Anomalieerkennungs-Lernprogramm für Power BI

GILT FÜR: Power BI-Dienst für VerbraucherPower BI-Dienst für Designer und Entwicklervon Power BI Desktop erfordert Pro- oder Premium-Lizenz

Anomalieerkennung in Power BI hilft Ihnen, Ihre Liniendiagramme zu verbessern, indem Anomalien in Ihren Zeitreihendaten automatisch erkannt werden. Dieses Feature enthält Erläuterungen für die Anomalien, die bei der Ursachenanalyse helfen. Mit nur wenigen Klicks können Sie problemlos Einblicke gewinnen, ohne die Daten aufzuteilen und zu untersuchen. Sie können Anomalien sowohl in Power BI Desktop als auch im Power BI-Dienst erstellen und anzeigen. Die Schritte und Abbildungen in diesem Artikel zeigen, wie Sie die Anomalieerkennung für ein Liniendiagramm in Power BI Desktop konfigurieren.

Erste Schritte

In diesem Tutorial werden Onlineverkaufsdaten für verschiedene Produkte verwendet. Laden Sie für dieses Tutorial die Beispieldatei eines Onlinevertriebsszenarios herunter.

Aktivieren Sie die Anomalieerkennung, indem Sie das Diagramm auswählen und auf der Registerkarte "Analyse" des Bereichs "Visualisierungen" Anomalien auswählen.

In diesem Diagramm wird beispielsweise der Umsatz im Laufe der Zeit angezeigt. Durch das Hinzufügen der Anomalieerkennung wird das Diagramm automatisch um Anomalien und den erwarteten Wertebereich erweitert. Wenn ein Wert außerhalb dieser erwarteten Grenze verläuft, kennzeichnet der Prozess ihn als Anomalie. Weitere Details zum Anomaliedetektoralgorithmus finden Sie in diesem technischen Blog.

Formatieren von Anomalien

Diese Funktion kann umfassend angepasst werden. Sie können die Form, Größe und Farbe der Anomalie sowie die Farbe, den Stil und die Transparenz des erwarteten Bereichs formatieren. Sie können auch den Parameter des Algorithmus konfigurieren. Wenn Sie die Empfindlichkeit erhöhen, ist der Algorithmus hinsichtlich Veränderungen im Zusammenhang mit den Daten empfindlicher. In diesem Fall wird auch eine geringfügige Abweichung als Anomalie gekennzeichnet. Wenn Sie die Empfindlichkeit verringern, ist der Algorithmus in Bezug auf eine Anomalieerkennung selektiver.

Erklärungen

Neben der Erkennung von Anomalien kann Power BI auch die Anomalien in den Daten automatisch erklären. Wenn Sie die Anomalie auswählen, führt Power BI eine felderübergreifende Analyse in Ihrem Datenmodell aus, um mögliche Erklärungen vorzulegen. Sie erhalten eine Erläuterung der Anomalie in natürlicher Sprache, und mit dieser Anomalie verbundene Faktoren werden je nach Erklärungsplausibilität sortiert. In der folgenden Abbildung können Sie sehen, dass der Umsatz am 30. August \$5.187 betrug, was über dem erwarteten Bereich von \$2.447 bis \$3.423 liegt. Sie können die Karten in diesem Bereich öffnen, um weitere Details zur Erläuterung anzuzeigen.

Konfigurieren von Erklärungen

Sie können auch die Felder steuern, die Power BI für die Analyse verwendet. Wenn Sie beispielsweise „Seller“ und „City“ in das Feld Erläuterung nach ziehen, schränkt Power BI die Analyse auf nur diese Felder ein. In diesem Fall scheint die Anomalie vom 31. August mit einem bestimmten Verkäufer und bestimmten Städten zusammenzuhängen. Hier hat der Verkäufer „Fabrikam“ eine Stärke von 99 Prozent. Power BI berechnet die Stärke als Verhältnis der Abweichung vom erwarteten Wert, wenn nach dem Ausmaß der Abweichung vom Gesamtwert gefiltert wird. Dies ist beispielsweise das Verhältnis des tatsächlichen und des erwarteten Werts hinsichtlich der Komponentenzeitreihe Fabrikam und der aggregierten Zeitreihe overall Revenue für den Anomaliepunkt. Wenn Sie diese Karte öffnen, wird das Visual mit einer Umsatzspitze durch diesen Verkäufer am 31. August angezeigt. Verwenden Sie die Option Add to report (Zum Bericht hinzufügen), um der Seite dieses Visual hinzuzufügen.

Überlegungen und Einschränkungen

• Die Anomalieerkennung wird nur im Zusammenhang mit Liniendiagrammvisuals unterstützt, die Zeitreihendaten im Feld für die Achsen enthalten.
• Die Anomalieerkennung wird nicht im Zusammenhang mit Legenden, mehreren Werten oder sekundären Werten in der Visualisierung eines Liniendiagramms unterstützt.
• Die Anomalieerkennung erfordert mindestens vier Datenpunkte.
• Prognose-, Min-, Max-, Mittelwert-, Median- und Quantillinien funktionieren nicht mit Anomalieerkennung.
• Direktabfrage über eine SAP-Datenquelle, den Power BI-Berichtsserver und Live-Verbindung zu Azure Analysis Services oder zu SQL Server Analysis Services werden nicht unterstützt.
• Anomalieerklärungen funktionieren nicht mit Optionen für „Werte anzeigen als“.
• Ein Drilldown zur nächsten Ebene in der Hierarchie wird nicht unterstützt.

Zugehöriger Inhalt

• Was ist Anomaly Detector?

Weitere Informationen zum Anomaliedetektoralgorithmus finden Sie im Blogbeitrag "Azure Anomaly Detector" unter "Übersicht über SR-CNN Algorithmus ".