Afwijkingsdetectie in LuckyTemplates: opties en beperkingen

LuckyTemplates introduceerde in de update van november 2020 een andere functie genaamd Anomaly Detection . Deze functie is voorlopig alleen beschikbaar in lijndiagrammen.

Met afwijkingsdetectie in LuckyTemplates kunnen makers van rapporten lijndiagrammen verbeteren door automatisch afwijkingen in tijdreeksgegevens te detecteren.

Deze functie stelt ons in staat om gemakkelijk inzichten te vinden zonder de gegevens in stukken te snijden.

Wanneer het rapport naar de service wordt gepubliceerd, kunnen rapportconsumenten de afwijkingen, verklaringen en zelfs hun analyse van de hoofdoorzaak bekijken. Daarnaast kunnen we ook de verschillende instellingen aanpassen waarvoor afwijkingen worden gedetecteerd.

Aangezien deze functie in Preview zit , moeten we eerst deze LuckyTemplates Desktop-functie inschakelen.

Inhoudsopgave

• De afwijkingsdetectie inschakelen in LuckyTemplates
• Aan de slag met afwijkingsdetectie in LuckyTemplates
• Afwijkingsdetectie: de gedetecteerde afwijkingen wijzigen
• De analyse aanpassen
• Beperkingen van afwijkingsdetectie in LuckyTemplates
• Conclusie

De afwijkingsdetectie inschakelen in LuckyTemplates

Om deze functie in te schakelen, klikt u op Bestand in de menubalk. 

Ga naar Opties en instellingen en klik vervolgens op Opties .

Klik op de voorbeeldfuncties , schakel de afwijkingsdetectie in en klik vervolgens op de knop OK .

Daarna moeten we de LuckyTemplates-desktoptoepassing opnieuw opstarten, zodat we deze functie kunnen gebruiken. 

Aan de slag met afwijkingsdetectie in LuckyTemplates

Voor deze zelfstudie zullen we het hebben over de beschikbare opties en beperkingen van de functie voor afwijkingsdetectie . Laten we om te beginnen een lijndiagram toevoegen aan onze rapportpagina en het formaat wijzigen zoals weergegeven in de afbeelding.

Voeg de maat Totale defecten toe aan het veld Waarden . 

We analyseren dit op datum. Laten we dus Datum toevoegen aan het veld As . 

Schakel de titel en achtergrond uit op het tabblad Opmaak .

Wijzig de letterkleur van de X-as en Y-as in wit.

Schakel vervolgens de Titel op de X-as en Y-as uit .

We zouden nu de anomalie in deze uitvoer moeten zien. 

Afwijkingsdetectie: de gedetecteerde afwijkingen wijzigen

Het is duidelijk dat er iets is gebeurd waardoor de toename van het defecte onderdeel van de leveranciers is toegenomen. We weten echter nog steeds niet tot welke categorie deze onderdelen behoren of wat de reden achter deze anomalie is. Wat we wel kunnen doen, is naar het tabblad Analytics gaan .

Ga naar de vervolgkeuzelijst Afwijkingen zoeken en klik vervolgens op Toevoegen .

Laten we daarna de anomaliekleur veranderen in grijs. 

We zouden nu deze uitvoer moeten hebben.

We hebben ook de mogelijkheid om de afwijkingsgevoeligheid aan te passen.

Om de gevoeligheid te kunnen zien, moeten we de kleur van de gevoeligheid veranderen in wit. Zorg ervoor dat de kleur niet versmelt met de achtergrondkleur.

Hierdoor kunnen we nu de gevoeligheid achter de gele lijnen zien.

Als we over de lijnen bewegen, worden de verwachte minimum- en maximumwaarden weergegeven. Dit is het type grafiek dat we kunnen zien op grafieken voor cryptocurrency-handel. 

We kunnen ook de vorm van de anomalie wijzigen door de opties in de vervolgkeuzelijst Anomalievorm te selecteren . 

Vervolgens kunnen we de grootte van de vorm aanpassen door de grootte van de vorm van de afwijking aan te passen .

Laten we ook het verwachte bereik van transparantie voor de anomalie wijzigen. 

Door de waarde van het verwachte bereik van transparantie te verlagen , zullen we zien dat de grijze lijnen zichtbaarder worden. 

Laten we proberen op een van de anomalieën te klikken.

Zoals u kunt zien, werd het deelvenster Anomalieën weergegeven , dat een analyse geeft van de mogelijke reden achter de anomalieën.

De analyse aanpassen

Om een ​​betere analyse van de afwijkingen te zien, voegen we het Materiaaltype toe aan het veld Uitleggen door en klikken we vervolgens op Toepassen . 

Door dit te doen, kunnen we zien dat het materiaaltype Grondstoffen is en dat er 47% defect materiaal is in de afwijking die we hebben geselecteerd.

Laten we deze anomalie uitvouwen door op dit pictogram te klikken.

Dienovereenkomstig kunnen we het patroon van de totale defecten voor materialen in een oranje kleur zien. 

We kunnen dit ook aan onze rapportpagina toevoegen door op Toevoegen aan rapport te klikken . 

Als gevolg hiervan ziet het eruit als de afbeelding hieronder.

Beperkingen van afwijkingsdetectie in LuckyTemplates

We kunnen de zoomschuifregelaar gebruiken als we ons willen concentreren op bepaalde periodes.

Om dat te doen, schakelt u gewoon de zoomschuifregelaar in .

We hebben echter geen opties om het uiterlijk van de zoomschuifregelaar te wijzigen. 

Een andere beperking van deze functie is dat als we de datum op de as wijzigen in maandnaam , dit ons de afwijkingen niet laat zien.

Als we klikken op Afwijkingen zoeken onder het tabblad Analyse , wordt er een notitie weergegeven met de tekst "Anomaliedetectie werkt alleen op visuals met een gegevenstijd of een geldige datumhiërarchiewaarde in het veld As."

De derde beperking is bij het toevoegen van een secundaire waarde. Als we bijvoorbeeld de meting Totale Downtime-uren toevoegen aan het veld Secundaire waarden , worden de afwijkingen niet meer weergegeven. 

Als we naar het tabblad Analytics gaan en nogmaals op Afwijkingen zoeken klikken , wordt er een opmerking weergegeven dat het nog niet werkt op visuals met secundaire waarden. 

Bovendien, als we proberen een andere categorie toe te voegen aan het veld Uitleggen door , zal het slechts één categorie tonen die de eerste is ( Materiaaltype ) in het uitlegvenster.

LuckyTemplates-functie voor afwijkingsdetectie: hoe het werkt
Anomalieën in LuckyTemplates demonstreren en begrijpen
LuckyTemplates-gegevenssets: leer hoe u abnormaal gedrag kunt detecteren met behulp van DAX

Conclusie

We hebben anomaliedetectie in LuckyTemplates behandeld en enkele beperkingen van deze functie geleerd. Het kan echter nog steeds nuttig zijn als we afwijkingen in onze rapporten willen vinden, afhankelijk van de waarden en analyses die we uitvoeren. In plaats van complexe DAX- metingen te maken, kunnen we deze functie gebruiken om afwijkingen in onze rapporten op te sporen.

Ik geloof dat dit nog steeds een coole functie is en Microsoft zei dat ze enkele verbeteringen aan deze functie doorvoeren om gedetailleerde gegevensanalyse en evaluatie te bieden.

Tot de volgende keer,

Mudassir