PowerBI 2019年2月更新 - 暴露暗藏的AI技术

PowerBI 在分析方面逐渐加强，继：

1. 解释此增长
2. 找出此分布的不同之处 而后，本次更新提供了新的分析功能，称为“关键影响因素”。

我们先简单说明此次更新的普通内容后来重点说明“关键影响因素”这个特性。

下载微软官方示例文件

PowerBI 每月更新，微软官方提供一个示例文件，我们基于该文件来进行介绍，与微软官方保持一致，为了便于理解，在需要时我们采用其他案例进行说明。

https://github.com/Microsoft/powerbi-desktop-samples

或者联系 BI佐罗 直接获取。

开启相关预览功能

首先需要开启相关的预览功能：

重启 PowerBI Desktop 后生效。

新筛选器体验

此前的更新已经介绍过该功能。本次更新改进了更多细节。

更多细节的改进使得该特性有更强的实用性。

在制作 PowerBI 报告时，尤其是在线版的报告，需要报告级、页面级以及可视化对象级不同的筛选器来实时完成某些筛选，该特性会非常使用，尤其适用于场景：从多个元素（元素个数大于10）中选择一部分。由于每个可视化对象都可能采用类似的筛选，而为每个可视化对象提供一个显式的切片器是不合理的，它应该是商业智能内置的特性，PowerBI在这方面的更新非常得当，符合BI缩减元素范围的原始诉求。

目前存在问题： 1、在手机APP端暂不具备此功能。 2、若筛选设置为前N个元素，在用户体验上存在问题。

具体细节在月度更新的视频讲解中将详细说明。

折线图支持筛选单点或某个系列并交叉筛选其他可视化对象

现在可以选择折线图的某个点，如下：

或者可以选择某个系列，如下：

并同时起到交叉筛选其他可视化对象的作用。

可视化对象支持圆角边框及标题文字自动换行

本次更新对于可视化对象的一个小的改进在于： 1、支持圆角设置 2、支持标题文字自动换行

很明显这里还有非常重要的提升空间在于： 1、标题文字上下左右的边距 2、标题的引导小图标

类似的功能已经在按钮中实现，希望可以移植到可视化对象的标题设置中。

可视化交互可默认设置为筛选

此前的默认视觉交互是突出显示，而本次更新提供了设置为交叉筛选，这项其实更加实用：

当点击一个视觉对象时，将交叉筛选其他视觉对象，如下：

分析功能改进

本次更新带来了几处重要的分析功能改进，我们先从简单的说起。

洞察功能可用于QA

PowerBI 在数据洞察方面，引入了智能的分析，包括： 1、解释此增长 2、找出此分布的不同之处

现在这项功能可以用于QA：

很可惜，这只支持英文。

QA支持建议的问题

在 QA 的面板中，系统提供了建议的问题，如下：

该功能对于英文尚不完善，更别提中文版，属于无法实际落地的特性，但这个方向是非常好的。

改进的PY和R的编辑器

喜欢使用PY或R的战友现在可以使用与DAX一样的编辑器功能了：

包括智能提示以及编辑器行号，放大缩小等特性。

自定义可视化官方支持收费

在2019.1月的PowerBI网站，微软说明在其自定义可视化市场已经有收费可视化对象，这一官媒报道预示着微软对此是持支持态度的。在本次更新中，我们可以看到第一个使用收费模式的合作伙伴及其可视化对象：

当你开启收费模式后，则必须输入license，至少是试用的，输入后可以更好地使用收费可视化对象。如下：

相信未来将有更多的可视化高级对象的产生。

本次更新的其他可视化对象可以参考官方说明。

关键影响因素

导言

如果 PowerBI 提出一个新功能，并非空穴来风，我们应该时刻将这些特性与商业智能联系，一方面理解微软是如何看待商业智能工具应该具有什么能力；一方面则思考在你自己的商业智能方法论下是否可以演绎出微软实现某种特性的本源。

在Excel120出品的《Excel&PowerBI进化论》中，曾明确清晰地提出：商业智能的任务之一就是从海里元素中进行缩减（分组），化无限为有限，以有限驾驭无限。这样的典型特性包括但不限于： 1、分组（又称装箱，可点击实现） 2、查找群集（可点击实现） 3、DAX分组（如：年龄分组，特点是等距） 4、DAX分类（如：ABC分析，特点是非等距的业务逻辑）

我们在分析时将依靠两个武器： 1、人类按照业务逻辑的划分，必须依赖于人的经验 2、机器自动识别出的某种组合，必须依赖于机器的演算

很显然，DAX可以帮助人们实现几乎任意负责的业务逻辑划分；而BI工具或者说PowerBI将不断的深化和简化机器的演算。

理解了这些，就可以看透PowerBI在不断补充的某些能力，如： 1、解释此增长 2、找出此分布的不同之处

关键影响因素也属于PowerBI的“见解”（Insight）能力，这不过这项能力将更加智能，下面逐步来解释。

解释此增长

在视觉对象中，你通常会看到值大幅上升又急剧下降的情况，并且想知道导致这种波动的原因。 借助 Power BI Desktop 中的见解，只需单击几下即可了解原因。

得到结果：

参考：https://docs.microsoft.com/zh-cn/power-bi/desktop-insights

见解找出分布的不同之处

在视觉对象中，你通常会看到一个数据点，并想知道不同类别的分布是否相同。 借助 Power BI Desktop 中的见解，只需单击几下即可了解。

得到结果：

参考：https://docs.microsoft.com/zh-cn/power-bi/desktop-insights-find-where-different

小结

这两项能力充分体现了BI工具的作用，BI工具从纯数字角度给出了智能化的筛选，以缩小人类思考的范围，而由于BI工具根本无法知道业务逻辑，因此，人类必须基于这些可能正确或错误的见解选择出真正有意义的信息或者得到提示，进而知道想要分析的内容。

找出关键影响因素

关键影响因素，无疑是这方面的极大增强。

要想理解好关键影响因素在PowerBI中的实现，要做到： 1、理解解释此增长以及找出分布的不同 2、理解模型多个表构成的分组效果

这里举一个例子：我们知道在售卖的产品中，有不同的打折方案，是什么因素导致了折扣的不同？我们可以这样来尝试：

为什么月球对着地球的面永远相对不变，或者说为什么永远看不到月球的背面？因为：在N年的自然相互作用下，月球的自转方式慢慢受到地球影响而导致最终形成了一种一致性，因此，其对着地球的面是相对地球静止的。

为什么会产生多达80%的打折，也许并非一开始的设计，而是通过市场的自然效应，最终使得这种效应是盈利最大的，而我们需要反过来了解，这种情况下，什么特征与其具有最大的相关性？

出现折扣为 80% 的情况非常少，而女客户会使得这种概率相对于整体增加1.72倍，这就是关键影响因素。严格意义上说，这是产生关键影响的单因素。

如果我们要了解组合因素，可以继续查看排名靠前的分段，如下：

如果将女客户进一步划定范围到：年龄大于44，非教育培训也的公司客户，则有475个数据点命中，达到多达4%的比例，远远高于整体的1.5%。

这当然为人们研究数据内部的关键信息提供了更快的缩小范围方法。运行在背后的其实是带有AI特性的决策树算法，为了使这个算法可以良好的运行，是要满足一些初始条件的，再无法满足初始条件下，算法不会运行，并给出相关的错误提示。

之所以说是AI功能，我们可以用老司机工具DAX Studio来观察其底层：

可以看到：AI的前缀。这是说微软将AI能力开始植入到PowerBI并且可以通过DAX来访问之。这是否算是暴露了黑科技，以及未来的走向，上述代码可以在DAX Studio中运行，但却无法在PowerBI的DAX编辑器中运行，看来默认的用户编辑界面，微软暂时封锁了该功能，希望用户通过拖拽的方式来运行。

更多信息，参考： https://docs.microsoft.com/zh-cn/power-bi/visuals/power-bi-visualization-influencers

完全理解关键影响因素的使用，需要使用各种案例来实践，上述案例仅仅用于解释，具有一定的不合理性。

总结

微软在2019年2月首秀PowerBI更新便暴露AI黑科技，这不禁让我们期待整年的内容。

微软 PowerBI 2019 路线图已发布。【点击参考】

最后，Excel120的公众号名称正式更名为：

PowerBI战友联盟，2019将更深入地研究如何最大化发挥PowerBI的魔力：

更多了解，欢迎详细阅读《Excel&PowerBI进化论》。