Power BI中的3个不寻常的视觉效果具有广泛的使用潜力

BI Connector Team |

不寻常的视觉

Power BI是市场上最好的商业智能平台之一。 Microsoft每月都会发布新的更新,并确保它们在逐步满足用户在每个版本中的需求/愿望。

毫无疑问,我们在Guidanz也喜欢最新功能,但是随着下一组新更新的推出,这些更新将变得更旧。在每个发行版中,用户主要集中在新更新上,而往往失去对旧更新的关注。这个想法使我们想知道现有功能是否被最大程度地利用!

Power BI的更新集中在多个方面–例如工作空间利用率,性能调整,ETL等。我们选择从一个方面入手–视觉效果,并确定了3种具有广泛使用潜力的异常视觉效果。我们将在这篇博客文章中介绍它们。

开始了!

在深入探讨视觉效果之前,请先看一下 交易数据 用来解释视觉效果。该电子表格具有以下12个数据点,这些数据点与公司在过去5年中完成的120笔交易有关。

  1. 交易编号(按时间顺序分配)
  2. 销售团队(A / B / C / D)
  3. 年(2014年至2018年)
  4. 25美分硬币
  5. 帐户类型(SMB或企业)
  6. 业务类型(现有或新的)
  7. 帐户所有权(公共或私人或自有资金)
  8. 合同类型(固定出价或时间& Material)
  9. 国家(6个国家–美国,加拿大,英国,印度,新加坡,澳大利亚)
  10. 收入
  11. 估计利润

这些数据是使用excel中的RANDOM函数生成的。欢迎您下载和使用它们,然后尝试以下视觉效果。

享受Power BI中OBIEE数据的轻松可视化。将OBIEE / OAC / OAS和Power BI与 Power BI认证的BI连接器.

我们将在这篇文章中介绍的视觉效果是:

  1. 关键影响者视觉效果
  2. 组合图视觉
  3. 瀑布视觉

让我们一一看一下。

 

关键影响者视觉效果

每当决策者肩负确定一个或多个潜在原因对特定结果的影响时,这种视觉效果就很有帮助。

用例场景的示例包括:

  • 客户所在国家和帐户所有权对合同类型的影响
  • 销售团队和合同类型对总销售额的影响
  • 每个服务台成员和订阅计划对总体客户满意度的影响
  • 每个营销渠道对潜在客户的影响

注意:请注意,最后两个示例不在“交易数据”的范围之内,仅供读者理解。

例如,让我们以第一个用例为例– 

合同类型(例如固定出价或时间&物质)是根据以下因素的影响进行分析的结果:

  • 客户所在的国家
  • 客户公司的所有权(例如公共或私人或自有资金)

Power BI中的关键影响者

在以上视觉效果中,可以确定问题的答案–什么因素影响合同类型为时间& Material?

发现该问题的答案是:

  • 如果帐户所有权是公开的,则合同的可能性为时间&物料增加2.03倍
  • 当国家为美国时,合同的可能性为时间&物料增加1.7倍

现在有人可能会提出问题–这些值分别是2.03x和1.7x?

答案由视觉右侧的图表给出。绿色的条表示主要影响者,而黑色的条表示其余潜在影响者。

为了更详细地说明,我们以1.7倍的值为例:

请查看下表,其中显示了按国家(地区)合同类型的分解。

电子表格剪

表中的列是不言自明的。平均时间& Material% –分析结果)(美国除外)的其他国家/地区为48.37%。比较时间时& Material% of US –在其他国家(潜在影响者)的平均值为82.3的情况下,结果值为1.7。

换句话说,当国家为美国时,合同类型的可能性为时间&在整个数据集中,材料增加了1.7倍。

关键影响者视觉效果中还有另一个有趣的部分,即“顶部”部分(视觉效果顶部的选项卡)。一次单击即可更深入地检查数据集,并发现对细分(或多个数据点中的条目的组合)有价值的见解,这些见解会显着影响分析结果。 

例如,请同时参考下图& Material case:

热门细分

上图中显示的细分如下:

帐户所有权是公开的
帐户类型为SMB,
国家不是印度,
国家不是加拿大,
国家/地区不是英国,
季度不是第二季度

在“交易”数据中,合同类型为“时间”的次数占92.3%&满足以上条件的材料。

数据的组合时间&物料合同类型是最预期的结果,显示在左侧,而可视化的右侧部分显示了

  • 时间百分比&整个数据集中基于物料的合同 
  • 时间百分比&所识别细分中的基于物料的合同 

单击“了解有关此细分的更多信息”,也可以对这些见解进行更深入的审查。

总体而言,该可视化视图使销售团队可以选择适当的合同类型,以便根据其过去的销售历史来赢得交易。

关键影响者视觉效果是从透视图中发现洞察力的绝佳选择,否则将很难想到!

但是,它有其自身的局限性–

  • 此视觉效果不适用于均匀分布的数据集。
  • 被分析的数据点应为分类数据类型。 
  • 该视觉效果无法在线发布,因此到目前为止,无法进行协作使用和共享。希望这将在以后的更新中解决。

 

组合图

该图表比较了在x轴上绘制的通用比例的两个不同比例的参数。

例如:

  • X轴的年份,收入和y轴的利润率估计值
  • X轴上的销售团队,y轴上的收入和估算利润百分比
  • X轴上的合同类型,y轴上的收入和估计保证金百分比
  • X轴上的品牌名称,已售出的单位数,Y轴上的退货率
  • X轴月份,其中有新的免费试用次数,y轴流失率

与往常一样,最后两个示例仅供读者理解,并不包含在Deals数据的范围内。

让我们以第一个用例为例–X轴的年份,收入和y轴的利润率估计值

请参考下图:

组合图

此处,收入用条形图表示,而估计收入百分比用线表示。该行的比例尺在右侧,而收入在左侧,而X轴上的年份是这两个参数的共同点。

在同一视觉中绘制两个不同的图表,从而节省了时间,同时更重要的是使用户能够更快地得出关于两个单独参数的见解。这些视觉效果消除了手动比较两个独立图表以发现见解的麻烦。

这些视觉效果容易受到以下限制:

  • Y轴上的值必须为数字
  • 有时,用户可能会对Y轴上的两个不同比例感到困惑

 

瀑布图

瀑布图反映了单个组件的正面或负面影响,无论是基于时间还是基于类别的数据点。

例如:

  • 帐户类型明细的年度收入
  • 过去5年的净收入
  • 过去5年的净估算利润率%
  • 最近10年的净员工人数
  • 收支明细

同样,最后两个示例仅供读者理解,并不包含在交易数据的范围内。

让我们以第一个用例为例。

请看下面的瀑布图:

瀑布图

图表显示了与上一年相比获得的净收入。 2015年的收入遭受重创,令人震惊。 

在通常的条形图中可能没有注意到这种洞察力,因为通常的条形图将显示2014年底的收入为1410万,2015年底的收入为1010万。它本来只是比前一年的收入下降了400万。但这并没有显示出瀑布图所示的这4M的重要性。

瀑布图的局限性:

  1. 它很好地捕获了净变化,但是没有捕获对累积值的影响。
  2. 用户可能会发现很难适应瀑布图,因为大多数用户倾向于寻找累积值。

 

至此,我们就结束了。发现这些视觉效果有趣吗?

Power BI有更多有趣的视觉效果可供探索,当我们熟悉新视觉效果时,我们将继续在此页面上发布更新。订阅我们的博客以直接在您的收件箱中接收最新更新。