Przykład sztucznej inteligencji dla usługi Power BI: zapoznaj się z przewodnikiem

Przykład sztucznej inteligencji zawiera raport fikcyjnej firmy o nazwie Contoso. Kierownik ds. sprzedaży firmy Contoso utworzył ten raport, aby zrozumieć kluczowych kontrybutorów dotyczących ich produktów i regionów w zakresie wygranych/strat przychodów, zidentyfikować najwyższy lub najniższy podział przychodów i określić, czy istnieją anomalie w ich danych. Ten przykład jest częścią serii, która pokazuje, jak można używać usługi Power BI z danymi biznesowymi, raportami i pulpitami nawigacyjnymi.

W tym samouczku przedstawiono przykład sztucznej inteligencji w usłudze Power BI. Ponieważ doświadczenie tworzenia raportu może być podobne w programie Power BI Desktop i w usłudze, możesz również pobrać przykładowy plik .pbix w programie Power BI Desktop.

Wymagania wstępne

Do eksplorowania przykładów w programie Power BI Desktop nie jest potrzebna licencja usługi Power BI. Potrzebujesz bezpłatnej licencji usługi Fabric , aby zapoznać się z przykładem w usłudze Power BI i zapisać ją w obszarze Mój obszar roboczy.

Pobieranie przykładu

Zanim będzie można użyć przykładu, pobierz przykład na jeden z następujących sposobów:

• Pobierz wbudowany przykład w usłudze.
• Pobierz wbudowany przykład, a następnie pobierz go jako plik pbix.

Uzyskaj wbudowany przykład

1. Otwórz usługę Power BI (app.powerbi.com) i upewnij się, że jesteś w środowisku usługi Power BI.

   

2. Wybierz pozycję Learn w okienku nawigacji.

   

3. Na stronie Centrum nauki w obszarze Przykładowe raporty przewiń w poziomie do momentu wyświetlenia Przykładowego raportu sztucznej inteligencji. Wybierz przykład.

   

   Usługa Power BI zapisuje raport i zestaw danych w obszarze Mój obszar roboczy.

   

   Wybierz raport, aby wyświetlić przykładowy raport.

Pobierz plik pbix dla tego przykładu

Alternatywnie po zapisaniu go w obszarze Mój obszar roboczy możesz pobrać raport z usługi i zapisać go jako plik pbix . Następnie możesz otworzyć go w programie Power BI Desktop.

1. Otwórz raport w usłudze Power BI.

2. W menu Plik wybierz pozycję Pobierz ten plik.

   

3. W oknie dialogowym Co chcesz pobrać? wybierz pozycję Kopia raportu i danych (pbix) i wybierz pozycję Pobierz.

   Jest on zapisywany w folderze Pobrane i można go otworzyć za pomocą programu Power BI Desktop.

Aby uzyskać więcej informacji, zobacz Pobieranie raportu z usługi do programu Power BI Desktop.

Eksplorowanie przykładowego raportu dotyczącego sztucznej inteligencji

Przykładowy raport zawiera trzy strony, kluczowe elementy mające wpływ, drzewo dekompozycji i wykrywanie anomalii, aby pokazać, jak ludzie mogą odnajdywać nowe szczegółowe informacje i informować ich o podejmowaniu decyzji za pomocą łatwych w użyciu wizualizacji sztucznej inteligencji.

Strona Kluczowe elementy mające wpływ

Pierwsza strona raportu do zbadania to Kluczowi wpływający, gdzie analizujesz dane, aby zrozumieć wpływ kluczowych uczestników na wyniki.

Jakie są główne czynniki wpływające na zwycięstwa i porażki?

1. Zacznij od przejrzenia najważniejszych współautorów, które spowodowały, że stanwonu został wyświetlony przy użyciu wizualizacji Kluczowe elementy mające wpływ w centrum raportu. Z przedstawionej wizualizacji wynika, że głównym czynnikiem jest wzrost rabatu o 2%, co oznacza 2,76x większe prawdopodobieństwo zdobycia nowych przychodów.

2. Wybierz wskaźnik 2,76x . Usługa Power BI wyświetla obok wykres punktowy, pokazujący korelację między rabatem a % statusu wygranej dla tego influencera.

   

3. Podczas interakcji z fragmentatorami, filtrami i innymi wizualizacjami wizualizacja Kluczowe elementy mające wpływ ponownie uruchamia swoją analizę na podstawie zaktualizowanego wyboru. Na wykresie słupkowym Zamknij % według kategorii Produkt wybierz kategorię Meble , aby wygenerować nowe szczegółowe informacje na podstawie zaktualizowanego zaznaczenia. Zobaczysz, że gdy kategoria produktu to Meble, a właścicielem sprzedaży jest Molly Clark, jest 1,50x bardziej prawdopodobne, aby zdobyć nowe przychody.

   

4. Aby przejrzeć najważniejszych współautorów dla zmiany stanu, z listy rozwijanej wybierz opcję Utracony, aby wygenerować nowe wnioski na podstawie zaktualizowanego wyboru. Teraz możesz odpowiedzieć na pytanie "Jaki jest największy czynnik w przypadku straty?"

   

Aby dowiedzieć się więcej, zobacz Kluczowe wizualizacje elementów mających wpływ.

Strona Drzewa dekompozycyjnego

Druga strona raportu do zbadania to Drzewo dekompozycji, w którym przeprowadzasz analizę przyczyn źródłowych i ad hoc, aby zrozumieć wpływ szans sprzedażowych w różnych polach w twoich danych.

Kto jest głównym właścicielem sprzedaży i największą ścieżką możliwości sprzedaży komputerów

1. W wizualizacji drzewa dekompozycji w środku raportu wybierz opcję Komputery w podziale Kategoria , aby ponownie uruchomić analizę.

   

2. Dzięki zaktualizowanej analizie można użyć podziałów sztucznej inteligencji, aby określić ścieżkę do kolejnych najwyższych szans sprzedażowych w danych. + Wybierz symbol obok pozycji Tablety i opcję Wysoka wartość.

   

3. Drzewo określa, że pole Territory jako następująca ścieżka dla szans sprzedażowych, z US-SOUTH jest największe. + Wybierz symbol obok pozycji USA-POŁUDNIE, a następnie wybierz opcję Wysoka wartość. Po zaktualizowaniu zaznaczenia możesz teraz odpowiedzieć na pytanie "Kto jest wiodącym właścicielem sprzedaży?"

   

Aby dowiedzieć się więcej, zobacz Wizualizacje drzewa dekompozycji.

Strona wykrywania anomalii

Końcowa strona raportu do zbadania to Wykrywanie anomalii, gdzie łączysz kilka możliwości sztucznej inteligencji w celu wykrywania anomalii w wynikach, generowania podsumowań tekstu dynamicznego i używania własnego języka naturalnego do zadawania pytań i uzyskiwania odpowiedzi z danych.

Dlaczego gwałtowny spadek przychodów z oprogramowania

1. Wykres słupkowy grupowany w prawym górnym rogu strony jest podzielony na wiele wersji samego siebie (małe wielokrotności) w celu porównania danych w polach Menedżer i Kategoria produktu . W sekcji Oprogramowanie wybierz pasek Low, Spencer, aby dynamicznie filtrować resztę strony do spesyficznych wyników Spencera.

   

2. Po prawej stronie usługa Power BI wygenerowała dynamiczne podsumowanie na podstawie zaktualizowanego wyboru. W podsumowaniu tekstu opisano najwyższe i najniższe miesiące kalendarzowe dla przychodów uzyskanych.

   

3. Na wykresie liniowym w środku strony kliknij prawym przyciskiem myszy punkt danych z grudnia 2020 r. W obszarze opcji menu wybierz pozycję Analizuj>wyjaśnij spadek , aby odpowiedzieć na pytanie "Dlaczego gwałtowny spadek przychodów w grudniu 2020 r.?" przy użyciu szybkich szczegółowych informacji.

   

Aby dowiedzieć się więcej, zobacz Inteligentne narracje i Stosowanie szczegółowych informacji w celu wyjaśnienia wahań w wizualizacjach.

Dlaczego nieoczekiwany wzrost przychodów w ciągu ostatnich 90 dni

1. W prawym górnym rogu strony wybierz opcję Ostatnie 90 dni, aby zobaczyć Przychód uzyskany przedstawiony jako poszczególne dni.

   

2. Przycisk zachował wybory Low, Spencer i Software z wcześniejszych kroków. Raport Podsumowanie przychodów został także przepisany na podstawie filtru z ostatnich 90 dni, który można przeanalizować w poszukiwaniu nowych wniosków. Na wykresie liniowym znajdują się również wskaźniki anomalii wizualnych. Wybierz wskaźnik 25 kwietnia, aby uzyskać możliwe wyjaśnienie, dlaczego wykryto anomalię.

   

3. Okienko Anomalie jest teraz wyświetlane po prawej stronie raportu. Zawiera możliwe wyjaśnienia, współczynnik siły, co oznacza, że wyższe wyniki mogą mieć większy wpływ, i być może więcej wyjaśnień, jeśli przewiniesz w dół. Z najwyższego możliwego wyniku wyjaśnienia możesz odpowiedzieć na pytanie "Dlaczego wzrost przychodów?". Po zakończeniu zwiń okienko Anomalie, używając podwójnych strzałek >> w górnej części okienka.

   

Aby dowiedzieć się więcej, zobacz Wykrywanie anomalii.

Który menedżer osiągnął najwyższy wskaźnik zamknięć i w jakim miesiącu

1. W prawym dolnym rogu strony wpisz pytanie close % w polu Zadaj pytanie dotyczące danych, aby zwrócić pojedynczą wartość.

   

2. Aby podzielić wyniki zamknięcia % według miesięcy, zmodyfikuj bieżące pytanie na "zamknięcie % według miesiąca", aby wyniki były widoczne na wykresie kolumnowym pogrupowanym.

   

3. Chociaż kolumny mogą być doskonałe do porównywania jednego elementu z innym, nie są one tak przydatne podczas wyświetlania ruchu w czasie. Zaktualizuj oryginalny tekst, aby zamknąć % według miesiąca na wykresie liniowym.

   Zrzut ekranu przedstawiający Q&A na wykresie liniowym.

4. Aby odpowiedzieć na pytanie Który menedżer miał najwyższy procent zamknięcia?, zaktualizuj pytanie na procent zamknięcia w ujęciu miesięcznym na wykresie liniowym, według menedżera i porównać końcowe wyniki.

   

Treści powiązane

To środowisko jest bezpieczne do zabawy, ponieważ możesz wybrać, aby nie zapisywać zmian. Jeśli jednak je zapiszesz, zawsze możesz wrócić do centrum szkoleniowego , aby uzyskać nową kopię tego przykładu.

Mamy nadzieję, że ten przewodnik pokazuje, jak możliwości sztucznej inteligencji w usłudze Power BI mogą zapewnić wgląd w dane. Teraz to twoja kolej. Połącz się z własnymi danymi. Usługa Power BI umożliwia nawiązywanie połączenia z wieloma różnymi źródłami danych. Aby dowiedzieć się więcej, zobacz Wprowadzenie do usługi Power BI.