Tính năng phát hiện bất thường trong Power BI giúp bạn nâng cao biểu đồ đường của mình bằng cách tự động phát hiện các điểm bất thường trong sữ liệu chuỗi thời gian của bạn. Nó cũng đưa ra lời giải thcish cho những biến động bất thường để giúp bạn phân tích nguyên nhân gây ra. Chỉ với một vài cú nhấp chuột, bạn có thể tạo và xem các điểm bất thường trong cả Power BI Desktop và Power BI service. Show
Tính năng phát hiện bất thường là một trong các tính năng hữu ích giúp người dùng có thể phát hiện được những thay đổi của số liệu dưới dạng biểu đồ có kèm chú giải, từ đó người dùng có thể đưa gia quyết định phán đoán phù hợp cho hành động tiếp theo của mình. Đề trải nghiệm rõ hơn tính năng này, bạn nên sở hữu bộ Power BI bản quyền của TSG để trải nghiệm tốt hơn. Tìm hiểu thêm các chính sách giá và các version Power BI bản quyền của chúng tôi. Bạn có thể bật tính năng Phát hiện bất thường bằng cách chọn biểu đồ và thêm tùy chọn “Find Anomalies” trong ngăn phân tích.  Định dạng bất thườngBạn có thể định dạng hình dạng, kích thước và màu sắc của vật thể bất thường cũng như màu sắc, kiểu dáng và độ trong suốt của phạm vị dự kiến. Bạn cũng có thể cấu hình tham số của thuật toán. Nếu bạn tăng độ nhạy, thuật toán sẽ nhạy cảm hơn với những thay đổi trong dữ liệu của bạn. Trong trường hợp đó, ngay cả một độ lệch nhỏ cũng được coi là bất thường. Ngược lại, nếu giảm độ nhạy, thuật toán sẽ lọc ra nhiều hơn những gì nó coi là bất thường. Bạn cũng có thể kiểm soát các trường được sử dụng để phân tích bằng cách kéo trường bạn muốn giải thích vào phần Explain by, Power BI sẽ tự động phân tích chỉ hạn chế trong các trường đó. Sau khi định cấu hình phân tích theo trường mà bạn muốn sẽ hiện ra một hình ảnh trực quan thể hiện các sự phân tích các trường đó. Sử dụng tùy chọn Add report để thêm hình ảnh này vào trang. Hạn chế
TSG hân hạnh là đối tác Vàng của Microsoft chuyên cung cấp các phần mềm bản quyền và triển khai các giải pháp công nghệ thông tin đến các doanh nghiệp. Với hơn 11 năm hoạt động trong lĩnh vực công nghệ thông tin, TSG tự tin là gương mặt được chọn mặt gửi vàng của các tổ chức, doanh nghiệp trải dài từ Bắc tới Nam. Các doanh nghiệp thu thập số liệu thống kê, dữ liệu định lượng và thông tin từ nhiều kênh có tương tác với khách hàng và nội bộ. Tuy nhiên, việc tìm hiểu thông tin chuyên sâu chính đòi hỏi phải phân tích cẩn thận một lượng dữ liệu đáng kinh ngạc. Điều này không hề đơn giản. Cùng xem một số ví dụ về cách mà phân tích dữ liệu và khoa học dữ liệu có thể giúp tăng giá trị cho doanh nghiệp. Phân tích dữ liệu cải thiện thông tin chuyên sâu về khách hàngPhân tích dữ liệu có thể được tiến hành trên các tập dữ liệu từ nhiều nguồn dữ liệu khách hàng khác nhau như sau:
Phân tích có thể tiết lộ thông tin ẩn như sở thích của khách hàng, trang phổ biến trên trang web, thời lượng khách hàng dành để duyệt xem thông tin, phản hồi từ khách hàng và hoạt động tương tác với các biểu mẫu trên trang web. Qua đó, các doanh nghiệp có thể phản hồi các nhu cầu của khách hàng một cách hiệu quả và tăng mức độ hài lòng của khách hàng. Nghiên cứu điển hình: Cách Nextdoor sử dụng phân tích dữ liệu để cải thiện trải nghiệm khách hàngNextdoor là một trung tâm cộng đồng dành cho các kết nối đáng tin cậy và nhằm trao đổi thông tin, hàng hóa và dịch vụ hữu ích. Nhờ sử dụng sức mạnh của cộng đồng địa phương, Nextdoor giúp mọi người có một cuộc sống hạnh phúc và ý nghĩa hơn. Nextdoor sử dụng giải pháp phân tích Amazon để đo lường mức độ tương tác của khách hàng và hiệu quả từ đề xuất của mình. Phân tích dữ liệu cho phép họ giúp khách hàng xây dựng kết nối tốt hơn và xem thêm nội dung liên quan theo thời gian thực. Phân tích dữ liệu cung cấp thông tin cho các chiến dịch tiếp thị hiệu quảNhờ phân tích dữ liệu, bạn không cần phỏng đoán khi thực hiện tiếp thị, phát triển sản phẩm, sáng tạo nội dung và dịch vụ khách hàng. Phân tích dữ liệu cho phép các công ty ra mắt nội dung mục tiêu và tinh chỉnh nội dung bằng cách phân tích dữ liệu theo thời gian thực. Phân tích dữ liệu cũng cung cấp thông tin chuyên sâu có giá trị về hiệu quả của các chiến dịch tiếp thị. Mục tiêu cần nhắm tới, thông điệp và nội dung quảng cáo đều có thể được chỉnh sửa dựa trên phân tích theo thời gian thực. Phân tích có thể tối ưu hóa tiếp thị để tăng tỷ lệ chuyển đổi và giảm lãng phí vào quảng cáo. Nghiên cứu điển hình: Cách Zynga sử dụng phân tích dữ liệu để nâng cao các chiến dịch tiếp thịZynga là một trong những công ty trò chơi trên di động thành công nhất thế giới với những trò chơi nổi đình đám bao gồm Words With Friends, Zynga Poker và FarmVille. Đã có hơn một tỷ người dùng trên khắp thế giới cài đặt những trò chơi này. Doanh thu của Zynga đến từ các giao dịch mua hàng trong ứng dụng, nên họ phân tích hành động của người chơi trong ứng dụng theo thời gian thực bằng cách sử dụng Phân tích dữ liệu Amazon Kinesis để lên kế hoạch cho các chiến dịch tiếp thị trong trò chơi hiệu quả hơn. Phân tích dữ liệu tăng hiệu quả hoạt độngPhân tích dữ liệu có thể giúp các công ty tinh giản quá trình, giảm thất thoát và tăng doanh thu. Lịch trình bảo trì dự đoán, bảng phân công nhân viên được tối ưu hóa và quản lý chuỗi cung ứng hiệu quả có thể cải thiện hiệu suất kinh doanh theo cấp số nhân. Nghiên cứu điển hình: Cách BT Group sử dụng phân tích dữ liệu để tinh giản hoạt độngBT Group là nhà cung cấp mạng và viễn thông hàng đầu tại Vương quốc Anh, phục vụ khách hàng ở 180 quốc gia. Nhóm hỗ trợ mạng của BT Group sử dụng Phân tích dữ liệu Amazon Kinesis để xem các cuộc gọi theo thời gian thực được thực hiện qua mạng của họ trên khắp Vương quốc Anh. Các kỹ sư hỗ trợ mạng và nhà phân tích lỗi sử dụng hệ thống phân tích đó để phát hiện, phản ứng và giải quyết thành công các vấn đề mạng. Nghiên cứu điển hình: Cách Flutter sử dụng phân tích dữ liệu để tăng tốc hoạt động trò chơiFlutter Entertainment là một trong những nhà cung cấp trò chơi và thể thao trực tuyến lớn nhất thế giới. Họ mang trên mình sứ mệnh mang niềm vui giải trí đến với hơn 14 triệu khách hàng một cách an toàn, có trách nhiệm và bền vững. Trong vài năm qua, Flutter đã thu được ngày càng nhiều dữ liệu từ hầu hết các hệ thống nguồn. Thách thức hiện tại mà họ gặp phải bắt nguồn từ yếu tố khối lượng kết hợp với độ trễ. Amazon Redshift giúp Flutter điều chỉnh quy mô theo kịp nhu cầu ngày càng tăng nhưng vẫn mang lại trải nghiệm người dùng cuối nhất quán. Phân tích dữ liệu cung cấp thông tin cho quá trình phát triển sản phẩmCác tổ chức sử dụng phân tích dữ liệu cho việc xác định và ưu tiên các tính năng mới để phát triển sản phẩm. Họ có thể phân tích các yêu cầu từ khách hàng, phân phối nhiều tính năng hơn trong khoảng thời gian ngắn hơn và ra mắt các sản phẩm mới nhanh hơn. Nghiên cứu điển hình: Cách GE sử dụng phân tích dữ liệu để tăng tốc quá trình phân phối sản phẩmGE Digital là công ty con của General Electric. GE Digital có nhiều sản phẩm và dịch vụ phần mềm trong một số ngành dọc khác nhau. Một sản phẩm có tên là Proficy Manufacturing Data Cloud. Amazon Redshift tiếp lực cho GE Digital cải thiện mạnh mẽ quá trình chuyển đổi dữ liệu và độ trễ dữ liệu để họ có thể phân phối nhiều tính năng hơn cho khách hàng của mình. Phân tích dữ liệu hỗ trợ điều chỉnh quy mô hoạt động dữ liệuPhân tích dữ liệu đưa khả năng tự động hóa vào một số tác vụ dữ liệu như di chuyển, chuẩn bị, báo cáo và tích hợp. Nhờ đó, các tác vụ thủ công kém hiệu quả bị loại bỏ, đồng thời giảm thời gian cũng như số giờ làm việc cần thiết để hoàn thành hoạt động dữ liệu. Điều này hỗ trợ quá trình điều chỉnh quy mô và cho phép bạn mở rộng ý tưởng mới một cách nhanh chóng. Nghiên cứu điển hình: Cách FactSet sử dụng phân tích dữ liệu để tinh giản quá trình tích hợp với khách hàngFactSet mang trên mình sứ mệnh trở thành nền tảng mở hàng đầu cho cả nội dung và phân tích. Hoạt động di chuyển dữ liệu liên quan đến các quá trình đồ sộ, một số thành viên trong nhóm khác nhau từ phía khách hàng và một số cá nhân ở phía FactSet. Bất cứ khi nào nảy sinh vấn đề, rất khó để tìm ra giai đoạn nào của quá trình di chuyển dữ liệu đã gặp trục trặc. Amazon Redshift đã giúp tinh giản quá trình đó và trợ lực cho khách hàng của FactSet để điều chỉnh quy mô nhanh hơn, thu về nhiều dữ liệu hơn để đáp ứng nhu cầu của họ. |
