Détection danomalies dans LuckyTemplates : options et limites

LuckyTemplates a introduit une autre fonctionnalité appelée Anomaly Detection dans sa mise à jour de novembre 2020. Cette fonctionnalité n'est disponible que dans les graphiques en courbes pour l'instant.

La détection des anomalies dans LuckyTemplates permet aux créateurs de rapports d'améliorer les graphiques linéaires en détectant automatiquement les anomalies dans les données d'une série chronologique.

Cette fonctionnalité nous permet de trouver facilement des informations sans découper ni découper les données.

Lorsque le rapport est publié sur le service, les utilisateurs du rapport peuvent afficher les anomalies, les explications et même leur analyse des causes profondes. De plus, nous pouvons également personnaliser les différents paramètres pour lesquels des anomalies sont détectées.

Étant donné que cette fonctionnalité est en version préliminaire , nous devons d'abord activer cette fonctionnalité LuckyTemplates Desktop.

Table des matières

• Activation de la détection d'anomalies dans LuckyTemplates
• Premiers pas avec la détection d'anomalies dans LuckyTemplates
• Détection d'anomalies : modification des anomalies détectées
• Modification de l'analyse
• Limitations de la détection des anomalies dans LuckyTemplates
• Conclusion

Activation de la détection d'anomalies dans LuckyTemplates

Pour activer cette fonctionnalité, cliquez sur Fichier dans la barre de menus. 

Allez dans Options et paramètres , puis cliquez sur Options .

Cliquez sur les fonctions d'aperçu , activez la détection d'anomalies , puis cliquez sur le bouton OK .

Après cela, nous devons redémarrer l'application de bureau LuckyTemplates pour pouvoir utiliser cette fonctionnalité. 

Premiers pas avec la détection d'anomalies dans LuckyTemplates

Pour ce didacticiel, nous parlerons des options disponibles et des limites de la fonction de détection d'anomalies . Pour commencer, ajoutons un graphique linéaire sur notre page de rapport et redimensionnons-le comme indiqué dans l'image.

Ajoutez la mesure Total des défauts dans le champ Valeurs . 

Nous allons analyser cela par date. Alors, ajoutons Date dans le champ Axe . 

Désactivez le titre et l'arrière-plan sous l' onglet Formatage .

Changez la couleur de la police de l' axe X et de l'axe Y en blanc.

Ensuite, désactivez le Titre sur l' axe X et l'axe Y .

Nous devrions maintenant voir l'anomalie dans cette sortie. 

Détection d'anomalies : modification des anomalies détectées

De toute évidence, quelque chose a pu se produire qui a provoqué l'augmentation de la pièce défectueuse des fournisseurs. Cependant, nous ne savons toujours pas à quelle catégorie appartiennent ces pièces ni la raison de cette anomalie. Ce que nous pouvons faire, c'est aller dans l' onglet Analytics .

Accédez au menu déroulant Rechercher des anomalies , puis cliquez sur Ajouter .

Après cela, changeons la couleur de l'anomalie en gris. 

Nous devrions maintenant avoir cette sortie.

Nous avons également la possibilité de régler la sensibilité aux anomalies.

Pour que nous puissions voir la sensibilité, nous devons changer la couleur de la sensibilité en blanc. Assurez-vous que la couleur ne se mélange pas avec la couleur de fond.

En conséquence, nous pouvons maintenant voir la sensibilité derrière les lignes jaunes.

Si nous survolons les lignes, les valeurs minimales et maximales attendues seront affichées. C'est le type de graphique que nous pouvons voir sur les graphiques de trading de crypto-monnaie. 

Nous pouvons également modifier la forme de l'anomalie en sélectionnant les options dans la liste déroulante Forme de l'anomalie . 

Ensuite, nous pouvons ajuster la taille de la forme en ajustant la taille de la forme Anomaly .

Modifions également la plage de transparence attendue pour l'anomalie. 

En diminuant la valeur de la Plage de transparence attendue , nous verrons que les lignes grises sont devenues plus visibles. 

Essayons de cliquer sur l'une des anomalies.

Comme vous pouvez le voir, il a affiché le volet Anomalies , qui fournit une analyse de la raison possible derrière les anomalies.

Modification de l'analyse

Pour voir une meilleure analyse des anomalies, ajoutons le Type de matériau dans le champ Expliquer par , puis cliquez sur Appliquer . 

En faisant cela, nous pouvons voir que le type de matériau est Matières premières et qu'il y a 47 % de matériau défectueux dans l'anomalie que nous avons sélectionnée.

Développons cette anomalie en cliquant sur cette icône.

En conséquence, nous pouvons voir le modèle des défauts totaux pour les matériaux de couleur orange. 

Nous pouvons également l'ajouter à notre page de rapport en cliquant sur Ajouter au rapport . 

En conséquence, cela ressemblera à l'image ci-dessous.

Limitations de la détection des anomalies dans LuckyTemplates

Nous pouvons utiliser le curseur de zoom si nous voulons nous concentrer sur des périodes particulières.

Pour ce faire, activez simplement le curseur Zoom .

Cependant, nous n'avons aucune option pour modifier l'apparence du curseur de zoom. 

Une autre limitation de cette fonctionnalité est que si nous changeons la Date sur l' Axe en Nom du Mois , elle ne nous montrera pas les anomalies.

Si nous cliquons sur Rechercher des anomalies sous l' onglet Analyses , une note indiquant "La détection d'anomalies ne fonctionne que sur les visuels qui ont une heure de données ou une valeur de hiérarchie de date valide dans le champ Axe s'affichera."

La troisième limitation concerne l'ajout d'une valeur secondaire. Par exemple, si nous ajoutons la mesure Nombre total d'heures d'indisponibilité dans le champ Valeurs secondaires , les anomalies ne seront plus affichées. 

Si nous allons dans l' onglet Analytics et que nous cliquons à nouveau sur Rechercher les anomalies , une note indiquant que cela ne fonctionne pas encore sur les visuels avec des valeurs secondaires s'affichera. 

De plus, si nous essayons d'ajouter une autre catégorie dans le champ Expliquer par , il n'affichera qu'une seule catégorie qui est la première ( Type de matériau ) dans le volet d'explication.

Fonctionnalité de détection d'anomalies LuckyTemplates : fonctionnement
Présentation et compréhension des anomalies dans LuckyTemplates
Ensembles de données LuckyTemplates : découvrez comment détecter un comportement anormal à l'aide de DAX

Conclusion

Nous avons couvert la détection des anomalies dans LuckyTemplates et appris certaines des limites de cette fonctionnalité. Cependant, cela peut toujours être utile lorsque nous voulons trouver des anomalies dans nos rapports en fonction des valeurs et de l'analyse que nous effectuons. Au lieu de créer des mesures DAX complexes , nous pouvons utiliser cette fonctionnalité pour trouver les anomalies dans nos rapports.

Je pense que c'est toujours une fonctionnalité intéressante et Microsoft a déclaré qu'ils apportaient des améliorations à cette fonctionnalité pour fournir une analyse et une évaluation détaillées des données.

Jusqu'à la prochaine fois,

Moudassir