Power BI 支援的深入解析類型
適用於:適用於商務使用者的 Power BI 服務,Power BI 服務 設計工具與開發人員 Power BI Desktop 需要專業版或 進階版 授權
要求 Power BI 查看您的數據,並尋找有趣的趨勢和模式。 這些趨勢和模式會以稱為 Insights 的視覺效果呈現。 深入解析適用於儀錶板、報表中的視覺效果,以及整個報表頁面的視覺效果。
若要瞭解如何使用儀錶板深入解析,請參閱 使用PowerBI在儀錶板磚上檢視數據深入解析。
深入解析如何運作?
Power BI 會搜尋語意模型的不同子集,並套用一組複雜的演算法來探索潛在的有趣見解。 您可以在儀錶板磚、報表視覺效果和報表頁面上執行 Insights。
一些術語
Power BI 會使用統計演算法來發掘深入解析。 此演算法會在本文的下一節中列出並說明。 在我們進入演算法之前,以下是一些可能不熟悉的詞彙的定義。
量值 - 量 值是可用來執行計算的量化(數值)欄位。 常見的計算是總和、平均值和最小值。 例如,如果公司製造和銷售滑板,我們的量值可能是每年售出的滑板數量和平均利潤。
維度 - 維度 是類別 (text) 數據。 維度描述人員、物件、專案、產品、地點和時間。 在語意模型中,維度是將量值分組為實用類別的方法。 對於我們的滑板公司,某些維度可能包括依模型、色彩、國家/地區或營銷活動來查看銷售量(量值)。
相互關聯 - 相互 關聯會告訴我們事物的行為如何關聯。 如果其增加和減少模式相似,則它們會相互關聯。 如果其模式相反,它們會相互關聯。 例如,每次我們執行電視營銷活動時,紅色滑板的銷售都會增加。 紅色滑板和電視行銷活動的銷售與積極相互關聯。
時間序列 - 時間序列 是將時間顯示為連續數據點的一種方式。 這些數據點可能會遞增,例如秒、小時、月或年。
連續變數 - 連續變數 可以是其最小值和上限之間的任何值,否則它是離散變數。 範例包括溫度、重量、年齡和時間。 連續變數可以包含值的分數或部分。 銷售的藍滑板總數是一個離散變數,因為我們不能賣半個滑板。
您可以找到哪些類型的深入解析?
針對報表,Power BI 會主動執行異常、趨勢和 KPI 的分析。 針對儀錶板磚,Power BI 可以找到 10 種深入解析類型。
類別極端值 (上/下)
醒目提示一或兩個類別具有比其他類別更大的值的情況。
變更時間序列中的點
醒目提示時間序列數據的趨勢有重大變更。
相互關聯
偵測在針對語意模型中類別或值繪製時,多個量值顯示類似模式或趨勢的情況。
低變異數
偵測維度的數據點離平均值不遠的案例,因此 變異 數很低。 假設您有量值「銷售」和維度「區域」。而查看整個區域,您會看到數據點與平均值(數據點的平均值)之間幾乎沒有差異。 當所有區域的銷售差異低於臨界值時,深入解析就會觸發。 換句話說,當所有區域的銷售都類似時。
多數(主要因素)
尋找當依另一個維度細分時,大部分的總值都可以歸因於單一因素的情況。
極端值
此深入解析類型會使用叢集模型來找出與數列數據中時間無關的極端值。 極端值會偵測是否有值明顯不同於其他類別的特定類別。
時間序列的整體趨勢
偵測時間序列數據的向上或向下趨勢。
時間序列中的季節性
尋找時間序列數據的定期模式,例如每周、每月或每年的季節性。
穩定共用
反白顯示子系值與連續變數中父系值整體值之間有父子相互關聯的情況。 穩定共用深入解析適用於量值、維度,以及另一個日期/時間維度的內容。 此深入解析會在特定維度值,例如「東部區域」時觸發該日期/時間維度的整體銷售額的穩定百分比。
穩定的共用深入解析類似於低變異數深入解析,因為它們都與一段時間的值缺乏差異有關。 不過,穩定共用深入解析會測量一段時間內整體百分比的變數缺乏,而低變異數深入解析則測量維度中絕對量值缺乏變異數。
時間序列極端值
針對時間序列中的數據,偵測是否有與其他日期/時間值明顯不同的特定日期或時間。
相關內容
更多問題嗎? 詢問 Power BI 社群。