Intelligent Insights (versión preliminar)
Importante
Algunas o todas estas funciones están disponibles como parte de una versión preliminar. El contenido y la funcionalidad están sujetos a cambios.
Los conocimientos inteligentes se generan mediante un modelo de IA en Microsoft Sustainability Manager. El modelo de IA le permite realizar un análisis más profundo de sus datos de emisiones calculados y precalculados a través de información sobre valores atípicos, tendencias y correlación. Las ejecuciones del modelo ocurren mensualmente en la totalidad de la tabla Todas las emisiones. Puedes programarlos para cualquier día entre el primero y el 28 del mes a través de Ajustes.
Nota
Intelligent Insights (versión preliminar) está disponible en Microsoft Sustainability Manager Premium. Para más información sobre planes, vaya a Planes de Microsoft Sustainability Manager.
Ver información
Para ver Intelligent Insights:
En Sustainability Manager, en el área Análisis, seleccione Intelligent insights (vista previa).
Seleccione una de las siguientes pestañas de información inteligente:
Valores atípicos
Un valor atípico representa un registro que muestra una diferencia significativa con respecto a otros dentro del mismo contexto. Le ayuda a descubrir problemas de calidad de los datos o áreas donde es necesario actuar. La siguiente imagen muestra más detalles sobre los subtipos de valores atípicos.
Serie temporal: los valores atípicos de la serie temporal le muestran valores atípicos en los datos de la serie temporal en varios contextos después de agregar los datos mensualmente. También muestran la media móvil de la serie y el rango esperado de la serie para ayudar a proporcionar más contexto sobre por qué se detectaron puntos de datos específicos como valores atípicos.
Punto de cambio: un punto de cambio es un salto o caída repentina en los datos. Puede deberse a problemas de calidad de los datos, datos faltantes o no ingesta de datos con regularidad.
Contribución: Los valores atípicos de contribución resaltan áreas donde una entidad individual contribuye con una porción significativa de las emisiones en comparación con otras entidades en el mismo contexto.
Tendencias
Una tendencia es la dirección distintiva de sus datos a lo largo del tiempo. Un aumento o una disminución constante podría ayudarte a identificar un área que está mejorando o que requiere atención.
Además de tendencias habituales como la de esta imagen, también existen tendencias anómalas. Cuando se detectan muchas tendencias en los datos, se analizan colectivamente para ver si hay tendencias anómalas que hayan aumentado o disminuido significativamente más rápido que otras tendencias.
Nota
Para las tendencias atípicas, el eje Y refleja el cambio porcentual en mtCO2e para cada entidad desde el comienzo del período resaltado en la información.
Correlaciones
Una correlación muestra una relación de datos significativa entre contextos, lo que le ayuda a predecir un resultado o identificar un vínculo entre dos o más condiciones.
Encuentre las ideas que más importan
Puede encontrar las ideas que más le interesan clasificándolas, filtrándolas o marcándolas como favoritas.
En la página Valores atípicos, Tendencias o Correlaciones, seleccione una de las siguientes acciones:
Ordenar: la puntuación general, o significancia, se basa en tres subpuntuaciones: significancia estadística calculada por el algoritmo, puntuación de impacto y puntuación de relevancia. . La puntuación de impacto es un porcentaje de las emisiones involucradas en una visión de las emisiones generales de su organización. La puntuación de relevancia es un conjunto de heurísticas que predefinimos para clasificar los conocimientos. La relevancia puede cambiar con el tiempo según los comentarios de los clientes que recibimos.
Filtro: encuentre la información que más le interese filtrando hacia arriba o hacia abajo por instalación, rango de fechas, actividades de carbono, unidad organizativa y/o país/región. Puede aplicar capas de filtros para obtener resultados más precisos.
Marcador: cuando una información es interesante, importante o simplemente desea conservarla para verla más tarde, puede agregarla a favoritos. A diferencia de todos los demás conocimientos, los conocimientos marcados se mantienen de un modelo a otro. Para ver las estadísticas que has marcado como favoritas, selecciona la pestaña Marcador .
Programar una ejecución de modelo
Las ejecuciones del modelo se realizan una vez al mes en toda la tabla Todas las emisiones y se remontan a un máximo de cuatro años. Cuando se generan nuevos conocimientos, se eliminan los conocimientos anteriores que no se hayan marcado como favoritos.
Necesita acceso a nivel de administrador para cambiar el día del mes en el que se ejecuta el modelo.
En Sustainability Manager, seleccione el área Configuración.
En la navegación izquierda, debajo de Ajustes de Aplicacion, seleccione General.
Seleccione la pestaña Insights (versión preliminar).
En el cuadro desplegable, seleccione el día del mes para la ejecución del modelo y luego seleccione Guardar.
Nota
El modelo comenzará a funcionar a las 00:00 UTC del día elegido.
Preguntas frecuentes de
Para obtener información sobre los problemas que pueda tener con conocimientos inteligentes, revise las siguientes preguntas frecuentes (FAQ).
¿Por qué no puedo ordenar la información sobre tendencias y correlaciones por fecha?
Los conocimientos sobre tendencias y correlaciones se basan en datos agregados a lo largo del tiempo, que se remontan a cuatro años atrás en los datos históricos. Recomendamos ordenar por importancia o aplicar filtros para explorar en profundidad profundizar en sus datos.
¿Por qué no se muestran los conocimientos después de que el modelo completa una ejecución?
Si el modelo completa una ejecución exitosamente pero no arroja información, es posible que no haya suficientes datos de emisiones de carbono en su entorno para hacerlo.
¿Por qué no se muestran los conocimientos en todas las pestañas después de que el modelo completa una ejecución?
Dependiendo del tipo y la cantidad de datos que tenga, es posible que no siempre haya información de todos los tipos. A medida que importe más datos, será más probable que vea los tres tipos de información después de que el modelo haya completado su ejecución mensual.