หมายเหตุ
การเข้าถึงหน้านี้ต้องได้รับการอนุญาต คุณสามารถลอง ลงชื่อเข้าใช้หรือเปลี่ยนไดเรกทอรีได้
การเข้าถึงหน้านี้ต้องได้รับการอนุญาต คุณสามารถลองเปลี่ยนไดเรกทอรีได้
นําไปใช้กับ:
บริการของ Power BI สําหรับผู้ใช้ทางธุรกิจบริการของ Power BI สําหรับนักออกแบบและนักพัฒนา
Power BI Desktop ต้องมีสิทธิ์การใช้งาน Pro หรือ Premium
ข้อมูลเชิงลึกของ Power BI ช่วยให้คุณค้นพบรูปแบบที่สําคัญในข้อมูลของคุณโดยอัตโนมัติ แทนที่จะสํารวจแผนภูมิและตัวเลขทั้งหมดด้วยตนเอง คุณสามารถขอให้ Power BI วิเคราะห์ข้อมูลของคุณและเน้นการค้นพบที่น่าสนใจได้ ลองนึกถึงข้อมูลเชิงลึกในฐานะผู้ช่วยข้อมูลของคุณ โดยชี้ให้เห็นแนวโน้ม ค่านิยมที่ผิดปกติ และรูปแบบที่คุณอาจพลาดไป
คุณสามารถรับข้อมูลเชิงลึกได้จาก:
- ไทล์แดชบอร์ด
- การแสดงผลด้วยภาพของรายงาน
- หน้ารายงาน
สําหรับคําแนะนําทีละขั้นตอน โปรดดู ดูข้อมูลเชิงลึกบนไทล์แดชบอร์ดด้วย Power BI
ข้อมูลเชิงลึกเผยให้เห็นอะไรบ้าง
Power BI ตรวจสอบข้อมูลของคุณและใช้อัลกอริทึมขั้นสูงเพื่อค้นหารูปแบบที่มีความหมาย เมื่อคุณร้องขอข้อมูลเชิงลึก Power BI จะสร้างวิชวลใหม่ที่เน้นการค้นพบ เช่น การเพิ่มขึ้นอย่างรวดเร็วที่ผิดปกติ ความสัมพันธ์ที่ซ่อนอยู่ และรูปแบบตามฤดูกาล
ข้อมูลเชิงลึกที่คุณเห็นจะขึ้นอยู่กับข้อมูลของคุณ สําหรับไทล์แดชบอร์ด คุณอาจเห็นข้อมูลเชิงลึกได้ถึง 10 ชนิดที่แตกต่างกัน สําหรับรายงาน Power BI จะวิเคราะห์แนวโน้ม การเปลี่ยนแปลงที่ผิดปกติ และตัวบ่งชี้ประสิทธิภาพหลักโดยอัตโนมัติ
คําศัพท์ทั่วไป
ขณะที่คุณสํารวจข้อมูลเชิงลึก คุณอาจพบคําศัพท์เหล่านี้:
- การวัดผล: ตัวเลขที่คุณวิเคราะห์ เช่น ยอดขายรวม คะแนนเฉลี่ย หรือจํานวน มาตรการตอบคําถามเช่น "กี่ตัว" และ "เท่าไหร่"
- มิติข้อมูล: หมวดหมู่ที่จัดระเบียบการวัดผล เช่น ชื่อผลิตภัณฑ์ ภูมิภาค หรือช่วงเวลา มิติตอบว่า "ประเภทใด" และ "ที่ไหน"
- ความสัมพันธ์: เมื่อสองสิ่งเปลี่ยนแปลงร่วมกันในลักษณะที่คล้ายคลึงกันหรือตรงกันข้าม ตัวอย่างเช่น หากยอดขายไอศกรีมเพิ่มขึ้นเมื่ออุณหภูมิสูงขึ้น
- อนุกรมเวลา: จุดข้อมูลที่แสดงเมื่อเวลาผ่านไป เช่น ยอดขายรายวัน การเข้าชมเว็บไซต์รายเดือน หรือรายได้รายปี
ชนิดของข้อมูลเชิงลึกที่ Power BI ค้นหา
ต่อไปนี้คือข้อมูลเชิงลึกที่ Power BI สามารถค้นพบในข้อมูลของคุณ แต่ละรายการช่วยให้คุณเข้าใจข้อมูลของคุณจากมุมที่แตกต่างกัน
ผู้ที่มีผลงานยอดเยี่ยมและต่ําสุด
สิ่งที่พบ: หมวดหมู่ที่โดดเด่นกว่าหมวดหมู่อื่นๆ ด้วยค่าที่สูงกว่าหรือต่ํากว่ามาก
เหตุใดจึงสําคัญ: คุณสามารถระบุผู้ที่มีประสิทธิภาพดีที่สุดและแย่ที่สุดได้อย่างรวดเร็วโดยไม่ต้องเปรียบเทียบทุกหมวดหมู่ด้วยตนเอง
ตัวอย่าง: หากคุณกําลังดูยอดขายตามผลิตภัณฑ์ ข้อมูลเชิงลึกนี้อาจแสดงให้เห็นว่าผลิตภัณฑ์ A ขายได้มากกว่าผลิตภัณฑ์อื่นๆ ถึง 10 เท่า
การเปลี่ยนแปลงที่สําคัญเมื่อเวลาผ่านไป
สิ่งที่พบ: ช่วงเวลาที่ข้อมูลเปลี่ยนทิศทางหรือเปลี่ยนแปลงไปอย่างมาก
เหตุใดจึงสําคัญ: ช่วยให้คุณระบุได้ว่ามีสิ่งสําคัญเกิดขึ้นเมื่อใดที่ส่งผลต่อเกณฑ์ชี้วัด
ตัวอย่าง: การร้องเรียนของลูกค้าลดลงอย่างรวดเร็วในเดือนมีนาคม ซึ่งตรงกับการเปิดตัวผลิตภัณฑ์ใหม่
รูปแบบที่สัมพันธ์กัน
สิ่งที่พบ: เมตริกหลายรายการที่เคลื่อนที่ไปพร้อมกันในทิศทางที่คล้ายกันหรือตรงกันข้าม
เหตุใดจึงสําคัญ: เผยให้เห็นความสัมพันธ์ระหว่างแง่มุมต่างๆ ของธุรกิจของคุณ
ตัวอย่าง: ค่าใช้จ่ายทางการตลาดและการเข้าชมเว็บไซต์เพิ่มขึ้นในเดือนเดียวกัน
ค่าที่สอดคล้องกัน
สิ่งที่พบ: เมื่อค่ามีความคล้ายคลึงกันอย่างน่าทึ่งในหมวดหมู่ต่างๆ
เหตุใดจึงสําคัญ: แสดงเมื่อประสิทธิภาพมีการกระจายอย่างสม่ําเสมอ ซึ่งอาจบ่งบอกถึงความเสถียรหรือขาดความแตกต่าง
ตัวอย่าง: ทั้งห้าภูมิภาคมีคะแนนความพึงพอใจของลูกค้าเกือบเท่ากัน
ผู้สนับสนุนที่โดดเด่น
สิ่งที่พบ: หมวดหมู่หนึ่งที่คิดเป็นมูลค่ารวมส่วนใหญ่
เหตุใดจึงสําคัญ: เน้นความเสี่ยงในการสมาธิหรือตัวขับเคลื่อนที่ใหญ่ที่สุดของคุณ
ตัวอย่าง: 80% ของรายได้มาจากกลุ่มลูกค้า 1 กลุ่ม
ค่าที่ผิดปกติ
สิ่งที่พบ: จุดข้อมูลแต่ละจุดที่ไม่ตรงกับรูปแบบที่คาดไว้
เหตุใดจึงสําคัญ: ตั้งค่าสถานะความผิดปกติที่อาจต้องตรวจสอบหรือแสดงถึงสถานการณ์พิเศษ
ตัวอย่าง: ระดับสินค้าคงคลังของร้านค้าหนึ่งสูงกว่าร้านค้าอื่นๆ ทั้งหมดถึงสามเท่า
แนวโน้มขาขึ้นหรือขาลง
สิ่งที่พบ: เพิ่มขึ้นหรือลดลงอย่างต่อเนื่องเมื่อเวลาผ่านไป
เหตุใดจึงสําคัญ: แสดงทิศทางโดยรวมที่เมตริกของคุณกําลังเคลื่อนที่
ตัวอย่าง: ผู้ใช้งานรายเดือนเพิ่มขึ้นอย่างต่อเนื่องเป็นเวลาหกเดือน
รูปแบบตามฤดูกาล
สิ่งที่พบ: รูปแบบที่เกิดซ้ําซึ่งทําซ้ําในช่วงเวลาปกติ เช่น รายสัปดาห์ รายเดือน หรือรายปี
เหตุใดจึงสําคัญ: ช่วยให้คุณคาดการณ์การเปลี่ยนแปลงตามวัฏจักรและวางแผนตามนั้น
ตัวอย่าง: ยอดขายพุ่งสูงขึ้นทุกเดือนธันวาคมและลดลงทุกเดือนกุมภาพันธ์
สัดส่วนที่มั่นคง
สิ่งที่พบ: เมื่อหมวดหมู่รักษาเปอร์เซ็นต์ของผลรวมเท่าเดิมเมื่อเวลาผ่านไป แม้ว่าผลรวมจะเปลี่ยนแปลงก็ตาม
เหตุใดจึงสําคัญ: แสดงส่วนแบ่งการตลาดที่สม่ําเสมอหรือการกระจายที่มั่นคง
ตัวอย่าง: ภูมิภาคตะวันออกแสดงถึง 25% ของยอดขายทั้งหมดอย่างสม่ําเสมอ ไม่ว่าจะเป็นยอดขายรายเดือนที่ 100,000 USD หรือ 200,000 USD
วันหรือเวลาที่ผิดปกติ
สิ่งที่พบ: วันที่หรือเวลาที่เฉพาะเจาะจงที่มีค่าที่แตกต่างจากช่วงเวลาอื่นๆ อย่างมาก
เหตุใดจึงสําคัญ: ระบุวันพิเศษที่อาจแสดงถึงโอกาสหรือปัญหา
ตัวอย่าง: เว็บไซต์ขัดข้องในวัน Black Friday ทําให้การเข้าชมพุ่งสูงขึ้น% สูงกว่าปกติ 500
เนื้อหาที่เกี่ยวข้อง
หากมีคำถามเพิ่มเติม ถามชุมชน Power BI