Typen inzichten die door Power BI worden ondersteund

VAN TOEPASSING OP:  Van toepassing op. Power BI service voor zakelijke gebruikers is  van toepassing op. Power BI service voor ontwerpers & ontwikkelaars  is niet van toepassing op. Power BI Desktop Van toepassing op. Vereist Pro- of Premium licentie

U kunt Power BI opdracht geven om uw gegevens te bekijken en interessante trends en patronen te vinden. Deze trends en patronen worden weergegeven in de vorm van visuals, Inzichten genoemd. Insights zijn beschikbaar voor visuals op dashboards, visuals in rapporten en volledige rapportpagina's.

Zie Power BI-inzichten voor meer informatie over het gebruik van inzichten

een reeks inzichten

Hoe werkt Inzichten?

Power BI zoekt snel in verschillende subsets van uw gegevensset. Tijdens het zoeken wordt Power BI een set geavanceerde algoritmen toegepast om potentieel interessante inzichten te ontdekken. U kunt een Insights dashboardtegels, rapportvisu visuals en rapportpagina's uitvoeren.

Een aantal termen

Power BI gebruikt statistische algoritmen voor het opsporen van inzichten. De algoritmen worden in het volgende deel van dit artikel weergegeven en beschreven. Voordat we de algoritmen behandelen, volgen hier de definities van enkele mogelijk onbekende termen.

  • Meting: een meting is een kwantitatief (numeriek) veld dat kan worden gebruikt om berekeningen uit te voeren. Veelvoorkomende berekeningen zijn Som, Gemiddelde en Minimum. Als ons bedrijf bijvoorbeeld skateboards maakt en verkoopt kunnen onze metingen bestaan uit het aantal verkochte skateboards en de gemiddelde winst per jaar.
  • Dimensie: dimensies zijn categorische (tekst)gegevens. Een dimensie beschrijft een persoon, object, item, producten, plaats en tijd. In een gegevensset zijn dimensies een manier om metingen te groeperen in nuttige categorieën. Sommige dimensies voor ons skateboardbedrijf zijn de verkoopcijfers (een meting) per model, kleur, land of marketingcampagne.
  • Correlatie: een correlatie vertelt ons over de samenhang tussen het gedrag van bepaalde zaken. Als de toename- en afnamepatronen vergelijkbaar zijn, zijn ze positief gecorreleerd. Als de patronen tegenovergesteld zijn, zijn ze negatief gecorreleerd. Als bijvoorbeeld de verkoop van ons rode skateboard steeds stijgt na een marketingcampagne op tv, zijn de verkoop van het rode skateboard en de tv-campagne positief gecorreleerd.
  • Tijdreeksen: een tijdreeks is een manier om tijd weer te geven als opeenvolgende gegevenspunten. Deze gegevenspunten kunnen stappen zijn, zoals seconden, uren, maanden of jaren.
  • Doorlopende variabele: een doorlopende variabele kan een willekeurige waarde zijn tussen de minimum- en maximumlimieten; anders is het een discrete variabele. Voorbeelden zijn temperatuur, gewicht, leeftijd en tijd. Doorlopende variabelen kunnen breuken of delen van de waarde bevatten. Het totale aantal verkochte blauwe skateboards is een discrete variabele omdat we geen halve skateboards kunnen verkopen.

Wat voor soorten inzichten kunt u vinden?

Power BI vindt u tien typen inzichten voor dashboardtegels. Deze tien worden hieronder beschreven. Voor rapporten voert Power BI proactief analyses uit op afwijkingen, trends en KPI's.

Categorie-uitbijters (boven/onder)

Markeert gevallen waarbij een of twee categorieën een veel grotere waarden hebben dan andere categorieën.

Voorbeeld van categorie-uitbijters

Punten wijzigen in een tijdreeks

Geeft aan wanneer er belangrijke wijzigingen in trends in een tijdreeks van gegevens plaatsvinden.

Voorbeeld van het wijzigen van punten in een tijdreeks

Correlatie

Detecteert gevallen waarin meerdere metingen een vergelijkbaar patroon of een vergelijkbare trend weergeven wanneer ze worden afgezet tegen een categorie of waarde in de gegevensset.

Voorbeeld van correlatie

Lage afwijking

Detecteert gevallen waarbij gegevenspunten voor een dimensie niet ver van het gemiddelde liggen, waardoor de afwijking dus laag is. Stel dat u de meting 'verkoop' en een dimensie 'regio' hebt. Als u de regio bekijkt, ziet u dat er weinig verschil is tussen de gegevenspunten en het gemiddelde (van de gegevenspunten). Het inzicht wordt geactiveerd wanneer de afwijking van verkoop voor alle regio's onder een drempelwaarde komt. Met andere woorden: wanneer de verkoop vrijwel gelijk is in alle regio's.

Voorbeeld van lage afwijking

Meerderheid (belangrijke factoren)

Wanneer een meerderheid van de totale waarde kan worden toegeschreven aan één factor wanneer de waarde wordt onderverdeeld op basis van een andere dimensie.

Voorbeeld van belangrijke factoren

Uitbijters

Voor dit inzichttype wordt een clusteringmodel gebruikt om uitbijters te zoeken in gegevens die niet uit een tijdreeks afkomstig zijn. Met uitbijters wordt gedetecteerd of er specifieke categorieën zijn met waarden die aanzienlijk afwijken van de andere categorieën.

voorbeeld van uitbijters

Detecteren van opwaartse of neerwaartse trends in Time Series-gegevens.

Voorbeeld van algemene trends in Time Series

Seizoensgebondenheid in Time Series

Hiermee worden periodieke patronen in Time Series-gegevens gedetecteerd, zoals wekelijkse, maandelijkse of jaarlijkse seizoensgebondenheid.

Voorbeeld van seizoensgebondenheid

Onveranderlijk deel

Markeert gevallen waarbij voor een continue variabele er een correlatie bestaat tussen het aandeel van de waarde van een onderliggend item in relatie tot de totale waarde van een bovenliggend item. Het inzicht Onveranderlijk deel is van toepassing op de context van een meting, een dimensie, en een andere datum/tijddimensie. Het inzicht wordt geactiveerd wanneer een bepaalde dimensiewaarde, bijvoorbeeld regio oost, een stabiel percentage heeft voor de algehele verkoop in deze datum/tijddimensie.

Het inzicht Onveranderlijk deel is gelijk aan het inzicht Lage afwijking, omdat beide verwant zijn aan een gebrek aan afwijkingen in een waarde, in de loop van de tijd. Het inzicht Onveranderlijk deel meet echter het gebrek aan afwijking in het algehele percentage in de loop van de tijd, terwijl het inzicht Lage afwijking het gebrek aan afwijking meet van de absolute metingswaarden in een dimensie.

Voorbeeld van onveranderlijk deel

Time Series-uitbijters

Detecteert of er specifieke datums of tijden voor verschillende tijdreeksen zijn met waarden die aanzienlijk afwijken van de andere datum-/tijdwaarden.

Voorbeeld van Time Series-uitbijters

Volgende stappen

Power BI-inzichten

Nog vragen? Misschien dat de Power BI-community het antwoord weet