Power BI和Azure作為企業(yè)分析的未來

結合Power BI和各種Azure數(shù)據(jù)處理服務，您將獲得下一代商業(yè)智能和分析。毫不奇怪，微軟自己的許多服務都建立在Azure上，但越來越多的微軟也提供Azure服務作為客戶擴展和定制產品的一種方式。使用數(shù)據(jù)流提取，清理和轉換要加載到Power BI中的數(shù)據(jù)時，該數(shù)據(jù)將存儲在Azure Data Lake中。您還可以在Azure Databricks中使用它，或者通過Azure SQL數(shù)據(jù)倉庫進行分析，您可以通過Azure門戶進行分析，或使用Power BI Desktop應用程序進行交互。

Power BI中的自動化機器學習是Azure機器學習的AutoML功能，它可以查看您要預測的內容以及您可用的數(shù)據(jù)，并通過多種機器學習算法進行迭代，以發(fā)現(xiàn)哪些獲得最佳分數(shù)。或者，您可以利用Azure Cognitive Services分析圖像和文本中的數(shù)據(jù)，或者構建自己的機器學習模型并運行它們。

Power BI現(xiàn)在還具有內置的AI驅動的可視化功能，如關鍵影響因子，它運行不同的統(tǒng)計分析，如邏輯回歸或數(shù)據(jù)分類，以提取與特定結果相關的關鍵因素。您可以將您認為重要的因素拖到可視化中，然后Power BI對它們進行排名。當您添加更多您認為可能相關的因素或鉆取到特定細分時，它會不斷重新運行模型，以查看是否有更多信息顯示任何新信息。

因此，如果您正在分析哪些訪客回到您的酒店再次入住，那么關鍵影響者可能就是他們來自哪個國家。但是，如果您選擇特定年齡段的訪客，那么該模型僅依賴于那些數(shù)據(jù)，其中關鍵影響因素可能是他們是在酒店餐廳吃飯還是進行了水療。如果您正在查看運輸延遲，您可以添加一些因素，例如哪個部門發(fā)送了交貨，它來自哪個工廠，或者從哪個區(qū)域發(fā)送，以查看什么對準時到達的內容產生的影響以及什么是遲交的。

有兩種新的AI可視化。分布變化查找是什么使一個數(shù)據(jù)分布與另一個不同。分解樹將多個查詢發(fā)送到Power BI模型，然后將它們鏈接在一起，以便您可以單擊可視化中的度量標準以查看其背后的內容，然后繼續(xù)單擊不同級別的數(shù)據(jù)以深入了解它。這樣，您可以看到一個城市的500個銷售是由特定客戶群還是仍然有共同點的許多不同客戶推動的。

所有這些都可以用于Power BI眾所周知的可視化，儀表板和自然語言問答功能，以及以前需要SQL Server的新分頁報告。例如，當您使用自動機器學習時，每行的預測都包含有助于預測的詳細信息，因此您可以在報告中包含說明，以闡明數(shù)據(jù)的來源以及似乎涉及的因素。

Power BI有不同的做法，這取決于你是一個想要讓他們的工作可用于其他業(yè)務的數(shù)據(jù)科學家，還是想要使用機器學習但沒有技能的分析師它本身。

數(shù)據(jù)科學家可以添加數(shù)據(jù)流的步驟，通過提取關鍵字，進行情感分析或檢測照片中的內容，從非結構化數(shù)據(jù)(如推文或評論中的圖像或文本)中提取信息。這是由認知服務提供支持，但沒有編寫代碼來調用API的常規(guī)步驟 - 您只需將圖像和文本分析添加到數(shù)據(jù)流即可。

隨著新的認知服務問世，Power BI將添加更多這些功能。最新的是從圖像，手寫識別和實體識別中提取文本 - 不僅僅是提取關鍵字，還要對它們所指的內容進行分類。如果您是酒店老板在互聯(lián)網(wǎng)上查看評論，實體認可可以告訴您在評論中“騎自行車”是否意味著一個快樂的客人，他們在騎自行車旅行時留下來或不滿意的客人抱怨空調騎自行車整夜。

如果您在Azure機器學習中創(chuàng)建自己的機器學習模型并將其作為Web服務發(fā)布，您可以通過Azure門戶為組織中的Power BI分析員提供基于角色的訪問權限，然后它們將顯示出來作為模型，他們可以像認知服務一樣使用。如果您想分析這些酒店評論中的照片，您可能需要培訓自定義圖像識別模型，以了解您在酒店找到的內容的圖片。酒店評論中的空調，燈泡，窗戶和升降機的照片可能是一個不好的標志，標準的圖像識別模型可能不會將它們強調為重要

如果您正在構建自己的機器學習模型并使用Python和R將其集成到Power BI中，或者使用Power BI中的AutoML讓它發(fā)現(xiàn)什么機器學習算法最適合您的數(shù)據(jù)，您現(xiàn)在可以上傳Azure Machine Learning的那些模型可以管理它們或進一步調整它們。這意味著業(yè)務分析師可以使用自動化選項，如果證明有用，數(shù)據(jù)科學家可以選擇并進一步開發(fā)。

所有這些見解都可以通過多種方式使用。Power BI中的交互式儀表板和可視化功能非常強大，有時候業(yè)務用戶想要的是熟悉的報告，他們可以打印出來并閱讀，或通過電子郵件發(fā)送給客戶或供應商。Power BI現(xiàn)在支持帶有頁眉和頁腳以及表格，圖表或矩陣布局的相同分頁報表作為SQL Server Reporting Services(使用新的報表生成器工具來創(chuàng)建它們)。分頁報告是Power BI Premium的一部分，但它們也與內部部署的Power BI報告服務器兼容。

因此，如果您想將分析從SQL Server Reporting Services轉移到Power BI，您可以創(chuàng)建一個企業(yè)商務智能系統(tǒng)，為您提供從組織可能已經依賴的報告到機器學習的全方位業(yè)務分析。自動查找不一定是結構化或數(shù)字化的數(shù)據(jù)的見解。如果Power BI不能滿足您自己的需求，那么我們的想法是使用Azure輕松擴展，業(yè)務用戶可以自己完成。