por qué?I see an error that the metric I'm analyzing doesn't have enough data to run the analysis on. Why is that?

No hay suficientes datos

La visualización funciona examinando los patrones en los datos de un grupo en comparación con otros grupos.The visualization works by looking at patterns in the data for one group compared to other groups. Por ejemplo, busca los clientes que asignaron calificaciones bajas en comparación con los clientes que asignaron calificaciones altas.For example, it looks for customers who gave low ratings compared to customers who gave high ratings. Si los datos del modelo tienen muy pocas observaciones, resulta difícil encontrar patrones.If the data in your model has only a few observations, patterns are hard to find. Si la visualización no tiene suficientes datos para buscar influenciadores significativos, esto indica que se necesitan más datos para ejecutar el análisis.If the visualization doesn’t have enough data to find meaningful influencers, it indicates that more data is needed to run the analysis.

Recomendamos que tenga al menos 100 observaciones del estado seleccionado.We recommend that you have at least 100 observations for the selected state. En este caso, el estado es los clientes que abandonaron.In this case, the state is customers who churn. También necesita al menos 10 observaciones de los estados que utiliza para la comparación.You also need at least 10 observations for the states you use for comparison. En este caso, el estado de comparación es los clientes que no abandonaron.In this case, the comparison state is customers who don't churn.

Si está analizando un campo numérico, quizás quiera cambiar de Análisis categórico a Análisis continuo en Panel de formato, en la tarjeta Análisis.If you are analyzing a numeric field you may want to switch from Categorical Analysis to Continuous Analysis in the Formatting Pane under the Analysis card.

Aparece un error que hace que, cuando no se resume "Analizar", el análisis siempre se ejecuta en el nivel de fila de su tabla primaria. No se permite cambiar este nivel a través de los campos "Expandir por". ¿Por qué?I see an error that when 'Analyze' is not summarized, the analysis always runs at the row level of its parent table. Changing this level via 'Expand by' fields is not allowed. Why is that?

Al analizar una columna numérica o categórica, el análisis siempre se ejecuta en el nivel de tabla.When analyzing a numeric or categorical column, the analysis always runs at the table level. Por ejemplo, si va analizar los precios de la vivienda y la tabla contiene una columna ID, el análisis se ejecutará de forma automática en el nivel de identificador de la casa.For example, if you are analyzing house prices and your table contains an ID column, the analysis will automatically run at the house ID level.

Cuando se analiza una medida o una columna resumida, es necesario indicar de forma explícita el nivel en el que se quiere ejecutar el análisis.When you are analyzing a measure or summarized column, you need to explicitly state at which level you would like the analysis to run at. Puede usar Expandir por para cambiar el nivel del análisis para medidas y columnas resumidas sin agregar influenciadores nuevos.You can use Expand by to change the level of the analysis for measures and summarized columns without adding new influencers. Si Precio de la casa se ha definido como una medida, podría agregar la columna ID de la casa a Expandir por para cambiar el nivel del análisis.If House price was defined as a measure you could add the house ID column to Expand by to change the level of the analysis.

Veo un error que indica que un campo en Explicar por no está relacionado de forma exclusiva con la tabla que contiene la métrica que estoy analizando. ¿Por qué?I see an error that a field in Explain by isn't uniquely related to the table that contains the metric I'm analyzing. Why is that?

El análisis se ejecuta en el nivel de tabla del campo que se está analizando.The analysis runs on the table level of the field that's being analyzed. Por ejemplo, si analiza los comentarios de los clientes acerca del servicio, podría obtener una tabla que indique si un cliente ha dado una calificación alta o baja.For example, if you analyze customer feedback for your service, you might have a table that tells you whether a customer gave a high rating or a low rating. En este caso, el análisis se ejecuta en el nivel de tabla del cliente.In this case, your analysis is running at the customer table level.

Si tiene una tabla relacionada que está definida en un nivel más pormenorizado que la tabla que contiene su métrica, le aparece este error.If you have a related table that's defined at a more granular level than the table that contains your metric, you see this error. Este es un ejemplo:Here's an example:

  • Analiza qué hace que los clientes den calificaciones bajas a su servicio.You analyze what drives customers to give low ratings of your service.
  • Quiere ver si el dispositivo en el cual el cliente está consumiendo el servicio influye en las reseñas que aporta.You want to see if the device on which the customer is consuming your service influences the reviews they give.
  • Un cliente puede consumir el servicio de varias maneras diferentes.A customer can consume the service in multiple different ways.
  • En el ejemplo siguiente, el cliente 10000000 usa un navegador y una tableta para interactuar con el servicio.In the following example, customer 10000000 uses both a browser and a tablet to interact with the service.

Una tabla relacionada que está definida en un nivel más pormenorizado que la tabla que contiene su métrica.

Si intenta usar la columna de dispositivo como un factor explicativo, verá el siguiente error:If you try to use the device column as an explanatory factor, you see the following error:

Columna incorrecta

Este error aparece porque el dispositivo no está definido en el nivel de cliente.This error appears because the device isn't defined at the customer level. Un cliente puede consumir el servicio en varios dispositivos.One customer can consume the service on multiple devices. Para que la visualización encuentre patrones, el dispositivo debe ser un atributo del cliente.For the visualization to find patterns, the device must be an attribute of the customer. Existen varias soluciones que dependen de cuánto conozca su empresa:There are several solutions that depend on your understanding of the business:

  • Puede cambiar el resumen de dispositivos para contar.You can change the summarization of devices to count. Por ejemplo, use el recuento si el número de dispositivos puede afectar a la puntuación que da un cliente.For example, use count if the number of devices might affect the score that a customer gives.
  • Puede dinamizar la columna de dispositivo para ver si utilizar el servicio en un dispositivo específico influye en la calificación de un cliente.You can pivot the device column to see if consuming the service on a specific device influences a customer’s rating.

En este ejemplo, los datos se han dinamizado para crear otras columnas para un explorador, dispositivos móviles y tabletas; asegúrese de eliminar y volver a crear las relaciones en la vista de modelado después de dinamizar los datos.In this example, the data was pivoted to create new columns for browser, mobile, and tablet (make sure you delete and re-create your relationships in the modeling view after pivoting your data). Ahora puede usar estos dispositivos específicos en Explicar por.You can now use these specific devices in Explain by. Descubrimos que todos los dispositivos son influenciadores y que el navegador tiene el mayor impacto en la puntuación del cliente.All devices turn out to be influencers, and the browser has the largest effect on customer score.

Más concretamente, los clientes que no usan el navegador para consumir el servicio tienen una probabilidad 3,79 veces superior de asignar una puntuación baja que quienes sí lo usan.More precisely, customers who don't use the browser to consume the service are 3.79 times more likely to give a low score than the customers who do. Más abajo en la lista, para dispositivos móviles, se cumple lo contrario.Lower down in the list, for mobile the inverse is true. Los clientes que usan una aplicación móvil tienen una mayor probabilidad de dar una puntuación baja que aquellos que no la usan.Customers who use the mobile app are more likely to give a low score than the customers who don’t.

Resuelto

Veo una advertencia que indica que las medidas no se han incluido en mi análisis. ¿Por qué?I see a warning that measures weren't included in my analysis. Why is that?

Error: Medidas no incluidas

El análisis se ejecuta en el nivel de tabla del campo que se está analizando.The analysis runs on the table level of the field that's being analyzed. Si está analizando el abandono de clientes, puede tener una tabla que le indique si un cliente ha abandonado o no.If you analyze customer churn, you might have a table that tells you whether a customer churned or not. En este caso, el análisis se ejecuta en el nivel de tabla del cliente.In this case, your analysis runs at the customer table level.

Las medidas y los agregados se analizan en este nivel de tabla, de forma predeterminada.Measures and aggregates are by default analyzed at the table level. Si tuviéramos una medida para el gasto mensual promedio, se analizaría en el nivel de tabla de cliente.If there were a measure for average monthly spending, it would be analyzed at the customer table level.

Si la tabla de cliente no tiene un identificador único, no es posible evaluar la medida y el análisis la pasa por alto.If the customer table doesn't have a unique identifier, you can't evaluate the measure and it's ignored by the analysis. Para evitar esta situación, asegúrese de que la tabla con la métrica tiene un identificador único.To avoid this situation, make sure the table with your metric has a unique identifier. En este caso, es la tabla de clientes y el identificador único es el identificador de cliente.In this case, it's the customer table and the unique identifier is customer ID. También es muy fácil agregar una columna de índice con Power Query.It’s also easy to add an index column by using Power Query.

Veo una advertencia que indica que la métrica que estoy analizando tiene más de 10 valores únicos y que esto puede afectar a la calidad del análisis. ¿Por qué?I see a warning that the metric I'm analyzing has more than 10 unique values and that this amount might affect the quality of my analysis. Why is that?

La visualización de inteligencia artificial puede analizar los campos categóricos y los campos numéricos.The AI visualization can analyze categorical fields and numeric fields. En el caso de los campos categóricos, un ejemplo puede ser Abandono es Sí o No, y Satisfacción del cliente es Alta, Media o Baja.In the case of categorical fields, an example may be Churn is Yes or No, and Customer Satisfaction is High, Medium, or Low. Aumentar el número de categorías para analizar significa que se realizan menos observaciones por categoría.Increasing the number of categories to analyze means there are fewer observations per category. Esto hace que a la visualización le resulte más difícil encontrar patrones en los datos.This situation makes it harder for the visualization to find patterns in the data.

Al analizar los campos numéricos, tiene la opción de tratar los campos numéricos como texto, en cuyo caso se ejecutará el mismo análisis que usaría con los datos categóricos (Análisis categóricos).When analyzing numeric fields you have a choice between treating the numeric fields like text in which case you will run the same analysis as you do for categorical data (Categorical Analysis). Si tiene muchos valores distintos, le recomendamos que cambie el análisis a Análisis continuo porque eso significa que podemos deducir los patrones cuando los números aumentan o disminuyen, en lugar de tratarlos como valores distintos.If you have lots of distinct values we recommend you switch the analysis to Continuous Analysis as that means we can infer patterns from when numbers increase or decrease rather than treating them as distinct values. Puede cambiar de Análisis categórico a Análisis continuo en Panel de formato, en la tarjeta Análisis.You can switch from Categorical Analysis to Continuous Analysis in the Formatting Pane under the Analysis card.

Para buscar influenciadores más sólidos, se recomienda agrupar valores similares en una sola unidad.To find stronger influencers, we recommend that you group similar values into a single unit. Por ejemplo, si tiene una métrica para el precio, es probable que obtenga mejores resultados mediante la agrupación de precios similares en algo parecido a categorías como Alto, Medio o Bajo, frente al uso de puntos de precio individuales.For example, if you have a metric for price, you're likely to obtain better results by grouping similar prices into High, Medium, and Low categories vs. using individual price points.

Advertencia: Más de 10 factores exclusivos

Hay factores en mis datos que parecen indicar que son influenciadores clave, pero no lo son. ¿Cómo puede suceder esto?There are factors in my data that look like they should be key influencers, but they aren't. How can that happen?

En el ejemplo siguiente, los clientes que son consumidores dan calificaciones bajas, con 14,93 % de las calificaciones bajas.In the following example, customers who are consumers drive low ratings, with 14.93% of ratings that are low. El rol de administrador también tiene una proporción alta de calificaciones bajas (un 13,42 %) pero no se considera un influenciador.The administrator role also has a high proportion of low ratings, at 13.42%, but it isn't considered an influencer.

La razón de esta decisión es que la visualización también tiene en cuenta el número de puntos de datos cuando encuentra personas con influencia.The reason for this determination is that the visualization also considers the number of data points when it finds influencers. El siguiente ejemplo tiene más de 29 000 consumidores y 10 veces menos administradores, aproximadamente 2900.The following example has more than 29,000 consumers and 10 times fewer administrators, about 2,900. Además, solo 390 de ellos dieron una calificación baja.Only 390 of them gave a low rating. El objeto visual no tiene suficientes datos para determinar si realmente ha encontrado un patrón en las calificaciones de administrador o si es simplemente un hallazgo casual.The visual doesn’t have enough data to determine whether it found a pattern with administrator ratings or if it’s just a chance finding.

Procedimiento para determinar los influenciadores

¿Cuáles son los límites de punto de datos de los influenciadores clave?What are the data point limits for key influencers? El análisis se ejecuta en una muestra de 10 000 puntos de datos.We run the analysis on a sample of 10,000 data points. Las burbujas del lateral muestran todos los influenciadores encontrados.The bubbles on the one side show all the influencers that were found. Los gráficos de columnas y los gráficos de dispersión del otro lado se atienen a las estrategias de muestreo de esos objetos visuales principales.The column charts and scatterplots on the other side abide by the sampling strategies for those core visuals.

¿Cómo calcula los influenciadores clave para el análisis categórico?How do you calculate key influencers for categorical analysis?

En segundo plano, la visualización de inteligencia artificial usa ML.NET para ejecutar una regresión logística para calcular los influenciadores clave.Behind the scenes, the AI visualization uses ML.NET to run a logistic regression to calculate the key influencers. Una regresión logística es un modelo estadístico que compara los distintos grupos entre sí.A logistic regression is a statistical model that compares different groups to each other.

Si quiere ver lo que genera las calificaciones bajas, la regresión logística se centrará en cómo los clientes que han dado una puntuación baja difieren de los que han dado una puntuación alta.If you want to see what drives low ratings, the logistic regression looks at how customers who gave a low score differ from the customers who gave a high score. Si tiene varias categorías, como las puntuaciones altas, neutras y bajas, examina en qué se diferencian los clientes que le dieron una calificación baja de los clientes que no.If you have multiple categories, such as high, neutral, and low scores, you look at how the customers who gave a low rating differ from the customers who didn't give a low rating. En este caso, ¿en qué se diferencian los clientes que le dieron una puntuación baja se diferencia de los clientes que le dieron una calificación alta o neutra?In this case, how do the customers who gave a low score differ from the customers who gave a high rating or a neutral rating?

La regresión logística busca patrones en los datos, centrándose en las diferencias entre los clientes que han dado una calificación baja y los clientes que han dado una calificación alta.The logistic regression searches for patterns in the data and looks for how customers who gave a low rating might differ from the customers who gave a high rating. Podría ser, por ejemplo, que los clientes que tienen más incidencias de soporte técnico dan un porcentaje mucho mayor de calificaciones bajas que los que tienen pocas incidencias de soporte técnico, o ninguna.It might find, for example, that customers with more support tickets give a higher percentage of low ratings than customers with few or no support tickets.

La regresión logística también tiene en cuenta cuántos puntos de datos están presentes.The logistic regression also considers how many data points are present. Si, por ejemplo, los clientes que desempeñan un rol de administrador dan, proporcionalmente, puntuaciones más negativas pero solo son una serie limitada de administradores, no se considera un factor influyente.For example, if customers who play an admin role give proportionally more negative scores but there are only a few administrators, this factor isn't considered influential. Esta determinación se realiza porque no hay suficientes puntos de datos disponibles para deducir un modelo.This determination is made because there aren't enough data points available to infer a pattern. Se usa una prueba estadística (prueba de Wald) para determinar si un factor se considera un influenciador.A statistical test, known as a Wald test, is used to determine whether a factor is considered an influencer. El objeto visual utiliza un valor p de 0,05 para determinar el umbral.The visual uses a p-value of 0.05 to determine the threshold.

¿Cómo se calculan los influenciadores clave para el análisis numérico?How do you calculate key influencers for numeric analysis?

En segundo plano, la visualización de inteligencia artificial usa ML.NET para ejecutar una regresión lineal para calcular los influenciadores clave.Behind the scenes, the AI visualization uses ML.NET to run a linear regression to calculate the key influencers. Una regresión lineal es un modelo estadístico que estudia cómo cambia el resultado del campo que está analizando según sus factores explicativos.A linear regression is a statistical model that looks at how the outcome of the field you are analyzing changes based on your explanatory factors.

Por ejemplo, si estamos analizando precios de casas, la regresión lineal mirará el impacto que tiene una cocina excelente en el precio de la casa.For example, if we are analyzing house prices, a linear regression will look at the impact having an excellent kitchen will have on the house price. ¿Las casas con cocinas excelentes generalmente tienen precios mayores o menores en comparación con las casas sin cocinas excelentes?Do houses with excellent kitchens generally have lower or higher house prices compared to houses without excellent kitchens?

La regresión lineal también tiene en cuenta el número de puntos de datos.The linear regression also considers the number of data points. Por ejemplo, si las casas con pista de tenis tienen precios más altos pero hay muy pocas casas con pista de tenis, este factor no se considera influyente.For example, if houses with tennis courts have higher prices but we have very few houses that have a tennis court, this factor is not considered influential. Esta determinación se realiza porque no hay suficientes puntos de datos disponibles para deducir un modelo.This determination is made because there aren't enough data points available to infer a pattern. Se usa una prueba estadística (prueba de Wald) para determinar si un factor se considera un influenciador.A statistical test, known as a Wald test, is used to determine whether a factor is considered an influencer. El objeto visual utiliza un valor p de 0,05 para determinar el umbral.The visual uses a p-value of 0.05 to determine the threshold.

¿Cómo se calculan los segmentos?How do you calculate segments?

En segundo plano, la visualización de inteligencia artificial usa ML.NET para ejecutar un árbol de decisión para buscar los subgrupos interesantes.Behind the scenes, the AI visualization uses ML.NET to run a decision tree to find interesting subgroups. El objetivo final del árbol de decisión es un subgrupo de puntos de datos relativamente alto en la métrica en la cual estamos interesados.The objective of the decision tree is to end up with a subgroup of data points that's relatively high in the metric you're interested in. Podría tratarse de clientes con calificaciones bajas o casas con precios altos.This could be customers with low ratings or houses with high prices.

El árbol de decisión toma cada factor explicativo e intenta razonar qué factor le dará la mejor división.The decision tree takes each explanatory factor and tries to reason which factor gives it the best split. Por ejemplo, si filtramos los datos para incluir a solo a los clientes de las empresa de gran tamaño, ¿se diferenciarán los clientes que nos han dado una calificación alta y los que han dado una calificación baja?For example, if you filter the data to include only large enterprise customers, will that separate out customers who gave a high rating vs. a low rating? ¿O quizás será mejor si filtramos los datos para incluir solo a los clientes que han realizado comentarios sobre la seguridad?Or perhaps is it better to filter the data to include only customers who commented about security?

Después de que el árbol de decisión realiza una división, toma el subgrupo de datos y determina la división siguiente recomendada para esos datos.After the decision tree does a split, it takes the subgroup of data and determines the next best split for that data. En este caso, el subgrupo son los clientes que enviaron comentarios sobre seguridad.In this case, the subgroup is customers who commented on security. Después de cada división, también tiene en cuenta si tiene suficientes puntos de datos para que este sea un grupo representativo a partir del cual se puede deducir un patrón o si simplemente puede ser una anomalía en los datos y, por lo tanto, no un segmento real.After each split, it also considers whether it has enough data points for this group to be representative enough to infer a pattern from or whether it's an anomaly in the data and not a real segment. Se aplica otra prueba estadística para comprobar la importancia estadística de la condición de división, con un valor p de 0,05.Another statistical test is applied to check for the statistical significance of the split condition with p-value of 0.05.

Cuando finaliza la ejecución del árbol de decisión, toma todas las divisiones (comentarios de seguridad, empresa de gran tamaño) y crea los filtros de Power BI.After the decision tree finishes running, it takes all the splits, such as security comments and large enterprise, and creates Power BI filters. Esta combinación de filtros se empaqueta como un segmento en el objeto visual.This combination of filters is packaged up as a segment in the visual.

¿Por qué ciertos factores se convierten en influenciadores o dejan de ser influenciadores a medida que muevo más campos a Explicar por?Why do certain factors become influencers or stop being influencers as I move more fields into the Explain by field?

La visualización evalúa todos los factores explicativos conjuntamente.The visualization evaluates all explanatory factors together. Un factor podría ser un influenciador pero, cuando se considera con otros factores, podría no serlo.A factor might be an influencer by itself, but when it's considered with other factors it might not. Supongamos que quiere analizar qué es lo que hace que el precio de una casa sea alto, siendo el tamaño de la casa y los dormitorios los factores explicativos:Suppose you want to analyze what drives a house price to be high, with bedrooms and house size as explanatory factors:

  • Por sí mismo, una cantidad mayor de dormitorios puede ser un impulsor para que los precios de las casas sean altos.By itself, more bedrooms might be a driver for house prices to be high.
  • La inclusión del tamaño de la casa en el análisis significa que ahora veremos lo que ocurre con los dormitorios si el tamaño de la casa se mantiene constante.Including house size in the analysis means you now look at what happens to bedrooms while house size remains constant.
  • Si el tamaño de la casa se fija en 150 metros cuadrados, no es probable que un aumento continuo en el número de dormitorios aumente considerablemente el precio de la casa.If house size is fixed at 1,500 square feet, it's unlikely that a continuous increase in the number of bedrooms will dramatically increase the house price.
  • Los dormitorios podrían no ser un factor tan importante como era cuando se tenía en cuenta el tamaño de la casa.Bedrooms might not be as important of a factor as it was before house size was considered.

Para compartir el informe con un compañero en Power BI es necesario que los dos tengan licencias de Power BI Pro individuales o que el informe esté guardado en la capacidad Premium.Sharing your report with a Power BI colleague requires that you both have individual Power BI Pro licenses or that the report is saved in Premium capacity. Consulte cómo compartir informes.See sharing reports.

Pasos siguientesNext steps