ビジュアルの変動の説明に Power BI Desktop に分析情報を適用する (プレビュー)Apply insights in Power BI Desktop to explain fluctuations in visuals (preview)

ビジュアルでは、値の大幅な増加や急激な減少が確認されることが頻繁にあり、そのような変化の原因は何かと疑問に思います。Often in visuals, you see a large increase and then a sharp drop in values, and wonder about the cause of such fluctuations. Power BI Desktop分析情報を利用すれば、数回のクリックで原因がわかります。With insights in Power BI Desktop you can learn the cause with just a few clicks.

たとえば、売上高別と四半期別で表示している次のビジュアルについて考えてください。For example, consider the following visual that shows Sales Amount by Year and Quarter. 2014 年は売上が大きく下がっており、第 1 四半期第 2 四半期の間で売上が急に落ちています。A large decrease in sales occurs in 2014, with sales dropping sharply between Qtr 1 and Qtr 2. このような場合、発生した変化について説明する目的でデータをいろいろ調べることができます。In such cases you can explore the data, to help explain the change that occurred.


Power BI Desktop にグラフの増減を説明し、グラフの分布要因を確認し、データについてすばやく洞察に満ちた自動分析を行うように指示することができます。You can tell Power BI Desktop to explain increases or decreases in charts, see distribution factors in charts, and get fast, automated, insightful analysis about your data. その場合、ユーザーはただデータ ポイントを右クリックし、 [分析]、[減少について説明してください] (前の棒が低い場合は [増加について説明してください]) の順に選択するか、 [分析] を選択し、分布が異なる部分を [検索] します。これにより、使いやすいウィンドウで洞察が得られます。Simply right-click on a data point, and select Analyze > Explain the decrease (or increase, if the previous bar was lower), or Analyze > Find where this distribution is different and insight is delivered to you in an easy-to-use window.


インサイト機能はコンテキストに依存し、前の棒や列など、直前のデータ ポイントに基づきます。The insights feature is contextual, and is based on the immediately previous data point - such as the previous bar, or column.


この機能はプレビュー段階であり、変更される可能性があります。This feature is in preview, and is subject to change. 2017 年 9 月バージョンの Power BI Desktop 以降では、インサイト機能は既定で有効になります ([プレビュー] チェック ボックスをオンにして有効にする必要はありません)。The insight feature is enabled and on by default (you don't need to check a Preview box to enable it) beginning with the September 2017 version of Power BI Desktop.

インサイトの使用Using insights

グラフ上で確認される増減を説明する目的で分析情報を使用するには、棒グラフまたは折れ線グラフでデータ ポイントを右クリックし、 [分析] > [増加について説明してください] (または [減少について説明してください] 。すべての分析情報は前のデータ ポイントからの変化に基づくため) の順に選択します。To use insights to explain increases or decreases seen on charts, just right-click on any data point in a bar or line chart, and select Analyze > Explain the increase (or Explain the decrease, since all insights are based on the change from the previous data point).


その後、Power BI Desktop はデータに対して機械学習アルゴリズムを実行し、増減に最も影響したカテゴリを示す説明とビジュアルをウィンドウに取り込みます。Power BI Desktop then runs its machine learning algorithms over the data, and populates a window with a visual and a description that describes which categories most influenced the increase or decrease. 次の画像に示すように、既定では、インサイトはウォーターフォール ビジュアルとして提供されます。By default, insights are provided as a waterfall visual, as shown in the following image.

分析情報ポップアップ ウィンドウ

ウォーターフォール ビジュアルの下部にある小さいアイコンを選択すると、インサイトで散布グラフ、積み上げ縦棒グラフ、またはリボン グラフのいずれかを表示できます。By selecting the small icons at the bottom of the waterfall visual, you can choose to have insights display a scatter chart, stacked column chart, or a ribbon chart.


ページの上部にある上向き親指下向き親指のアイコンを使用して、ビジュアルと機能に関するフィードバックを送ることができます。The thumbs up and thumbs down icons at the top of the page are provided so you can provide feedback about the visual and the feature. このアイコンからはフィードバックが提供されますが、現在のところ、次回この機能を使用したときに違う結果を返すよう、アルゴリズムがトレーニングされることはありません。Doing so provides feedback, but it does not currently train the algorithm to influence the results returned next time you use the feature.

さらに重要なのがビジュアルの上部にある + ボタンです。これを使用すれば、ビジュアルを手動で作成した場合と同じように、レポートに選択したビジュアルを追加できます。And importantly, the + button at the top of the visual lets you add the selected visual to your report, just as if you created the visual manually. その後、レポートの他のビジュアルと同じように、追加したビジュアルの書式を設定したり、調整したりすることができます。You can then format or otherwise adjust the added visual just as you would to any other visual on your report. 選択したインサイト ビジュアルを追加できるのは、Power BI Desktop でレポートを編集する場合のみです。You can only add a selected insight visual when you're editing a report in Power BI Desktop.

インサイトは、レポートが読み取りモードの場合、または編集モードの場合に使用でき、データの分析と、レポートに簡単に追加できるビジュアルの作成の両方で使用できます。You can use insights when your report is in reading or editing mode, making it versatile for both analyzing data, and for creating visuals you can easily add to your reports.

返される結果の詳細Details of the results returned

分析情報によって返される詳細の意図は、2 つの期間の間に発生した変化を理解する目的でその間の違いを強調表示することです。The details returned by insights are intended to highlight what was different between the two time periods, to help you understand the change between them.

たとえば、第 3 四半期から第 4 四半期にかけて売上が 55% 増えているとき、それがあらゆる製品カテゴリに等しく当てはまり (コンピューターの売上が 55% 増え、オーディオやその他の売上も同様に増えるなど)、さらに、どこの国でも、どのような客層でも同じことが当てはまる場合、変化について説明する目的でデータから特定できるものはほとんどありません。For example, if Sales increased by 55% overall from Qtr 3 to Qtr 4, and that is equally true for every Category of product (sales of Computer increased by 55%, and of Audio, and so on), and also true for every country, and for every type of customer, then there is little that can be identified in the data to help explain the change. しかしながら、そのような状況は一般的ではありません。通常、出来事の中には違いを見いだせるものであり、たとえば、カテゴリの中で、テレビとオーディオが 23% しか増加しなかったのに対し、コンピューター家電の売上が 63% という大きな増加率を見せ、コンピューター家電第 3 四半期より第 4 四半期で総売上に大きく貢献したということがありえます。However, that situation is generally not the case, and we might typically find differences in what occurred, such that among the categories, Computers and Home Appliances grew by a much larger 63% percentage, while TV and Audio grew by only 23%, and therefore Computers and Home Appliances contributed a larger amount of the total for Qtr 4 than they had for Qtr 3. この例では、増加に対する妥当な理由として、「コンピューター、テレビとオーディオの売り上げが特に好調であったから」という理由を挙げることができます。Given this example, a reasonable explanation of the increase would be: particularly strong sales for Computers and TV and Audio.

そのため、このアルゴリズムは最大の変化量を説明する値を単純に返すものではありません。So the algorithm is not simply returning the values that account for the biggest amount of the change. たとえば、売上の多く (98%) が米国からであるとすれば、増加の多くも米国で発生するのが一般的です。For example, if the vast majority (98%) of sales came from the USA, then it would commonly be the case that the vast majority of the increase was also in the USA. それでも、米国やその他の国で総売上の相対的貢献度に大きな変化がない限り、は重要な指標であるとは見なされません。Yet unless the USA or other countries had a significant change to their relative contribution to the total, Country would not be considered interesting in this context.

単純に言えば、このアルゴリズムではモデル内の他の縦棒をすべて受け取り、の期間との期間に対して縦棒ごとの内訳を計算し、その内訳の中でどのくらいの変化が発生したか判断し、変化が最も大きな縦棒を返します。Simplistically, the algorithm can be thought of as taking all the other columns in the model, and calculating the breakdown by that column for the before and after time periods, determining how much change occurred in that breakdown, and then returning those columns with the biggest change. たとえば、上記の例でカテゴリを選択すると、テレビとビデオによる (売上) 貢献度が 33% から 26% へと 7% 下がった一方で、家電の貢献度がゼロから 6% 超に増えました。For example, Category was selected in the example above, as the contribution made by TV and Video fell 7% from 33% to 26%, while the contribution from Home Appliances grew from nothing to over 6%.

返された縦棒ごとに 4 つのビジュアルを表示できます。For each column returned, there are four visuals that can be displayed. そのうち 3 つのビジュアルは、2 つの期間の間の貢献度変化を強調表示することです。Three of those visuals are intended to highlight the change in contribution between the two periods. たとえば、第 2 四半期から第 3 四半期にかけての増加を説明します。For example, for the explanation of the increase from Qtr 2 to Qtr 3.

散布図The scatter plot

散布図ビジュアルでは、縦棒の各値に対して (ここではカテゴリ)、第 1 期間の指標値 (X 軸) と第 2 期間の指標値 (Y 軸) が比較表示されます。The scatter plot visual shows the value of the measure in the first period (on the x-axis) against the value of the measure in the second period (on the y-axis), for each value of the column (Category in this case). そのため、次の画像から確認できるように、値が増えたとき、データ ポイントは緑の領域に入り、値が減ると、赤の領域に入ります。Thus as shown in the following image, any data points are in the green region if the value increased, and in the red region if they decreased.

点線は最良適合を示すものであり、この線より上にあるデータ ポイントは全体的傾向よりも増加が上回り、この線より下であれば増加も下回るということになります。The dotted line shows the best fit, and as such, data points above this line increased by more than the overall trend, and those below it by less.


いずれの期間も値が空のデータ項目は散布図に表示されないことにご注意ください (たとえば、この例であれば家電)。Note that data items whose value was blank in either period will not appear on the scatter plot (for example, Home Appliances in this case)

100% 積み上げ縦棒グラフThe 100% stacked column chart

100% 積み上げ縦棒グラフのビジュアルでは、選択した縦棒別に、前後の指標値が 100% の積み上げ縦棒として表示されます。The 100% stacked column chart visual shows the value of the measure before and after, by the selected column, shown as a 100% stacked column. 前後の貢献度を横並びで比較できます。This allows side-by-side comparison of the contribution before and after. ツールヒントを使うと、選択した値の実際の貢献度が表示されます。The tooltips show the actual contribution for the selected value.

100% 積み上げ縦棒グラフ

リボン グラフThe ribbon chart

リボン グラフのビジュアルには、前後の指標値も表示されます。The ribbon chart visual showsalso the value of the measure before and after. これは特に、(コンピューターの売上順位が 1 位から 3 位に下がったなど) 貢献要素の順序が変わるとき、貢献度の変化を示す手法として便利です。It's particularly useful in showing the changes in contributions when these were such that the ordering of contributors changed (for example, if Computers were the number one contributor before, but then fell to number three).

リボン グラフ

ウォーターフォール グラフThe waterfall chart

4 番目のビジュアルがウォーターフォール グラフです。期間の間の主な増減を実際値で示します。The fourth visual is a waterfall chart, showing the main actual increases or decreases between the periods. このビジュアルでは実際の変化がはっきり示されますが、その縦棒が重要であると見なされた理由を実際に強調する貢献度の変化はこのビジュアルだけでは示されません。This visual clearly shows the actual changes, but does not alone indicate the changes to the level of contribution that actually highlight why the column was chosen as being interesting.

ウォーターフォール グラフ

相対的貢献度の変化の大きさで縦棒にランクを付けるとき、次が考慮されます。When ranking the column as to which have the largest differences in the relative contributions, the following is considered:

  • カーディナリティが要素として取り込まれます。縦棒のカーディナリティが大きいとき、差異の重要性は低くなります。The cardinality is factored in, as a difference is less statistically significant, and less interesting, when a column has a large cardinality.

  • 元の値が非常に高いかゼロに非常に近いカテゴリの差異には、他のカテゴリより高い重み付けが与えられます。Differences for those categories where the original values were very high or very close to zero are weighted higher than others. たとえば、あるカテゴリの貢献度がわずか 1% から 6% になった場合、50% から 55% になったカテゴリより、統計的に意味がある、重要であると見なされます。For example, if a Category only contributed 1% of sales, and this changed to 6%, that is more statistically significant, and therefore considered more interesting, than a Category whose contribution changed from 50% to 55%.

  • 最も意味のある結果を選択する目的で、さまざまなヒューリスティックス (発見的手法) が採用されます。たとえば、データ間のその他の関係を考慮します。Various heuristics are employed to select the most meaningful results, for example by considering other relationships between the data.

さまざまな縦棒を調べた後、相対的貢献の変化が最も大きい縦棒が選択され、出力されます。After examining different columns, those that show the biggest change to relative contribution are chosen and output. 出力された縦棒ごとに、貢献度変化が最も大きい値に吹き出しで説明が付きます。For each, the values which had the most significant change to contribution are called out in the description. また、実際の増減が最も大きい値にも吹き出しが付きます。In addition, the values that had the largest actual increases and decreases are also called out.

考慮事項と制限事項Considerations and limitations

以上の分析情報は前のデータ ポイントからの変化に基づくため、ビジュアルで最初のデータ ポイントを選択した時点では利用できません。Since these insights are based on the change from the previous data point, they aren't available when you select the first data point in a visual.

現在のところ、増減を説明できないシナリオには次のようなものがあります。The following list is the collection of currently unsupported scenarios for explain the increase/decrease:

  • 上位 N フィルターTopN filters
  • 含める/除外するフィルターInclude/exclude filters
  • メジャー フィルターMeasure filters
  • 数値以外のメジャーNon-numeric measures
  • "値の表示方法" の使用Use of "Show value as"
  • フィルターが適用された指標 - フィルターが適用された指標とは、特定のフィルター ("フランスの売上合計" など) が適用されたビジュアル レベルの計算結果であり、分析情報機能によって作成された一部のビジュアルで使用されます。Filtered measures - filtered measures are visual level calculations with a specific filter applied (for example, Total Sales for France), and are used on some of the visuals created by the insights feature
  • X 軸のカテゴリ列 (スカラーである列で並べ替えが定義されている場合を除く)。Categorical columns on X-axis unless it defines a sort by column that is scalar. 階層を使用する場合は、アクティブな階層内のすべての列がこの条件と一致する必要があります。If using a hierarchy, then every column in the active hierarchy has to match this condition

さらに、次のモデルの種類とデータ ソースは現在、インサイトではサポートされていません。In addition, the following model types and data sources are currently not supported for insights:

  • DirectQueryDirectQuery
  • ライブ接続Live connect
  • オンプレミスの Reporting ServicesOn-premises Reporting Services
  • 埋め込みEmbedding

次のステップNext steps

Power BI Desktop と作業の開始方法の詳細については、次の記事を確認してください。For more information about Power BI Desktop, and how to get started, check out the following articles.