Detección de anomalías en LuckyTemplates: opciones y limitaciones

LuckyTemplates introdujo otra característica llamada Detección de anomalías en su actualización de noviembre de 2020. Esta característica solo está disponible en gráficos de líneas por ahora.

La detección de anomalías en LuckyTemplates permite a los creadores de informes mejorar los gráficos de líneas mediante la detección automática de anomalías en los datos de una serie temporal.

Esta característica nos permite encontrar fácilmente información sin dividir los datos.

Cuando el informe se publica en el servicio, los consumidores del informe pueden ver las anomalías, las explicaciones e incluso el análisis de la causa principal. Además, también podemos personalizar las distintas configuraciones para las que se detectan anomalías.

Dado que esta característica está en versión preliminar , primero debemos activar esta característica de LuckyTemplates Desktop.

Tabla de contenido

• Habilitación de la detección de anomalías en LuckyTemplates
• Introducción a la detección de anomalías en LuckyTemplates
• Detección de anomalías: modificación de las anomalías detectadas
• Modificar el análisis
• Limitaciones de la detección de anomalías en LuckyTemplates
• Conclusión

Habilitación de la detección de anomalías en LuckyTemplates

Para habilitar esta función, haga clic en Archivo en la barra de menú. 

Vaya a Opciones y configuración , luego haga clic en Opciones .

Haga clic en las funciones de vista previa , habilite la detección de anomalías y, a continuación, haga clic en el botón Aceptar .

Después de eso, debemos reiniciar la aplicación de escritorio LuckyTemplates para poder usar esta función. 

Introducción a la detección de anomalías en LuckyTemplates

Para este tutorial, hablaremos sobre las opciones disponibles y las limitaciones de la función de detección de anomalías . Para comenzar, agreguemos un gráfico de líneas en nuestra página de informe y cambiemos su tamaño como se muestra en la imagen.

Agregue la medida Defectos totales en el campo Valores . 

Analizaremos esto por fecha. Entonces, agreguemos Fecha en el campo Eje . 

Deshabilite el Título y el Fondo en la pestaña Formato .

Cambie el color de fuente del eje X y el eje Y a blanco.

Luego, deshabilite el Título en el eje X y el eje Y.

Ahora deberíamos ver la anomalía en esta salida. 

Detección de anomalías: modificación de las anomalías detectadas

Obviamente, algo podría haber sucedido que provocó el aumento de la parte defectuosa de los proveedores. Sin embargo, aún no sabemos a qué categoría pertenecen estas piezas o la razón detrás de esta anomalía. Lo que podemos hacer es ir a la pestaña de Analytics .

Vaya al menú desplegable Buscar anomalías y luego haga clic en Agregar .

Después de eso, cambiemos el color de la anomalía a gris. 

Ahora deberíamos tener esta salida.

También tenemos la opción de ajustar la sensibilidad de anomalía.

Para que podamos ver la sensibilidad, necesitamos cambiar el color de la sensibilidad a blanco. Asegúrate de que el color no se mezcle con el color de fondo.

Como resultado, ahora podemos ver la sensibilidad detrás de las líneas amarillas.

Si pasamos el cursor sobre las líneas, mostrará los valores mínimo y máximo esperados. Este es el tipo de gráfico que podemos ver en los gráficos de comercio de criptomonedas. 

También podemos cambiar la forma de la anomalía seleccionando las opciones en el menú desplegable Forma de anomalía . 

Luego, podemos ajustar el tamaño de la forma ajustando el tamaño de la forma de Anomalía .

También cambiemos el rango esperado de transparencia para la anomalía. 

Al bajar el valor del Rango esperado de transparencia , veremos que las líneas grises se vuelven más visibles. 

Intentemos hacer clic en una de las anomalías.

Como puede ver, mostró el panel Anomalías , que proporciona un análisis de la posible razón detrás de las anomalías.

Modificar el análisis

Para ver un mejor análisis de las anomalías, agreguemos el Tipo de material en el campo Explicar por , luego haga clic en Aplicar . 

Al hacer esto, podemos ver que el tipo de Material es Raw Materials y hay un 47% de material defectuoso en la anomalía que seleccionamos.

Ampliemos esta anomalía haciendo clic en este icono.

En consecuencia, podemos ver el patrón de los defectos totales de los materiales en un color naranja. 

También podemos agregar esto a nuestra página de informe haciendo clic en Agregar al informe . 

Como resultado, se verá como la imagen de abajo.

Limitaciones de la detección de anomalías en LuckyTemplates

Podemos usar el control deslizante de zoom si queremos enfocarnos en períodos particulares.

Para hacer eso, simplemente habilite el control deslizante Zoom .

Sin embargo, no tenemos ninguna opción para cambiar la apariencia del control deslizante de zoom. 

Otra limitación de esta característica es que si cambiamos la Fecha en el Eje a Nombre del Mes , no nos mostrará las anomalías.

Si hacemos clic en Buscar anomalías en la pestaña Análisis , se mostrará una nota que dice "La detección de anomalías solo funciona en imágenes que tienen un tiempo de datos o un valor de jerarquía de fecha válida en el campo Eje".

La tercera limitación es cuando se agrega un valor secundario. Por ejemplo, si agregamos la medida Total de horas de inactividad en el campo Valores secundarios , no volverá a mostrar las anomalías. 

Si vamos a la pestaña Analytics y hacemos clic en Find anomalie s nuevamente, mostrará una nota que dice que aún no funciona en imágenes con valores secundarios. 

Además, si intentamos agregar otra categoría en el campo Explicar por , solo mostrará una categoría, que es la primera ( Tipo de material ) en el panel de explicación.

Función de detección de anomalías de LuckyTemplates: cómo funciona
Presentación y comprensión de anomalías en LuckyTemplates
Conjuntos de datos de LuckyTemplates: aprenda a detectar comportamientos anómalos mediante DAX

Conclusión

Cubrimos la detección de anomalías en LuckyTemplates y aprendimos algunas de las limitaciones de esta función. Sin embargo, aún podría ser útil cuando queremos encontrar anomalías en nuestros informes dependiendo de los valores y análisis que estemos haciendo. En lugar de crear medidas DAX complejas , podemos usar esta función para encontrar las anomalías en nuestros informes.

Creo que esta sigue siendo una función interesante y Microsoft dijo que están realizando algunas mejoras en esta función para proporcionar un análisis y una evaluación de datos detallados.

Hasta la proxima vez,

Mudassir