Efetuar análises profundas com o Intelligent Insights

Microsoft Cloud for Sustainability Tech Summit, novembro de 2024.

Informações inteligentes são geradas por um modelo de IA no Microsoft Sustainability Manager. O modelo de IA permite efetuar uma análise mais profunda dos dados de emissões calculados e pré-calculados através de informações de valores atípicos tendências e correlações. As execuções do modelo ocorrem mensalmente em toda a tabela Todas as emissões. Pode agendá-las para qualquer dia entre o primeiro e o dia 28 de cada mês em Definições.

Nota

O Intelligent Insights está disponível no Microsoft Sustainability Manager Premium. Para mais informações sobre planos, aceda a Planos do Microsoft Sustainability Manager.

Ver informações

Para ver Intelligent Insights:

  1. No Sustainability Manager, na área Análise, selecione Intelligent Insights.

  2. Selecione uma dos seguintes separadores do Intelligent Insights:

Valores atípicos

Um valor atípico representa um registo que mostra uma diferença significativa dos outros dentro do mesmo contexto. Ajuda-o a detetar problemas com a qualidade dos dados ou áreas onde é necessário efetuar ações. A imagem a seguir mostra mais detalhes sobre subtipos de valores atípicos.

Captura de ecrã do separador Valores atípicos do Intelligent Insights.

  • Séries temporais: Os valores atípicos das séries temporais mostram valores atípicos nos dados das séries temporais em vários contextos após a agregação mensal dos dados. Também mostram a média e o intervalo esperado da série para ajudar a fornecer mais contexto sobre porque motivo pontos de dados específicos foram detetados como valores atípicos.

    Captura de ecrã de um valor atípico de série temporal.

  • Ponto de alteração: um ponto de alteração é um salto ou queda repentino nos dados. Isto pode resultar de problemas com a qualidade de dados, dados em falta ou a não ingestão de dados regular.

    Captura de ecrã de um valor atípico de ponto de mudança.

  • Contribuição: Os valores atípicos da contribuição destacam áreas em que uma entidade individual contribui com uma parte significativa das emissões em comparação com outras entidades no mesmo contexto.

    Captura de ecrã de um valor atípico de contribuição.

Uma tendência é a direção distinta dos seus dados ao longo do tempo. Uma subida ou uma descida consistente pode ajudar a identificar uma área que está a melhorar ou precisa de atenção.

Captura de informação de uma informação de tendência.

Além de tendências regulares como a desta imagem, também existem tendências anómalas. Quando são detetadas muitas tendências nos dados, estas são analisadas coletivamente para verificar se há alguma tendência anómala que tenha aumentado ou diminuído significativamente mais depressa do que outras tendências.

Nota

Para tendências com valores atípicos, o eixo Y reflete a alteração percentual em mtCO2e para cada entidade desde o início do período realçado na informação.

Correlações

Uma correlação mostra uma relação de dados significativa entre contextos, o que ajuda a prever um resultado ou identificar uma ligação entre duas ou mais condições.

Captura de informação de uma informação de correlação.

Encontre as informações que são mais importantes

Pode encontrar as informações mais importantes para si ao classificar, filtrar ou marcar como favoritas informações.

  • Na página Valores atípicos, Tendências ou Correlações, selecione uma das seguintes ações:

    • Classificar: A pontuação geral, ou significância, é baseada em três subpontuações: significância estatística calculada pelo algoritmo, pontuação de impacto e pontuação de relevância. A classificação do impacto é uma percentagem das emissões envolvidas numa informação em relação às emissões gerais da sua organização. A classificação da relevância é um conjunto de heurística que predefinimos para classificar as informações. A relevância pode mudar ao longo do tempo com base no feedback que recebemos dos clientes.

    • Filtrar: encontre as informações mais importantes para você filtrando para cima ou para baixo por instalação, intervalo de datas, atividades de carbono, unidade organizacional e/ou país/região. Pode aplicar filtros em camadas para resultados ajustados.

    • Marcador: Quando um insight é interessante, importante, ou você só quer mantê-lo para visualização posterior, você pode marcá-lo. Ao contrário de todas as outras informações, as informações marcadas como favoritas são mantidas de uma execução de modelo para outra. Para ver as suas informações marcadas como favoritas, selecione o separador Marcador.

Agendar uma execução de modelo

As execuções de modelo ocorrem uma vez por mês em toda a tabela Todas as emissões, de no máximo há quatro anos. Quando são geradas novas informações, quaisquer informações anteriores que não foram marcadas como favoritas são eliminadas.

Precisa de acesso ao nível de admin para alterar o dia do mês em que o modelo é executado.

  1. No Sustainability Manager, selecione a área Definições.

  2. Na navegação à esquerda, em Definições da aplicação, selecione Geral.

  3. Selecione o separador Insights.

  4. Na caixa pendente, selecione o dia do mês para a execução do modelo e selecione Guardar.

    Captura de ecrã da página de definições de execução do modelo para o Intelligent Insights.

Nota

O modelo começará a ser executado às 00:00 UTC no dia escolhido.

FAQ

Para obter informações sobre problemas que pode ter com o Intelligent Insights, reveja as perguntas frequentes (FAQs) que se seguem.

Porque não consigo ordenar informações de tendências e de correlação por data?

As informações de tendências e de correlação são criadas com base em dados agregados ao longo do tempo, remontando até há quatro anos nos dados históricos. Recomendamos a ordenação por significância ou a aplicação de filtros em ordem para desagregar ainda mais nos seus dados.

Porque é que as informações não são apresentadas depois de o modelo concluir uma execução?

Se o modelo concluir uma execução com êxito, mas não obtiver informações, talvez não haja dados de emissões de carbono suficientes no seu ambiente para o fazer.

Porque é que todos os separadores não apresentam informações depois de o modelo concluir uma execução?

Dependendo do tipo e da quantidade de dados que possui, nem sempre haverá informações de todos os tipos. À medida que importa mais dados, será mais provável que veja todos os três tipos de informações depois de o modelo concluir a execução mensal.