Von Power BI unterstützte Einblicke

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

Mit Power BI können Sie Ihre Daten durchsehen und interessante Trends und Muster finden. Diese Trends und Muster werden als visuelle Elemente angezeigt, die Erkenntnisse genannt werden. Erkenntnisse sind für Dashboardvisuals, Berichtsvisuals und ganze Berichtsseiten verfügbar.

Informationen zum Verwenden von Dashboarderkenntnissen finden Sie unter Anzeigen von Datenerkenntnissen auf Dashboardkacheln mit Power BI.

Wie funktionieren Einblicke?

Power BI durchsucht schnell verschiedene Teilmengen des semantischen Modells unter Verwendung eines hoch entwickelten Algorithmus, um potenziell interessante Erkenntnisse zu gewinnen. Sie können Insights für Dashboardkacheln, Berichtsvisuals und Berichtsseiten ausführen.

Terminologie

Power BI verwendet statistische Algorithmen, um Erkenntnisse zu gewinnen. Die Algorithmen werden im nächsten Abschnitt dieses Artikels aufgeführt und beschrieben. Bevor sich mit den Algorithmen befasst wird, finden Sie hier Definitionen für einige Begriffe, die Ihnen vielleicht nicht vertraut sind.

• Measure: ein Measure ist ein quantitatives (numerisches) Feld, das für Berechnungen verwendet werden kann. Es können z. B. Summen, der Durchschnitt oder Mindestwerte berechnet werden. Wenn das Unternehmen in diesem Beispiel Skateboards herstellt und verkauft, können die Measures die Anzahl der verkauften Skateboards und der durchschnittliche Jahresgewinn sein.

• Dimension: Dimensionen sind kategorische (Text-)Daten. Eine Dimension beschreibt eine Person, ein Objekt, ein Element, ein Produkt, einen Ort und eine Uhrzeit. In einem semantischen Modell bieten Dimensionen die Möglichkeit, Measures in nützliche Kategorien zu gruppieren. Für unser Skateboardunternehmens enthalten manche Dimensionen möglicherweise die Prüfung der Verkäufe (ein Measure) anhand des Modells, der Farbe, dem Land/Region oder der Marketingkampagne.

• Korrelation – Eine Korrelation gibt Aufschluss darüber, wie bestimmte Verhaltensweisen miteinander verknüpft sind. Wenn sich die Anstiegs- oder Rückgangsmuster ähneln, besteht eine positive Korrelation. Wenn die Muster entgegengesetzt sind, besteht eine negative Korrelation. Beispiel: Die Verkäufe von roten Skateboards nehmen jedes Mal zu, wenn eine TV-Marketingkampagne durchgeführt wird. Es besteht eine positive Korrelation zwischen dem Verkauf roter Skateboards und der TV-Marketingkampagne.

• Zeitreihe: eine Zeitreihe ist eine Möglichkeit, die Zeit als aufeinander folgende Datenpunkte anzuzeigen. Diese Datenpunkte können Inkremente wie Sekunden, Stunden, Monate oder Jahre sein.

• Kontinuierliche Variable: eine kontinuierliche Variable kann einen beliebigen Wert zwischen dem Mindest- und dem Maximalwert aufweisen; andernfalls handelt es sich um eine diskrete Variable. Beispiele hierfür sind Temperatur, Gewicht, Alter und Zeit. Kontinuierliche Variablen können Teilwerte enthalten. Die Gesamtzahl der verkauften blauen Skateboards ist eine diskrete Variable, da kein halbes Skateboard verkauft werden kann.

Nach welchen Typen von Erkenntnissen kann gesucht werden?

Bei Berichten führt Power BI proaktiv Analysen auf Anomalien, Trends und KPIs durch. Für Dashboardkacheln kann Power BI 10 Arten von Erkenntnissen finden.

Kategorieausreißer (oben/unten)

Hebt Fälle hervor, in denen ein oder zwei Kategorien viel größere Werte als andere Kategorien aufweisen.

Änderungspunkte in einer Zeitreihe

Hebt hervor, wenn es signifikante Trendänderungen in einer Zeitreihe von Daten gibt.

Correlation

Erkennt Fälle, in denen mehrere Measures ein ähnliches Muster oder einen ähnlichen Trend aufweisen, wenn diese mit einer Kategorie oder einem Wert im semantischen Modell verglichen werden.

Geringe Abweichung

Erkennt Fälle, bei denen die Datenpunkte für eine Dimension nicht weit vom Mittelwert liegen, sodass die Abweichung gering ist. Angenommen, Sie verfügen über die Kennzahl „Umsatz“ und die Dimension „Region“. Bei Betrachtung der Region sehen Sie, dass die Differenz zwischen den Datenpunkten und dem Mittelwert (der Datenpunkte) äußerst gering ist. Der Trigger wird ausgelöst, wenn die Abweichung bei den Umsatzzahlen in allen Regionen unter einem bestimmten Schwellenwert liegt. Mit anderen Worten, wenn in allen Regionen ähnliche Umsatzzahlen erfasst werden.

Mehrheit (Hauptfaktoren)

Findet Fälle, in denen der größte Teil eines Gesamtwerts einem einzigen Faktor zugeschrieben werden kann, wenn er nach einer anderen Dimension aufgeschlüsselt wird.

Ausreißer

Dieser Erkenntnistyp verwendet ein Clustermodell, um Ausreißer ohne Bezug zu Zeit in Reihendaten zu finden. Ausreißer erkennen, wenn bestimmte Kategorien vorhanden sind, deren Werte sich erheblich von den anderen Kategorien unterscheiden.

Allgemeine Trends in Zeitreihen

Entdeckt Trends nach oben oder unten in Zeitreihendaten.

Saisonabhängigkeit in Zeitreihen

Sucht periodische Muster in Zeitreihendaten, z. B. wöchentliche, monatliche oder jährliche Saisonabhängigkeit.

Stetiger Anteil

Hebt Fälle hervor, in denen eine Beziehung von übergeordneten und untergeordneten Elementen zwischen dem Anteil eines untergeordneten Werts in Bezug auf den Gesamtwert des übergeordneten Elements für eine kontinuierliche Variable vorhanden ist. Die Erkenntnis „Marktanteil“ wird im Kontext einer Kennzahl, einer Dimension oder einer anderen Datum/Uhrzeit-Dimension verwendet. Diese Erkenntnis wird ausgelöst, wenn ein bestimmter Dimensionswert (z. B. die Region „Osten“) einen konstanten prozentualen Anteil des Gesamtumsatzes für die jeweilige Datum/Uhrzeit-Dimension aufweist.

Diese Erkenntnis ist mit der Erkenntnis „Geringe Abweichung“ vergleichbar, da sich beide Erkenntnisse auf eine nicht vorhandene Änderung eines Werts im Lauf der Zeit beziehen. Mit der Erkenntnis „Marktanteil“ wird jedoch eine nicht vorhandene Änderung des prozentualen Anteils am Gesamtwert im Lauf der Zeit gemessen, mit der Erkenntnis „Geringe Abweichung“ hingegen eine nicht vorhandene Änderung bei den absoluten Messwerten einer Dimension.

Zeitreihenausreißer

Erkennt in Daten auf einer Zeitreihe, wenn bestimmte Datums- oder Zeitangaben mit sich deutlich von den übrigen Daten unterscheidenden Werten vorliegen.

Zugehöriger Inhalt

• Anzeigen von Datenerkenntnissen auf Dashboardkacheln mit Power BI.

Weitere Fragen? Fragen Sie die Power BI-Community.