在 Power BI 中套用深入解析，以說明視覺效果的波動
適用於：
Power BI Desktop Power BI 服務
在視覺效果中，您通常會看到值大幅增加，然後大幅下降，並想知道這類波動的原因。 透過Power BI中的深入解析，您只要按幾下滑鼠即可瞭解原因。
例如，請考慮下列視覺效果，顯示依年和季的銷售金額。 2014年銷售額大幅下降，第1季和第2季之間的銷售額大幅下降。 在這種情況下，您可以探索數據，以協助說明所發生的變更。
您可以告訴 Power BI 說明圖表中的增加或減少、查看圖表中的分佈因素，以及快速、自動化、深入分析數據。 以滑鼠右鍵按兩下資料點，然後選取 [分析 > 說明減少 ]（或增加，如果上一個列較低），或 [分析 > 尋找此分佈不同 的地方]，並在易於使用的視窗中將深入解析傳遞給您。
深入解析功能是內容相關，且是以先前的數據點為基礎，例如上一列或數據行。
注意
Power BI 預設會啟用和開啟深入解析功能。
使用深入解析
若要使用深入解析來說明圖表上看到的增加或減少，只要以滑鼠右鍵按兩下條形圖或折線圖中的任何數據點，然後選取 [分析 > 說明增加 ] （或 說明減少，因為所有深入解析都是根據先前數據點的變更而定）。
Power BI 接著會在數據上執行其機器學習演算法，並以視覺效果和描述來填入視窗，描述哪些類別最會影響增加或減少。 根據預設，深入解析會以瀑布視覺效果的形式提供，如下圖所示。
藉由選取瀑布視覺效果底部的小圖示，您可以選擇讓深入解析顯示散佈圖、堆棧柱形圖或功能區圖表。
頁面頂端的豎起大拇指和向下拇指圖示可供您提供視覺效果和功能的意見反應。 這樣做會提供意見反應，但目前不會將演算法定型，以影響下次您使用此功能時傳回的結果。
重要的是， + 視覺效果頂端的按鈕可讓您將選取的視覺效果新增至報表，就像您手動建立視覺效果一樣。 然後，您可以格式化或調整新增的視覺效果，就像對報表上的任何其他視覺效果一樣。 當您在 Power BI 中編輯報表時，您只能新增選取的深入解析視覺效果。
當您的報表處於讀取或編輯模式時，您可以使用深入解析，使其在分析數據時多用途，以及建立視覺效果，您可以輕鬆地新增至報表。
傳回結果的詳細數據
深入解析傳回的詳細數據旨在醒目提示這兩個時段之間有何不同之處，以協助您瞭解兩者之間的變更。
例如，如果 Sales 整體從第 3 季增加到第 4 季，而且這同樣適用於每一個類別的產品（計算機銷售額增加 55%，以及音訊等等），而且對於每個國家/地區，以及每一種類型的客戶來說，也都是 true，那麼數據中就沒有什麼可識別來協助說明變更。 不過，這種情況通常不是這種情況。 我們通常可能會發現所發生情況的差異，例如，在類別中，計算機和家電增長的百分比要大得多 63%，而電視與音訊只增長 23%，因此計算機和家電為第 4 季貢獻的總數比第 3 季大。 在此範例中，增加的合理說明是： 計算機和電視和音訊的銷售特別強勁。
演算法不只是傳回佔變更最大數量的值。 例如，如果絕大多數（98%）的銷售來自美國，那麼通常的情況是，絕大多數增加也在美國。 然而，除非美國或其他國家/地區對總數的相對貢獻有重大變化，否則國家或地區在此背景下不會被視為有趣。
簡單來說，演算法可以視為在模型中採用所有其他數據行，並計算該數據行在時間週期前後的分解。 這會決定該明細中發生多少變更，然後傳回具有最大變更的數據行。 例如， 在上一個範例中選取了 Category 。 電視和視頻的貢獻從33%下降到26%，而家電的貢獻從無到有增長到6%以上。
針對每個傳回的數據行，有四個視覺效果可以顯示。 其中三個視覺效果旨在醒目提示這兩個期間間的貢獻變更。 例如，如需從第 2 季增加至第 3 季的說明。
散佈圖
散佈圖視覺效果會顯示 x 軸上第一個期間內量值的值，與 Y 軸上第二個期間內針對 Category 數據行每個值之 Y 軸上的量值。 因此，如下圖所示，如果值增加，而且如果值減少，則任何數據點都位於綠色區域中。
虛線會顯示最適配的線條，因此，此線上方的數據點會比整體趨勢增加更多，而下方的數據點則較少。
在任一句點中，其值為空白的數據項不會出現在散佈圖上（例如，在此案例中為 家用電器 ）。
100% 堆疊柱形圖
100% 堆疊柱形圖視覺效果會依選取的數據行，在前後顯示量值，顯示為 100% 堆疊柱形圖。 這允許前後對貢獻的並存比較。 工具提示會顯示所選值的實際貢獻。
功能區圖表
功能區圖表視覺效果也會顯示前後的量值。 當這些變更使 參與者的順序 變更時，這非常有用。 其中一個範例是計算機以前是第一個參與者，但隨後跌至第三位。
瀑布圖
第四個視覺效果是瀑布圖，顯示期間之間的實際增加或減少。 此視覺效果清楚顯示實際變更，但並不單單表示參與層級的變更，以醒目提示為何選擇數據行為有趣。
將數據行排名為相對貢獻的最大差異時，會考慮下列事項：
當數據行具有大基數時，基數會納入考慮，因為差異在統計上較不顯著，且較不有趣。
原始值偏高或接近零的類別差異，加權高於其他類別。 例如，如果 Category 只貢獻了 1% 的銷售量，且這變更為 6%，則更具有統計意義。 因此，它被認為更有趣，而不是一個類別，其貢獻從50%變更為55%。
使用各種啟發學習法來選取最有意義的結果，例如考慮數據之間的其他關聯性。
深入解析會檢查不同的數據行之後，會選擇顯示相對貢獻最大變更的數據行和輸出。 針對每個值，在描述中會呼叫具有最重大貢獻變更的值。 此外，也會呼叫具有最大實際增加和減少的值。
考量與限制
由於這些深入解析是以上一個數據點的變更為基礎，因此當您選取視覺效果中的第一個數據點時，就無法使用這些深入解析。
下列清單是目前不支援的案例集合，說明 增加/減少：
- TopN 篩選條件
- 包含/排除篩選
- 量值篩選
- 非數值量值
- 使用「將值顯示為」
- 篩選量值 - 篩選量值是已套用特定篩選的視覺層級計算（例如 ，法國的總銷售額），並用於見解功能所建立的一些視覺效果
- 除非它根據純量的數據行定義排序，否則 X 軸上的類別數據行除外。 如果使用階層，則使用中階層中的每個數據行必須符合此條件
- 已啟用 RLS 或 OLS 的數據模型
此外，目前針對深入解析不支援下列模型類型和數據源：
- DirectQuery
- 即時連線
- 內部部署 Reporting Services
- 內嵌
深入解析功能不支援以應用程式的形式散發的報告。
相關內容
如需 Power BI的詳細資訊，以及如何開始使用，請參閱：