Freigeben über


Power BI Insights abrufen

GILT FÜR: Power BI-Dienst für im geschäftlichen Bereich tätige Personen Power BI-Dienst für Designer und Entwickler Power BI Desktop Erfordert Pro- oder Premium-Lizenz

Power BI Insights helfen Ihnen, wichtige Muster in Ihren Daten automatisch zu erkennen. Anstatt jedes Diagramm und jede Zahl manuell zu untersuchen, können Sie Power BI bitten, Ihre Daten zu analysieren und interessante Ergebnisse hervorzuheben. Stellen Sie sich Einblicke als Daten-Assistent vor, indem Sie Trends, ungewöhnliche Werte und Muster anzeigen, die Sie möglicherweise verpasst haben.

Sie erhalten Einblicke aus:

  • Dashboardkacheln
  • Visuelle Berichtselemente
  • Berichtseiten

Schrittweise Anleitungen finden Sie unter Anzeigen von Dateneinblicken auf Dashboardkacheln mit Power BI.

Screenshot einer Reihe von Erkenntnissen mit hervorgehobenem Bereich

Was offenbaren Einblicke

Power BI untersucht Ihre Daten und wendet erweiterte Algorithmen an, um aussagekräftige Muster zu finden. Wenn Sie Einblicke anfordern, erstellt Power BI neue visuelle Elemente, die Entdeckungen wie ungewöhnliche Spitzen, ausgeblendete Korrelationen und saisonale Muster hervorheben.

Die angezeigten Erkenntnisse hängen von Ihren Daten ab. Bei Dashboardkacheln werden möglicherweise bis zu 10 verschiedene Arten von Erkenntnissen angezeigt. Bei Berichten analysiert Power BI automatisch Trends, ungewöhnliche Änderungen und Wichtige Leistungsindikatoren.

Allgemeine Begriffe

Während Sie Einblicke erkunden, können Sie auf diese Begriffe stoßen:

  • Measure: Zahlen, die Sie analysieren, z. B. Umsatzsummen, durchschnittliche Bewertungen oder Anzahlen. Measures beantworten Fragen wie "Wie viele?" und "wie viel?"
  • Dimension: Kategorien, die Ihre Kennzahlen organisieren, z. B. Produktnamen, Regionen oder Zeiträume. Dimensionen beantworten "welchen Typ?" und "wo?"
  • Korrelation: Wenn sich zwei Dinge auf ähnliche oder entgegengesetzte Weise ändern. Wenn z. B. der Umsatz der Eiscreme steigt, wenn die Temperaturen steigen, sind sie positiv korreliert.
  • Zeitreihe: Datenpunkte, die im Laufe der Zeit angezeigt werden, z. B. Tagesumsatz, monatliche Websitebesuche oder jährliche Umsätze.

Typen von Erkenntnissen, die Power BI findet

Hier sind die Einblicke, die Power BI in Ihren Daten entdecken kann. Jeder hilft Ihnen, Ihre Daten aus einem anderen Blickwinkel zu verstehen.

Spitzen- und Schlussperformer

Was es findet: Kategorien, die sich vom Rest mit viel höheren oder niedrigeren Werten abheben.

Warum es wichtig ist: Sie können Ihre besten und schlechtesten Performer schnell identifizieren, ohne jede Kategorie manuell zu vergleichen.

Beispiel: Wenn Sie die Umsätze nach Produkt betrachten, kann dieser Einblick zeigen, dass Produkt A 10 mal mehr verkauft als jedes andere Produkt.

Screenshot eines Fensters des Kategorieausreißer-Insight-Berichts.

Erhebliche Änderungen im Laufe der Zeit

Was er findet: Zeitpunkte, an denen Ihre Daten Richtungsverlagerungen oder dramatische Veränderungen erfuhren.

Warum es wichtig ist: Hilft Ihnen zu erkennen, wann etwas Wichtiges passiert ist, das Ihre Metriken beeinflusst hat.

Beispiel: Kundenbeschwerden fielen im März stark ab, was mit einer neuen Produktfreigabe zusammenhing.

Screenshot der Änderungspunkte in der Zeitreihe Insight visual.

Korrelierte Muster

Was sie findet: Mehrere Metriken, die in ähnliche oder entgegengesetzte Richtungen zusammenkommen.

Warum es wichtig ist: Zeigt Beziehungen zwischen verschiedenen Aspekten Ihres Unternehmens an.

Beispiel: Die Marketingausgaben und der Websiteverkehr steigen beide in den gleichen Monaten.

Screenshot einer Korrelation von Insight Visual.

Konsistente Werte

Was es findet: Wenn Werte in verschiedenen Kategorien bemerkenswert ähnlich sind.

Warum es wichtig ist: Zeigt, wann die Leistung gleichmäßig verteilt ist, was auf Stabilität oder Mangelnde Differenzierung hinweisen kann.

Beispiel: Alle fünf Regionen haben nahezu identische Kundenzufriedenheitsbewertungen.

Screenshot einer Insight-Visualisierung mit geringer Varianz.

Dominante Mitwirkende

Was sie finden: Eine Kategorie, die den größten Teil des Gesamtwerts bildet.

Warum es wichtig ist: Es hebt Konzentrationsrisiko oder Ihren größten Fahrer hervor.

Beispiel: 80% Ihres Umsatzes stammt aus einem Kundensegment.

Screenshot der Mehrheits-Darstellung 'Insight'.

Ungewöhnliche Werte

Was sie findet: Einzelne Datenpunkte, die nicht in das erwartete Muster passen.

Warum es wichtig ist: Es kennzeichnet Anomalien, die möglicherweise eine Untersuchung benötigen oder besondere Umstände darstellen.

Beispiel: Die Lagerbestände eines Stores sind dreimal höher als alle anderen Filialen.

Screenshot der Outlier-Insight-Visualisierung.

Was es findet: Stetige Zunahmen oder Abnahmen über die Zeit.

Warum es wichtig ist: Es zeigt die Gesamtrichtung, in die sich Ihre Metriken bewegen.

Beispiel: Monatliche aktive Benutzer sind seit sechs Monaten stetig gestiegen.

Screenshot einer Visualisierung des Gesamttrends Insight.

Saisonale Muster

Was sie findet: Wiederkehrende Muster, die in regelmäßigen Intervallen wie wöchentlich, monatlich oder jährlich wiederholt werden.

Warum es wichtig ist: Hilft Ihnen, zyklische Veränderungen zu antizipieren und entsprechend zu planen.

Beispiel: Verkaufsspitzen jeden Dezember und Rückgänge jeden Februar.

Screenshot einer Saisonalität im Time Insight-Visual.

Stabile Proportionen

Was sie findet: Wenn eine Kategorie den gleichen Prozentsatz der Summe im Laufe der Zeit beibehält, auch wenn sich die Gesamtanzahl ändert.

Warum es wichtig ist: Zeigt einen konsistenten Marktanteil oder eine stabile Verteilung.

Beispiel: Die Region Ost stellt konsistent 25% des Gesamtumsatzes dar, unabhängig davon, ob der monatliche Umsatz 100.000 $ oder 200.000 $ beträgt.

Screenshot einer Insight-Visualisierung eines stabilen Anteils.

Ungewöhnliche Datums- oder Uhrzeitangaben

Was sie findet: Bestimmte Datums- oder Uhrzeitangaben mit Werten, die sich erheblich von anderen Perioden unterscheiden.

Warum es wichtig ist: Identifiziert außergewöhnliche Tage, die Chancen oder Probleme darstellen können.

Beispiel: Der Websiteabsturz am Black Friday verursachte eine Verkehrsspitze um 500% höher als normal.

Screenshot eines Zeitreihen-Insight-Visuals.

Haben Sie weitere Fragen? Fragen Sie die Power BI-Community.