Predchádzajúci

Nasledujúci

Získanie prehľadov pomocou vizuálov AI

Dokončené

Vizuály umelej inteligencie poskytujú lepší prehľad vďaka vloženému strojového učeniu a spracovaniu prirodzeného jazyka, aby ste lepšie pochopili svoje údaje. Vizuály AI sa nachádzajú na table Vizualizácie ako všetky ostatné vizuály.

Táto lekcia skúma nasledujúce vizuály AI: dekompozičný strom, Q&A a kľúčové vplyvy.

Vyhodnotenie mierok pomocou dekompozičného stromu

Dekompozičný strom je interaktívny vizuál, ktorý vám umožňuje rozdeliť mierku podľa rôznych atribútov v rôznych dimenziách. 

Dekompozičný strom je užitočný pri analýze hlavných príčin, čo je schopnosť neustále sa pýtať "prečo", kým sa nedostanete ku koreňu problému. Je to dobrý spôsob, ako sa pozrieť na "kto" a "ako", keď procesy napredujú dobre alebo fungujú zle.

 

Pri vytváraní dekompozičného stromu začnete s mierkou a potom vyberiete rôzne spôsoby rozdelenia mierky. V predchádzajúcom príklade sa pozeráte na zľavy, aby ste zistili, kam postupujú a ktorý dostáva najvyššiu zľavu. Vďaka dekompozičnému stromu môžete zistiť, kde neponúkate zľavy. preto je vidieť väčšie okraje. Okrem toho by ste sa mohli pozrieť na vzťah medzi vašimi zľavami a predanými množstvámi na posúdenie, či majú požadovaný účinok pohyblivého produktu.

Kladenie otázok pomocou vizuálu funkcie Q&A

Vizuál funkcie Q&A umožňuje používateľom klásť otázky v prirodzenom jazyku a získavať odpovede v podobe vizuálu. Vizuály vyberá služba Power BI na základe zobrazených údajov. Pomocou vizuálu Q&A by ste mohli údaje preskúmať pomocou intuitívnych funkcií prirodzeného jazyka. Vizuál funkcie Q&A poskytuje iba výsledky týkajúce sa údajov v Power BI.

 

V ponuke sú predvolené otázky, ale môžete tiež klásť podrobné otázky o svojich údajoch, napríklad klásť otázky týkajúce sa konkrétnych dimenzionálnych členov vo vašich údajoch. Ak sa vám páči vizuál, ktorý je vytvorený vo funkcii Q&A, môžete ho dokonca skonvertovať na štandardný vizuál, ktorý môžete použiť vo zvyšku zošita.

Používanie strojového učenia s kľúčovými vplyvmi

Kľúčové faktory vplyvu používajú strojové učenie, aby pomohli nájsť ovládače, ktoré sa skrývajú za metrikou. Kľúčové vplyvy budú analyzovať vaše údaje, zoradiť dôležité faktory a potom ich zobraziť ako kľúčové vplyvy.

Pozeráte sa napríklad na výsledky prieskumu s čistým skóre propagátora (NPS). Spoločné črty môžete určiť u ľudí, ktorí v prieskume vrátili nižšie skóre. Potom vyplníte metriku, ktorú chcete pochopiť, a potom pridáte polia, ktoré si myslíte, že mohli mať vplyv na jej nárast alebo pokles. Tento proces je podrobnejšie rozoberaný v cvičení.

Pokračovať