การตรวจหาสิ่งผิดปกติ

นำไปใช้กับ: ไม่สามารถนำไปใช้กับบริการของ Power BI สำหรับผู้บริโภค นำไปใช้กับบริการของ Power BI สำหรับนักออกแบบและนักพัฒนา นำไปใช้กับPower BI Desktop ไม่สามารถนำไปใช้กับต้องมีสิทธิ์การใช้งาน Pro หรือ Premium

การตรวจหาสิ่งผิดปกติช่วยคุณปรับปรุงแผนภูมิเส้นโดยการตรวจหาสิ่งผิดปกติในข้อมูลอนุกรมเวลาของคุณโดยอัตโนมัติ นอกจากนี้ยังมีคำอธิบายสำหรับสิ่งผิดปกติเพื่อช่วยในการวิเคราะห์สาเหตุที่แท้จริงอีกด้วย ด้วยการคลิกเพียงไม่กี่ครั้ง คุณก็สามารถค้นหาข้อมูลเชิงลึกได้อย่างง่ายดายโดยไม่ต้องแบ่งส่วนและแยกส่วนข้อมูล คุณสามารถสร้างและดูสิ่งผิดปกติทั้งใน Power BI Desktop และบริการ Power BI ได้ ขั้นตอนและภาพในบทความนี้นำมาจาก Power BI Desktop

หมายเหตุ

วิดีโอนี้อาจใช้เวอร์ชันก่อนหน้าPower BI Desktopเวอร์ชันบริการของ Power BIเวอร์ชัน

เริ่มใช้งาน

บทช่วยสอนนี้ใช้ข้อมูลการขายออนไลน์สำหรับผลิตภัณฑ์ต่าง ๆ หากต้องการทำตามบทช่วยสอนนี้ ให้ดาวน์โหลดไฟล์ตัวอย่างของสถานการณ์การขายออนไลน์

คุณสามารถเปิดใช้งานการตรวจหาสิ่งผิดปกติได้โดยการเลือกแผนภูมิและการเพิ่มตัวเลือก "ค้นหาสิ่งผิดปกติ" ในบานหน้าต่างการวิเคราะห์

สกรีนช็อตที่แสดงจุดทางเข้าสำหรับการตรวจหาสิ่งผิดปกติ

ตัวอย่างเช่น แผนภูมินี้แสดงรายได้เมื่อเวลาผ่านไป การเพิ่มการตรวจหาสิ่งผิดปกติจะทำให้แผนภูมิที่มีสิ่งผิดปกติ และช่วงค่าที่คาดไว้สมบูรณ์ขึ้นโดยอัตโนมัติ เมื่อค่าอยู่นอกขอบเขตที่คาดไว้นี้จะมีการทำเครื่องหมายว่าผิดปกติ ดูบล็อกทางเทคนิคนี้เพื่อดูรายละเอียดเพิ่มเติมเกี่ยวกับอัลกอริทึมตัวตรวจหาสิ่งผิดปกติ (Anomaly Detector)

สกรีนช็อตที่แสดงวิธีการเพิ่มสิ่งผิดปกติ

จัดรูปแบบสิ่งผิดปกติ

ประสบการณ์การใช้งานนี้สามารถปรับแต่งได้มากมาย คุณสามารถจัดรูปแบบรูปร่าง ขนาด และสีของสิ่งผิดปกติ รวมทั้งสี ลักษณะ และความโปร่งใสของช่วงที่คาดไว้ได้ คุณยังสามารถกำหนดค่าพารามิเตอร์ของอัลกอริทึมได้อีกด้วย หากคุณเพิ่มความไว อัลกอริทึมจะไวต่อการเปลี่ยนแปลงข้อมูลของคุณมากขึ้น ในกรณีดังกล่าวค่าจะถูกทำเครื่องหมายว่าเป็นสิ่งผิดปกติแม้การเบี่ยงเบนเล็กน้อย ถ้าคุณลดความไว อัลกอริทึมจะคัดเลือกอย่างระมัดระวังมากขึ้นว่าค่าใดเป็นค่าผิดปกติ

สกรีนช็อตที่แสดงวิธีการจัดรูปแบบสิ่งผิดปกติ

คำอธิบาย

นอกจากการตรวจหาสิ่งผิดปกติแล้ว คุณยังสามารถอธิบายสิ่งผิดปกติของข้อมูลได้โดยอัตโนมัติ เมื่อคุณเลือกสิ่งผิดปกติ Power BI จะทำการวิเคราะห์ข้ามเขตข้อมูลในแบบจำลองข้อมูลของคุณเพื่อหาคำอธิบายที่เป็นไปได้ ซึ่งให้คำอธิบายเกี่ยวกับสิ่งผิดปกติด้วยภาษาที่เป็นธรรมชาติและปัจจัยที่เกี่ยวข้องกับสิ่งผิดปกตินั้นโดยเรียงลำดับตามความแข็งแรงของคำอธิบาย ตรงส่วนนี้ฉันเห็นว่าในวันที่ 30 สิงหาคม รายรับอยู่ที่ $5187 ซึ่งสูงกว่าช่วงที่คาดไว้ที่ $2447 ถึง $3423 ฉันสามารถเปิดการ์ดในบานหน้าต่างนี้เพื่อดูรายละเอียดเพิ่มเติมของคำอธิบายได้

สกรีนช็อตที่แสดงวิธีการดูคำอธิบาย

กำหนดค่าคำอธิบาย

คุณยังสามารถควบคุมเขตข้อมูลที่ใช้สำหรับการวิเคราะห์ได้อีกด้วย ตัวอย่างเช่น โดยการลาก Seller และ City ลงในช่องเขตข้อมูล อธิบายตาม Power BI จะจำกัดการวิเคราะห์เฉพาะเขตข้อมูลเหล่านั้น ในกรณีนี้ ดูเหมือนว่าสิ่งผิดปกติในวันที่ 31 สิงหาคมจะเกี่ยวข้องกับผู้ขายรายใดรายหนึ่งและเมืองใดเมืองหนึ่ง ตรงนี้ ผู้ขาย "Fabrikam" มีความแข็งแกร่งถึง 99% Power BI คำนวณ ความแข็งแกร่ง เป็นอัตราส่วนของค่าเบี่ยงเบนจากค่าที่คาดไว้ เมื่อมีการกรองตามมิติต่อค่าเบี่ยงเบนในมูลค่ารวม ตัวอย่างเช่น เป็นอัตราส่วนของมูลค่าจริงลบมูลค่าที่คาดไว้ ระหว่างอนุกรมเวลาของคอมโพเนนต์ Fabrikam กับอนุกรมเวลารวม รายได้โดยรวม สำหรับจุดที่ผิดปกติ การเปิดการ์ดนี้จะแสดงวิชวลที่มีรายได้ของผู้ขายรายนี้เพิ่มขึ้นอย่างรวดเร็วในวันที่ 31 สิงหาคม ใช้ตัวเลือก เพิ่มในรายงาน เพื่อเพิ่มวิชวลนี้ลงในหน้า สกรีนช็อตที่แสดงวิธีกำหนดค่าคำอธิบาย

ข้อควรพิจารณาและข้อจำกัด

  • รองรับการตรวจหาสิ่งผิดปกติสำหรับวิชวลแผนภูมิเส้นที่มีข้อมูลอนุกรมเวลาในเขตข้อมูลแกนเท่านั้น
  • ไม่รองรับการตรวจหาสิ่งผิดปกติที่มีคำอธิบายแผนภูมิ ค่าหลายค่าหรือค่ารองในวิชวลแผนภูมิเส้น
  • การตรวจจับความผิดปกติต้องการจุดข้อมูลอย่างน้อยสี่จุด
  • เส้นพยากรณ์/ต่ำสุด/สูงสุด/เฉลี่ย/มัธยฐาน/เปอร์เซ็นไทล์ใช้ไม่ได้กับการตรวจหาสิ่งผิดปกติ
  • ไม่รองรับ Direct Query ตรงผ่านแหล่งข้อมูล SAP, เซิร์ฟเวอร์รายงาน Power BI, การเชื่อมต่อแบบสดไปยัง Azure Analysis Services และ SQL Server Analysis Services
  • คำอธิบายสิ่งผิดปกติใช้ไม่ได้กับตัวเลือก "แสดงค่าเป็น"
  • ไม่รองรับการเจาะลึกเพื่อไปยังระดับถัดไปในลำดับชั้น

ขั้นตอนถัดไป

หากต้องการเรียนรู้เพิ่มเติมเกี่ยวกับอัลกอริทึมที่เรียกใช้การตรวจหาความผิดปกติ โปรดดูที่ โพสต์ของTony Xing บนอัลกอริทึม SR-CNNในการตรวจหาความผิดปกติของ Azure