No sorprende que muchos de los servicios de Microsoft estén basados ​​en Azure, pero cada vez más, Microsoft también ofrece servicios de Azure como una forma para que los clientes amplíen y personalicen sus productos.

Cuando usa flujos de datos para extraer, limpiar y transformar datos que carga en Power BI, esos datos se almacenan en Azure Data Lake. También puede usarlo en Azure Databricks o para análisis a través de Azure SQL Data Warehouse, lo que puede hacer a través de Azure Portal o hacerlo interactivo con la aplicación Power BI Desktop.

El aprendizaje automático automatizado en Power BI es la característica AutoML de Azure Machine Learning, que analiza lo que está tratando de predecir y los datos que tiene, e itera a través de varios algoritmos de aprendizaje automático para descubrir cuál obtiene la mejor puntuación. O puede aprovechar Azure Cognitive Services para analizar datos en imágenes y texto, o crear sus propios modelos de aprendizaje automático y ejecutarlos.

VER: Microsoft Power BI: Comience con la visualización de datos (PDF gratuito) (TechRepublic)

Power BI ahora también tiene visualizaciones integradas impulsadas por IA como Key Influencers, que ejecuta diferentes análisis estadísticos como regresión logística o clasificación de los datos para extraer el factor clave asociado con un resultado particular. Arrastra los factores que cree que son importantes a la visualización y Power BI los clasifica. A medida que agrega otros factores que cree que pueden ser relevantes o profundiza en un segmento específico, vuelve a ejecutar el modelo para ver si más información revela algo nuevo.

Entonces, si está analizando qué visitantes regresan a su hotel para quedarse nuevamente, el factor de influencia clave podría ser de qué país son. Pero si selecciona visitantes de un determinado grupo de edad, el modelo solo se ejecuta en esa porción de datos, donde podría estar el factor de influencia clave si comieron en el restaurante del hotel o si disfrutaron de un tratamiento de spa. Si busca retrasos en los envíos, puede agregar factores como la división que envió el envío, la fábrica de donde proviene o la región desde la que se envió para ver qué efecto tiene más dificultad en lo que llega a tiempo y lo que se entrega tarde. .

Hay dos nuevas visualizaciones de IA. Cambio de distribución encuentra lo que hace que una distribución de datos sea diferente de otra. L'arborescence de décomposition envoie plusieurs requêtes au modèle Power BI, puis les relie entre elles afin que vous puissiez cliquer sur une métrique dans une visualisation pour voir ce qui se cache derrière, puis continuer à cliquer sur les différents niveaux de données pour la comprendre a fondo. De esta manera, puede ver si esas 500 ventas en una ciudad las realiza un grupo particular de clientes o muchos clientes diferentes que aún tienen algo en común.

Todo esto puede potenciar las visualizaciones en lenguaje natural, los tableros y las capacidades de preguntas y respuestas por las que se conoce a Power BI, así como los nuevos informes paginados que anteriormente requerían SQL Server. Por ejemplo, cuando se usa el aprendizaje automático, la predicción de cada fila incluye detalles sobre lo que contribuyó a la predicción. Por lo tanto, puede incluir la explicación en un informe para aclarar de dónde provienen los números y qué factores parecen estar involucrados.

Índice
  • Profesionales de datos
  • Profesionales de datos

    Power BI tiene diferentes caminos para llegar allí, dependiendo de si es un científico de datos que quiere que su trabajo esté disponible para el resto de la empresa o un analista que quiere usar el aprendizaje automático pero no tiene las habilidades necesarias. . sí misma.

    Los científicos de datos pueden agregar pasos a un flujo de datos para extraer información de datos no estructurados, como imágenes o texto de tweets o reseñas, extrayendo palabras clave, realizando análisis de sentimientos o detectando el contenido de una fotografía. Esto funciona con Cognitive Services, pero sin los pasos habituales de escribir código para llamar a la API; simplemente puede agregar análisis de imágenes y texto al flujo de datos.

    A medida que surjan nuevos servicios cognitivos, Power BI agregará más de estas funciones. Las últimas son la extracción de texto de imágenes, el reconocimiento de escritura a mano y el reconocimiento de entidades, no solo extrayendo palabras clave, sino clasificando a lo que se refieren. Si es propietario de un hotel y está consultando reseñas en Internet, el reconocimiento de entidades puede indicarle si el término "ciclismo" en una reseña se refiere a un huésped feliz que se quedó en un viaje en bicicleta o a un cliente descontento que se queja del aire acondicionado. . y fuera toda la noche.

    Si crea sus propios modelos de aprendizaje automático en Azure Machine Learning y los publica como un servicio web, puede otorgar a los analistas de Power BI de su organización acceso basado en roles a través de Azure Portal y luego se mostrarán. como modelos que pueden usar de la misma manera que Cognitive Services. Si desea analizar las fotos en estas reseñas de hoteles, es posible que deba entrenar un modelo de reconocimiento de imágenes personalizado para comprender las imágenes de las cosas que encuentra en un hotel. Las fotos de acondicionadores de aire, bombillas, ventanas y ascensores en una reseña de hotel probablemente sean una mala señal, y es posible que el modelo estándar de reconocimiento de imágenes no los resalte como objetos importantes.

    VER: Microsoft Power BI: el análisis de datos se generaliza (Tech Pro Research)

    ¿Qué sucede si crea su propio modelo de aprendizaje automático y usa Python y R para integrarlo con Power BI, o usa AutoML en Power BI para permitirle descubrir qué algoritmo de aprendizaje automático funciona mejor con sus datos? Ahora puede cargar estos modelos en Azure Machine. Aprender a gestionarlos o perfeccionarlos aún más. Esto significa que los analistas de negocios podrían usar la opción automatizada y, si resulta útil, un científico de datos podría tomarla y desarrollarla más.

    Y toda esta información se puede utilizar de diferentes maneras. A pesar de lo poderosos que son los paneles interactivos y las visualizaciones de Power BI, lo que los usuarios comerciales a veces quieren es el informe familiar que pueden imprimir y leer, o enviar por correo electrónico a un cliente o proveedor. Power BI ahora admite los mismos informes paginados con encabezados y pies de página y diseños de tablas, gráficos o matrices que SQL Server Reporting Services (con una nueva herramienta Report Builder para crearlos). Los informes paginados son parte de Power BI Premium, pero también son compatibles con el servidor de informes local de Power BI.

    Por lo tanto, si desea trasladar sus análisis de SQL Server Reporting Services a Power BI, puede crear un sistema de inteligencia comercial empresarial que le brinde la gama completa de análisis comerciales, desde los informes de los que probablemente ya depende su organización hasta el aprendizaje automático que intenta para encontrar automáticamente información en datos que no son necesariamente estructurados o numéricos. Si Power BI no satisface sus necesidades por sí solo, la idea es facilitar la ampliación con Azure para que los usuarios empresariales puedan hacerlo por sí mismos.

    Más información sobre Power BI y Microsoft

    • Power BI Premium de Microsoft ofrece características de nivel empresarial y descuentos en paquetes (ZDNet)
    • La adquisición de Datazen podría llevar Microsoft Power BI a iOS y Android (TechRepublic)
    • Cree un banco que pueda sorprender y deleitar con Power BI (Biblioteca de recursos de TechRepublic)
    • Cree visualizaciones y análisis de datos con Google Fusion Tables (TechRepublic)
    • Microsoft Office 365: la guía de la persona inteligente (TechRepublic)