Analisis influencer utama dalam data dengan Power BI

Database


Dalam artikel ini, kami akan menggunakan Power BI Desktop untuk menganalisis influencer utama dalam kumpulan data dan mempelajari cara menggunakan visualisasi yang sesuai.

pengantar

Volume data dapat tumbuh dalam luas dan kedalaman. Ketika data tumbuh secara mendalam, itu bisa berarti bahwa kumpulan data berisi sejumlah besar catatan, tetapi fitur dalam kumpulan data mungkin terbatas atau dalam kisaran normal. Ketika data bertambah besar, itu mungkin berarti bahwa kumpulan data memiliki sejumlah besar atribut, tetapi jumlah catatan dalam kumpulan data mungkin dalam kisaran normal. Kumpulan data yang cakupannya besar menimbulkan tantangan yang unik. Jenis analisis tertentu, seperti analisis akar masalah, analisis data eksplorasi untuk pembelajaran mesin, dan bentuk analisis serupa, menjadi tantangan karena menjadi sulit untuk menentukan fitur mana yang memengaruhi fitur target. Misalnya, untuk memahami faktor atau fitur apa yang memengaruhi peringkat pelanggan di berbagai fitur, kami mungkin perlu mempertimbangkan banyak permutasi dan kombinasi, serta jumlah data yang dibutuhkan. Melakukan ini secara manual bisa menjadi proses yang sangat membosankan dan pengguna akhir umumnya tidak dilengkapi dengan keterampilan atau sumber daya yang dibutuhkan untuk pendekatan pemrograman seperti analisis data eksplorasi. Alat pelaporan seperti Power BI dan lainnya menyediakan opsi layanan mandiri dan visualisasi untuk menganalisis data influencer.

Hasilkan narasi data di Power BI

Diasumsikan bahwa versi terbaru Power BI Desktop telah diinstal pada perangkat pengembangan dan dapat diakses oleh pengguna. Untuk mensimulasikan kumpulan data yang besar, kita memerlukan setidaknya satu model data kecil dengan jumlah fitur yang berbeda. Kita dapat menggunakan kumpulan data yang ada untuk latihan ini, sehingga kita dapat menggunakan data yang sudah tersedia bersamanya. Di sisi lain, Anda dapat memasukkan data dalam laporan Power BI yang ingin Anda buat menggunakan opsi menu Terima Data. Bagi kami, saya akan menggunakan sampel data peringkat pelanggan dan model umpan balik yang ada dari Microsoft. Model data beserta datanya telah disertakan dalam laporan Power BI. Ketika kita klik pada tampilan model data, maka tampilannya seperti gambar berikut.

Seperti yang Anda lihat di bawah, di sini kami memiliki serangkaian tabel yang terkait dengan nama pelanggan, geografi, peran, langganan, perusahaan, perangkat, dan tiket dukungan. Data pelanggan dan detail terkait seperti geografi, langganan, perangkat yang digunakan oleh mereka, dan peringkat yang diberikan oleh mereka untuk berbagai layanan yang mungkin mereka gunakan. Tujuannya di sini adalah untuk menganalisis faktor-faktor yang mempengaruhi peringkat yang diberikan oleh pelanggan. Analisis ini berbeda dengan laporan biasa di mana kami melaporkan transaksi atau data massal dan kemudian menganalisisnya dari berbagai sudut untuk aspek seperti distribusi, tren, nilai komparatif, dan sebagainya. Peringkat pelanggan


Model data di Power BI

Power BI Desktop baru-baru ini memperkenalkan gambar pintar yang disebut Key Influencer. Item ini tersedia dalam opsi menu Sisipkan seperti yang ditunjukkan di bawah ini. Setelah kami memiliki data serta model dalam laporan, kami dapat mengklik item menu ini untuk menambahkan gambar pintar Influencer Cerdas ke laporan.


Item menu di Power BI

Saat key influencer ditambahkan ke laporan Power BI, tampilannya seperti gambar berikut. Gambar akan kosong secara default. Bagian kunci yang diperlukan untuk membangun visual ini adalah penjelasan dan analisis berdasarkan. Pada menganalisa Bagian tersebut digunakan untuk menunjukkan variabel atau properti yang ingin kita analisis. Pada Dijelaskan oleh Bagian ini digunakan untuk merujuk pada variabel atau atribut yang dapat mempengaruhi atribut yang ditentukan di bagian Analisis.


Influencer kunci visual

Untuk mulai mengisi gambar ini, kita dapat memperluas bagian bidang dan mulai menetapkan properti yang sesuai ke bagian yang sesuai. Karena tiket dan data peringkat ini disesuaikan, kami bermaksud menganalisis faktor-faktor yang berperan dalam peringkat tinggi atau rendah pelanggan. Fitur paling alami untuk analisis dalam jenis kumpulan data ini adalah fitur peringkat. Seperti yang ditunjukkan di bawah ini, seret dan lepas fitur peringkat di bagian Analisis.


Bagian analisis

Visualisasi belum tersedia karena kami belum menentukan atribut yang harus digunakan untuk menentukan pengaruhnya terhadap peringkat atribut. Mari tarik dan lepas fitur yang tampaknya cukup relevan untuk memengaruhi fitur peringkat, seperti wilayah, peran, langganan, ukuran perusahaan, subjek, dan sebagainya. Saat kami menarik dan melepas fitur ini, gambar diisi dengan data serta analisis terkait. ditunjukkan di bawah. Ada dua bagian yang dibuat di bagian visual – influencer utama dan bagian atas. Bagian penting dari influencer secara default menjadi sorotan. Bagian ini secara vertikal dibagi menjadi dua bagian – satu bagian menunjukkan atribut efektif dengan jumlah tertentu dari atribut efektif serta tingkat dampak. Bagian lainnya menunjukkan pembagian atau distribusi nilai pada atribut yang dipilih. Di bagian berikut, fitur Peran dalam Organisasi dipilih, yang tampaknya berkontribusi pada peringkat pelanggan 1,2x yang tinggi. Nilai utama di bagian Peran di sebelah kanan ditampilkan untuk menjadi penerbit, pengelola, dan konsumen. Garis horizontal putus-putus merah pada grafik menunjukkan nilai di atas rata-rata.


Jelaskan per bagian

Secara default, analisis untuk salah satu nilai dalam atribut target ditampilkan. Dalam kasus kami, analisis yang ditunjukkan di atas adalah untuk fitur peringkat ketika nilainya Tinggi. Memiliki peringkat minimal dua nilai, misalnya Tinggi dan Rendah. Jika kita mengklik menu drop-down di dekat teks yang mengatakan “Apa yang mempengaruhi peringkat”, itu akan menunjukkan nilai yang berbeda seperti yang ditunjukkan di bawah ini.


Nilai yang ditargetkan

Mari kita pilih nilai Rendah untuk memeriksa faktor apa yang berperan dalam peringkat rendah. Setelah pemilihan, analisis berubah sesuai dengan gambar berikut. Jika kita hanya melihat data yang ditampilkan di atas dan di bawah, menjadi jelas bahwa peran adalah fitur yang sangat penting yang mempengaruhi peringkat dan pelanggan tampaknya menawarkan peringkat yang lebih rendah dan tampaknya Penerbit Penerima menawarkan peringkat yang lebih tinggi. Juga, efek spesifisitas peran pada peringkat lebih besar untuk peringkat rendah daripada peringkat tinggi.


Analisis untuk peringkat rendah

Jika kita mengkliknya Bagian atas Tab menunjukkan bagian, misalnya, kategori yang telah ditentukan yang mengarah atau berkontribusi pada jumlah peringkat tertentu. Di sini terlihat bahwa ia telah mengidentifikasi tujuh kategori dan memeringkatnya. Gambar di sini hanya menunjukkan peringkat bagian, persentase ketika peringkat rendah, dan populasi, yaitu ukuran kumpulan data relatif untuk ditempatkan di bagian ini.


Bagian atas

Detail bagian gambar ini tidak terlalu jelas. Kita dapat mengklik salah satu balon untuk memeriksa metrik yang digunakan untuk menentukan bagian ini. Ketika kita mengklik pada setiap bagian, detailnya muncul seperti yang ditunjukkan di bawah ini. Jendela di sebelah kiri bagian detail menunjukkan bahwa kriteria yang digunakan untuk menentukan Bagian 1 adalah ketika peran dalam organisasi adalah non-penerbit, jenis langganannya lebih unggul, dan masalahnya adalah keamanan.


Kriteria bagian

Banyak detail tentang bagian ini dapat dieksplorasi dengan memperluas bagian untuk mempelajari lebih lanjut tentang bagian ini, seperti yang ditunjukkan di bawah ini.


Detail bagian

Dengan cara ini, dengan menggunakan Key Influencer secara cerdas, dimungkinkan untuk mempercepat analisis faktor-faktor utama yang memengaruhi fitur yang diinginkan.

Hasil

Dalam artikel ini, kami mempelajari tentang analisis Key Influencer dan cara menggunakan gambar pintar ini di alat Power BI Desktop. Kami mulai dengan kumpulan data sampel, mengidentifikasi atribut untuk analisis, dan kemudian menganalisis atribut yang mungkin menjadi pemberi pengaruh utama dari atribut yang dimaksud.

اجان
Postingan terbaru Gauri Mahajan (Lihat semua)



Source link

Tinggalkan Balasan

Alamat email Anda tidak akan dipublikasikan.