Avvikelseidentifiering
GÄLLER FÖR:
Power BI-tjänsten för konsumenter
Power BI-tjänsten för designers och utvecklare
Power BI Desktop
Kräver Pro- eller Premium-licens
Med avvikelseidentifiering kan du förbättra dina linjediagram genom att automatiskt identifiera avvikelser i dina tidsseriedata. Den innehåller också förklaringar av avvikelserna som hjälper dig med rotorsaksanalysen. Med bara några klick kan du enkelt hitta insikter utan att behöva segmentera och finfördela datan. Du kan skapa och se avvikelser i både Power BI Desktop och i Power BI-tjänsten. Stegen och illustrationerna i artikeln är från Power BI Desktop.
Anteckning
Den här videon kan använda tidigare versioner Power BI Desktop eller Power BI tjänsten.
Kom igång
I den här självstudien använder vi onlineförsäljningsdata för olika produkter. Om du vill följa med i självstudien hämtar du exempelfilen med ett scenario för onlineförsäljning.
Du kan aktivera avvikelseidentifiering genom att markera diagrammet och lägga till alternativet ”Hitta avvikelser” i analysfönstret.

Det här diagrammet visar till exempel intäkter över tid. Genom att lägga till avvikelseidentifiering används avvikelser i diagrammet automatiskt och visar det förväntade värdeintervallet. När ett värde hamnar utanför den förväntade gränsen markeras det som en avvikelse. Ta en titt på den här tekniska bloggen om du vill ha mer information om algoritmen för avvikelseidentifieringen.

Formatera avvikelser
Den här upplevelsen är mycket anpassningsbar. Du kan formatera avvikelsens form, storlek och färg, och även färg, format och transparens för förväntat intervall. Du kan också konfigurera parametern för algoritmen. Om du ökar känsligheten blir algoritmen mer känslig för ändringar i dina data. I dessa fall markeras även en liten avvikelse som en avvikelse. Om du minskar känsligheten är algoritmen mer selektiv när den bedömer en avvikelse.

Förklaringar
Förutom att identifiera avvikelser kan du också automatiskt förklara avvikelserna i datan. När du väljer avvikelsen kör Power BI en analys av fälten i din datamodell för att ta reda på möjliga förklaringar. Du får en förklaring på naturligt språk av avvikelsen och faktorer som är kopplade till avvikelsen, sorterade efter styrkan i förklaringen. Här ser jag att den 30 augusti var intäkterna 5 187 USD, vilket är över det förväntade intervallet mellan 2 447 och 3 423 USD. Jag kan öppna korten i fönstret för att se mer information om förklaringen.

Konfigurera förklaringar
Du kan också styra vilka fält som ska användas vid analys. Genom att t.ex. dra Säljare och Stad till fältet Förklara med, kan Power BI begränsa analysen till bara de fälten. I det här fallet verkar avvikelsen den 31 augusti vara kopplad till en viss säljare och vissa städer. Här har säljaren ”Fabrikam” en styrka på 99 %. Power BI beräknar styrkan som kvoten för avvikelsen från det förväntade värdet, när dimensionen filtreras efter avvikelse i totalt värde. Det är till exempel kvoten mellan faktiskt värde minus förväntat värde, mellan komponentens tidsserie för Fabrikam och den aggregerade tidsserien för totala intäkter för avvikelsepunkten. Om du öppnar kortet visas det visuella objektet med en topp i intäkterna för säljaren den 31 augusti. Använd alternativet Lägg till i rapporten för att lägga till det visuella objektet på sidan.

Överväganden och begränsningar
- Avvikelseidentifiering stöds endast för visuella linjediagram som innehåller tidsseriedata i axelfältet.
- Avvikelseidentifiering stöds inte med förklaringar, flera värden eller sekundära värden i linjediagrammets visuella objekt.
- Avvikelseidentifiering kräver minst fyra datapunkter.
- Raderna Prognos/Min/Max/Genomsnitt/Median/Percentil fungerar inte vid avvikelseidentifiering.
- Direct Query över SAP-datakälla, Power BI-rapportserver, liveanslutning till Azure Analysis Services och SQL Server Analysis Services stöds inte.
- Avvikelseförklaringar fungerar inte med alternativen ”Visa värde som”.
- Det går inte att detaljgranska nedåt för att gå till nästa nivå i hierarkin.
Nästa steg
Mer information om algoritmen som kör avvikelseidentifiering finns i Xings inlägg om SR-CNN-algoritmen i Azure Avvikelseidentifiering