Power BI作为企业分析的未来
来源：CPDA数据分析师网 / 作者：数据君 / 时间：2021-07-23
Power BI中的自动机器学习是机器学习的ML功能
它查看您要预测的内容以及可用的数据，并通过多种机器学习算法进行迭代，以找出获得分数的方法，或者您可以利用认知服务来分析图像和文本中的数据，或者构建自己的机器学习模型并运行它们，Power BI现在还具有内置的AI驱动的可视化效果，可对数据进行不同的统计分析，如逻辑回归或分类，以提取与特定结果相关的关键因素，将您认为重要的因素拖到可视化中，然后Power BI对其进行排名，当您添加更多您认为可能相关的因素或钻取特定细分时，它会不断重新运行模型，以查看更多信息是否揭示了新内容。
如果您要分析哪些访客再次回到您的酒店进行住宿，那么关键影响者可能就是他们来自哪个/地区
但是如果您选择某个年龄段的访客，则该模型仅基于该部分数据运行，关键影响者可能是他们在酒店餐厅用餐还是接受水疗护理的地方，如果您正在查看运输延误，则可以添加一些因素，例如哪个部门发送了交货，它来自哪个工厂，或从哪个地区发送，以了解对准时到达和延迟交货有影响的因素，有两种新的AI可视化效果，分发更改查找使一种数据分发与另一种数据分发不同的原因，分解树将多个查询发送到Power BI模型，然后将它们链接在一起，因此您可以单击可视化中的指标以查看其背后的内容，然后继续单击不同数据级别以深入了解它，这样您可以看到一个城市的这500笔销售额是由特定的客户群还是许多共同的客户所驱动。
所有这些都可以融入Power BI众所周知的可视化
仪表板和自然语言问答功能，以及以前需要SQL Server的新分页报告中，例如当您使用自动化机器学习时，每一行的预测都包括对预测有贡献的详细信息，因此您可以在报告中包含说明，以阐明数字来自何处以及涉及哪些因素，数据专家Power BI有不同的方法来执行此操作，这取决于您是想要将其工作提供给其余业务的数据科学家，还是想要使用机器学习但不具备执行技能的分析师它本身。
数据科学家可以通过提取关键字
进行情感分析或检测照片中的内容，向数据流中添加步骤，以从非结构化数据如图像或推文或评论中的文本中提取信息，但是无需编写用于调用API的代码的通常步骤-您只需将图像和文本分析添加到数据流即可，随着新的认知服务的推出，Power BI将添加更多这些功能，的技术是从图像中提取文本，手写识别和实体识别-不仅是提取关键字，而且还要对它们所指的内容进行分类，如果您是旅馆老板，正在互联网上查看评论，那么实体识别可以告诉您评论中的“骑车”是指一个快乐的客人在骑车旅行时留下来，还是一个不快乐的客人抱怨空调在骑自行车时整个晚上
如果要在机器学习中创建自己的机器学习模型并将其作为Web服务发布
则可以通过门户为组织中的Power BI分析师提供基于角色的访问权限，然后它们会显示出来作为模型，它们可以与认知服务相同的方式使用，如果要分析这些酒店评论中的照片，则可能需要训练自定义图像识别模型以了解您在酒店中发现的事物的图片，旅馆评论中的空调，灯泡，窗户和电梯的照片可能是一个不好的信号，并且标准的图像识别模型可能不会突出显示它们是重要的对象。
如果您要构建自己的机器学习模型
并使用Python和R将其集成到Power BI中，或者在Power BI中使用ML使其发现哪种机器学习算法适合您的数据，则现在可以上传这些模型通过机器学习进行管理或进一步调整，这意味着业务分析师可以使用自动选项，并且如果证明有用，那么数据科学家可以选择并进一步开发它，所有这些见解都可以通过多种方式使用，由于Power BI中的交互式仪表板和可视化功能非常强大，因此有时业务用户需要的是熟悉的报告，他们可以打印并阅读或通过电子邮件将其发送给客户或供应商，Power BI现在支持与SQL Server Reporting Services相同的带有页眉和页脚以及表格，图表或矩阵布局的分页报表具有用于创建报表的新报表生成器工具，分页报告是Power BI Premium的一部分，但它们也与本地Power BI Report Server兼容。
如果要将分析从SQL Server Reporting Services迁移到Power BI
它查看您要预测的内容以及可用的数据，并通过多种机器学习算法进行迭代，以找出获得分数的方法，或者您可以利用认知服务来分析图像和文本中的数据，或者构建自己的机器学习模型并运行它们，Power BI现在还具有内置的AI驱动的可视化效果，可对数据进行不同的统计分析，如逻辑回归或分类，以提取与特定结果相关的关键因素，将您认为重要的因素拖到可视化中，然后Power BI对其进行排名，当您添加更多您认为可能相关的因素或钻取特定细分时，它会不断重新运行模型，以查看更多信息是否揭示了新内容。
如果您要分析哪些访客再次回到您的酒店进行住宿，那么关键影响者可能就是他们来自哪个/地区
但是如果您选择某个年龄段的访客，则该模型仅基于该部分数据运行，关键影响者可能是他们在酒店餐厅用餐还是接受水疗护理的地方，如果您正在查看运输延误，则可以添加一些因素，例如哪个部门发送了交货，它来自哪个工厂，或从哪个地区发送，以了解对准时到达和延迟交货有影响的因素，有两种新的AI可视化效果，分发更改查找使一种数据分发与另一种数据分发不同的原因，分解树将多个查询发送到Power BI模型，然后将它们链接在一起，因此您可以单击可视化中的指标以查看其背后的内容，然后继续单击不同数据级别以深入了解它，这样您可以看到一个城市的这500笔销售额是由特定的客户群还是许多共同的客户所驱动。
所有这些都可以融入Power BI众所周知的可视化
仪表板和自然语言问答功能，以及以前需要SQL Server的新分页报告中，例如当您使用自动化机器学习时，每一行的预测都包括对预测有贡献的详细信息，因此您可以在报告中包含说明，以阐明数字来自何处以及涉及哪些因素，数据专家Power BI有不同的方法来执行此操作，这取决于您是想要将其工作提供给其余业务的数据科学家，还是想要使用机器学习但不具备执行技能的分析师它本身。
数据科学家可以通过提取关键字
进行情感分析或检测照片中的内容，向数据流中添加步骤，以从非结构化数据如图像或推文或评论中的文本中提取信息，但是无需编写用于调用API的代码的通常步骤-您只需将图像和文本分析添加到数据流即可，随着新的认知服务的推出，Power BI将添加更多这些功能，的技术是从图像中提取文本，手写识别和实体识别-不仅是提取关键字，而且还要对它们所指的内容进行分类，如果您是旅馆老板，正在互联网上查看评论，那么实体识别可以告诉您评论中的“骑车”是指一个快乐的客人在骑车旅行时留下来，还是一个不快乐的客人抱怨空调在骑自行车时整个晚上
如果要在机器学习中创建自己的机器学习模型并将其作为Web服务发布
则可以通过门户为组织中的Power BI分析师提供基于角色的访问权限，然后它们会显示出来作为模型，它们可以与认知服务相同的方式使用，如果要分析这些酒店评论中的照片，则可能需要训练自定义图像识别模型以了解您在酒店中发现的事物的图片，旅馆评论中的空调，灯泡，窗户和电梯的照片可能是一个不好的信号，并且标准的图像识别模型可能不会突出显示它们是重要的对象。
如果您要构建自己的机器学习模型
并使用Python和R将其集成到Power BI中，或者在Power BI中使用ML使其发现哪种机器学习算法适合您的数据，则现在可以上传这些模型通过机器学习进行管理或进一步调整，这意味着业务分析师可以使用自动选项，并且如果证明有用，那么数据科学家可以选择并进一步开发它，所有这些见解都可以通过多种方式使用，由于Power BI中的交互式仪表板和可视化功能非常强大，因此有时业务用户需要的是熟悉的报告，他们可以打印并阅读或通过电子邮件将其发送给客户或供应商，Power BI现在支持与SQL Server Reporting Services相同的带有页眉和页脚以及表格，图表或矩阵布局的分页报表具有用于创建报表的新报表生成器工具，分页报告是Power BI Premium的一部分，但它们也与本地Power BI Report Server兼容。
如果要将分析从SQL Server Reporting Services迁移到Power BI
则可以创建一个企业商业智能系统，为您提供全面的业务分析，从您的组织可能已经依赖的报告到尝试的机器学习，自动寻找不一定是结构化或数字化数据的见解，如果Power BI不能完全满足您的需求，那么其想法就是使它易于扩展到Azure，以使业务用户可以自己完成。
京公网安备 11010502034401号
课程体系 
试听申请 
复听申请 
在线报名 
考试大纲 
考试报名 
准考证打印 
