AI og Power BI giver helt nye muligheder for forretningsudvikling

Af: Per Løkke Lindhøj, Senior Business Consultant, Data & Analytics, Columbus.

Én ting skilte sig dog helt klart ud i mængden af nyheder og oplæg: nemlig hvordan Microsoft nu for alvor er begyndt at benytte AI-teknologien som en integreret del af Power BI Pro & Premium.

Indtil for ganske nylig har det nærmest krævet en Ph.d. i datalogi at arbejde med AI. Efterhånden har Microsoft nu omsat AI til en integreret del af Power BI i sådan en grad, at man nærmest kan tale om AI out of the box.

Det er ret vildt, hvad kombinationen af Power BI og AI giver af nye muligheder inden for BI! Her præsenterer vi 5 af de nye AI hacks i Power BI, som for alvor får jeres BI-arbejde til at rykke.

Power BI AI hack #1: Q&A

I bund og grund handler (god) rapportering om at fortælle en historie. Det kan være historien om resultatet af en kampagne, eller historien om udviklingen i indtjening gennem de sidste 3 år. Kunsten er at identificere den rigtige historie, og dernæst formidle den.

Med Power BI Q&A får du et alternativ til at skulle bygge din analyse fra bunden. Du begynder ganske enkelt at bygge din rapport i en tekstboks, hvor du skriver den historie, du vil fortælle, fx: Hvad er det forventede udbytte af at køre en kampagne på produkt x på marked y overfor kundegruppe z i Q2 2021?

I takt med, at du skriver teksten, vil Power BI begynde at komme med forslag til, hvilke data og analyser der skal være i rapporten. Herfra kan du så begynde at dykke ned i data og undersøge forskellige dimensioner. Undervejs registrerer Power BI fx tendenser og resultater, som du ikke selv var opmærksom på.

Q&A er en genvej til at bygge rapporter, men det er også en mulighed for at få helt nye indsigter. Samtidig reducerer du risikoen for menneskelig bias, fx at vi ofte finder de resultater og forklaringer, som vi (ubevidst) leder efter.

Bonus er, at Q&A indeholder funktionalitet, hvor Power BI lærer at forstå, hvad du spørger om. Bruger du fx ordet ’skole’, vil Power BI måske ikke ’forstå’ det, hvis dimensionen ikke er tilgængelig i modellen. Du angiver derfor ’uddannelse’ – og Power BI lærer, at ’skole’ er lig ’uddannelse’, som i dette tilfælde allerede er en del af din model.

Power BI AI hack#2: Anomalies (uregelmæssigheder)

Når du arbejder med tidsseriedata, fx indtjening over tid, vil der naturligt være en variation i data, fx fra uge til uge. Du sidder typisk med en graf og kigger på noget, der minder om en takket bjergkam – og skal vurdere, om alt ser normalt ud, eller om der er noget, I bør reagere på?

Store udsving i opadgående eller nedadgående retning er iøjnefaldende. Men er det ensbetydende med, at der er tale om en uregelmæssighed i de bagvedliggende data, eller er der bare tale om et regelmæssigt stort udsving, så at sige – fx fordi I har kørt kampagne?

Sværere er det at spotte de ’usynlige’ uregelmæssigheder – der hvor der ikke lige er noget, der springer i øjnene, fordi indtjeningen ligger og svinger i jævn rytme gennem tidsperioden.
Med Analytics funktionen ’Anomalies’ går Power BI ved hjælp af AI ind i kigger på de bagvedliggende data og registrerer automatisk, hvis der er uregelmæssigheder i dine tidsseriedata. Funktionen Anomalies giver også forklaringer på uregelmæssighederne for at hjælpe med hovedårsagsanalyse.

Der er selvfølgelig stor forskel på graden af udsving i tidsseriedata. Derfor bestemmer du selv, hvor følsom algoritmen i Power BI skal være overfor ændringer i data, og hvornår en afvigelse skal markeres som en uregelmæssighed.

Ligeledes under Analytics ligger en lignende AI funktion, som hedder ’Forecast’, men som i stedet for historiske udsving beregner hvordan udviklingen forventeligt ser ud de kommende x perioder.

Power BI AI hack #3: Analyze

Du har rapporteret omsætningstallene for indeværende år til salgsdirektøren i et overskueligt søjlediagram, måned for måned. Februar måned viser en markant stigning i omsætningen – og nu vil direktøren gerne have en forklaring på stigningen.

I stedet for at skulle i gang med et møjsommeligt detektivarbejde højre-klikker du på søjlen for februar. I løbet af no time har du en ny analyse af februar-tallene, overskueligt præsenteret. Her kan du se, at det særligt var Danmark, Tyskland og USA, der oplevede en stigning i omsætningen i februar, mens det var Danmark, Tyskland og Frankrig der havde den største relative ændring i salgstallene.

Med denne AI-funktionalitet, flytter I jer fra at få svar på, hvad der sker, til også at få svar på, hvorfor det sker. AI kigger dybere ind i tallene, og kigger bagom mønstre og tendenser. I eksemplet her har vi taget udgangspunkt i en færdig rapport, som salgsdirektøren ønsker uddybet – men det er jo også oplagt at benytte Analyze-funktionaliteten i forbindelse med, at rapporten bygges op.

Power BI AI hack #4: Decomposition Tree

En anden måde at dykke ned bag tallene på, er ved hjælp af Power BI’s funktionalitet Decomposition Tree (fordelingstræ).

Tankegangen bag fordelingstræet er: Hvilken værdi vil du analysere (en måling eller aggregering af data), og hvilke dimensioner vil du gerne forklare værdien efter (ved at foretage dataudledning)? Måske vil du kigge på jeres forsyningskæde og analysere, hvor stor en procentdel af jeres produkter i har i restordre? Eller måske vil du analysere salg af en bestemt varekategori (bøger) efter forskellige faktorer, fx genre og udgiver?

Med fordelingstræ-funktionen i Power BI kan du visualisere data på tværs af flere dimensioner. Funktionen samler automatisk data, så du kan foretage dataudledning i dine dimensioner i vilkårlig rækkefølge. Du kan bruge værktøjet til ad hoc-udforskning og root cause-analyser – og du kan også bede Power BI om at finde den næste dimension i dine data, så du kan foretage detailudledning på baggrund af bestemte kriterier.

Power BI AI hack #5: Visualisering af key influencers (nøglefaktorer)

Kunne det her være din hverdag:

• Jeres kundeservicechef vil gerne vide, hvad der er den vigtigste grund til, at kunderne giver jeres call center dårlige anmeldelser?
• Jeres produktchef vil gerne vide, hvad det er for egenskaber ved jeres produkt, som kunderne især er glade for, og hvad de især er trætte af?
• Jeres salgschef vil gerne vide, om det er de samme faktorer, der får salget til at stige på det danske og det norske marked?
• Og jeres HR-chef har en mavefornemmelse af, at pendlertid og anciennitet har betydning for stigningen i medarbejderomsætningen – men er det rigtigt, og hvad vejer tungest

Visualiseringen af key influencers (nøglefaktorer) hjælper dig med at forstå de faktorer, der ligger bag den værdi, du er interesseret i. Key influencers analyserer data, rangerer de faktorer der betyder noget, og viser dem som nøglefaktorer.

På den måde kan du ikke bare se de faktorer, der påvirker fx medarbejderomsætningen. Du kan også sammenligne den relative vigtighed af faktorerne og se, om fx pendlertid har større betydning for medarbejderomsætningen end anciennitet.
 

Hvis du vil blive bedre til Power BI, så tilmeld dig et af vores kurser: 

Se kurserne her