Anomaliregistrering i Lucky Templates, Zoom-skydere og smart fortællefunktionalitet

I denne tutorial vil jeg tale om LuckyTemplates anomali detektion, som er en ny funktion, der blev udgivet i slutningen af ​​sidste år. Som et eksempel vil jeg bruge en af ​​de rapporter, jeg indsendte som en del af.

LuckyTemplates Challenge udføres to gange om måneden på LuckyTemplates Forum. Det involverer scenarier i det virkelige liv, hvor deltagerne kan se, hvordan LuckyTemplates kan anvendes på tværs af forskellige brancher. Det er også en fantastisk måde at prøve forskellige LuckyTemplates-funktioner, som f.eks. anomalidetektion.

Indholdsfortegnelse

• Aktivering af anomalidetektion i LuckyTemplates
• Tilpasning af anomalier
• Brug af zoomfiltre
• Få mere indsigt fra anomalidetektion i LuckyTemplates
• Smart fortælling
• Konklusion

Aktivering af anomalidetektion i LuckyTemplates

var stadig ret ny, da jeg begyndte at arbejde på denne rapport. Denne funktion hjælper med at forbedre visualiseringer ved at detektere uoverensstemmelser i tidsseriedata .

Til at begynde med var jeg usikker på dets værdi, og hvordan det kan gavne mine rapporter. Da jeg gravede dybere ned i, hvad den kan, indså jeg, at dette var et godt opkald for LuckyTemplates-teamet. Jeg er også sikker på, at de med tiden vil finde måder at forbedre funktionen yderligere på. Men i sin nuværende form bidrog det allerede meget til min rapportudvikling.

Du kan finde ud af mere om, hvad detektion af anomalier kan gøre, gennem en simpel Google-søgning. Hvis du leder efter "anomalier i LuckyTemplates", vil det første resultat vise et Microsoft-dokument, der gennemgår de forskellige muligheder for registrering af anomalier.

Nu vil jeg vise dig, hvordan jeg brugte LuckyTemplates anomalidetektion på min rapport.

Dette er en af ​​siderne i min rapport, som viser planteanomalier. Og hvis du kigger nederst på siden, vil du se, at jeg faktisk har tre forskellige slides, der dækker anomalier.

Jeg har sat dette dias op som et skjult dias, det er derfor, det viser dette ikon ved siden af ​​diasnavnet.

Det betyder, at dette ikke er et dias, du kan komme til direkte fra hjemmesiden. Faktisk er den eneste måde at se dette dias på ved at gå til siden Planter og klikke på ikonet for et ansigt med et spørgsmålstegn.

Hvis det er din første gang at håndtere uregelmæssigheder, skal du først aktivere funktionen. Under filbåndet skal du gå til Indstillinger og indstillinger , og derefter gå til Indstillinger .

Klik derefter på Forhåndsvisningsfunktioner og marker afkrydsningsfeltet ud for Anomalidetektion .

Når der er et flueben i det felt, skal du blot klikke på OK for at anvende ændringerne.

Tilpasning af anomalier

Lige nu kan anomalier kun vises gennem linjediagrammer.

Selvom det er den eneste mulighed for den slags visualisering at bruge, tilbyder den en række tilpasningsmuligheder.

Det dilemma, jeg stod over for med denne rapport, er det faktum, at jeg har en mørk baggrund på mine sider. Dette gør det ret svært at se nogle af de detaljer, som jeg gerne vil se. Her er hvad jeg gjorde for at rette op på det.

Under analyseruden er der en sektion til Find anomalier . Som standard er følsomheden indstillet til 70 %.

Det er den samme indstilling, som jeg bruger til mine linjediagrammer. Anomalierne kan ses gennem de hvide markører i hele diagrammet.

De fleste øger følsomheden til mindst 80 %.

Det betyder, at flere uregelmæssigheder vil dukke op. Hvis jeg skulle anvende det på mit linjediagram, vil det se sådan ud. Bemærk, at der er flere hvide markører nu sammenlignet med tidligere.

Under samme rude er også indstillingen Forklar ved . Da den anomali, jeg arbejder på, handler om planter, valgte jeg at henvise til Planteplaceringen.

Den næste ting, jeg tilpassede, var Anomaly-formen . Jeg bruger altid denne runde dråbeform, men du kan også vælge andre tuscher, som en firkant eller en trekant.

Næste er Anomaly-farven . Jeg valgte hvid, fordi dette viser den største kontrast mod den mørke baggrund, der blev brugt i min rapport.

En anden tilpasningsmulighed er stilen Forventet rækkevidde . Du kan vælge mellem Fyld, Linje eller Ingen.

Det var her mit problem startede. Hvis jeg vælger Fyld, indstiller intervalgennemsigtigheden til 0% og vælger hvid som intervalfarve, vises dette lidt mere i rapporten.

Hvis jeg klikker på en af ​​uregelmæssighederne for at se detaljerne, vises detaljerne til højre. Problemet er, at detaljerne til højre ikke følger den samme mørke baggrund, som jeg brugte på rapporten, men vil følge de samme indstillinger, som jeg har angivet før.

Som du kan se, er markørerne for anomalierne knap set.

Hvis jeg klikker på et andet punkt, vises det nederst. Igen kan detaljerne næsten ikke ses.

Dette er grunden til, at jeg var nødt til at oprette en separat fil kun for uregelmæssigheder. Her anvendte jeg et af standardtemaerne fra Microsoft i stedet for at anvende det samme tema, som jeg brugte til resten af ​​min rapport. Da dette er beregnet til at blive vist mod en lys baggrund, er det også nemmere at se detaljerne.

Jeg har sendt feedback til Microsoft om dette, så jeg forhåbentlig kan tilpasse hver eneste detalje, når jeg arbejder med afsløring af anomalier. Men for nu var det at have en separat fil den bedste løsning, jeg kan komme i tanke om, især hvis jeg vil holde mig til mit tema.

Brug af zoomfiltre

En anden funktion, som LuckyTemplates udgav på omtrent samme tidspunkt, som de introduceredeer muligheden for at tilføje zoomfiltre. Det er noget, som jeg også anvendte på mine anomalier i denne rapport.

For at aktivere dine zoomskydere skal du bare gå til formateringsruden og slå kontakten til funktionen til.

Afhængigt af de data, du har, og hvad du vil vise på din rapport, kan du tilføje zoomskydere til både din X- og Y-akse. Men i den rapport, jeg bruger lige nu, valgte jeg at holde mig til min X-akse.

Hvis jeg skifter tilbage til det visuelle her, vil du se, at jeg kun har en skyder i bunden. Det er fordi, jeg ønsker, at seerne skal kunne zoome ind på data fra mere specifikke datoer.

Det er derfor, jeg henviste til min Dato-kolonne under X-aksen.

Jeg har disse indstillinger for min visual, der bruger nedetidsminutter-målet, så jeg henviste til det under Værdier .

Da jeg er på siden Planteanomalier, brugte jeg Planteplacering under Forklar ved. Jeg justerede også følsomheden til 80% for at vise lidt flere uregelmæssigheder end standarden.

Jeg beholdt også den samme form, som jeg brugte i de tidligere anomalier, jeg viste dig. Du kan øge eller formindske størrelsen af ​​formen afhængigt af dine data.

Det giver måske mere mening at gøre disse punkter større. Så det vil jeg lade være op til dig, når du laver din egen analyse. Bare for at vise dig forskellen, kan du se på billedet nedenfor. Det visuelle på toppen har en størrelse 6, mens den nederste er en størrelse 5.

Da jeg allerede har en hvid baggrund, brugte jeg en mørkere anomalifarve.

En god grund til, at jeg placerede disse zoomskydere, er for at vise flere detaljer i mit visuelle billede. Jeg har faktisk den forventede rækkevidde i gråt under de blå linjer. Men hvis jeg efterlader den i sin oprindelige tilstand, kan de grå områder næsten ikke ses. Så jeg gik til zoomskyderen og trak den for at formindske dataene til en mindre tidsperiode.

Det gjorde, at jeg kunne vise det forventede interval bedre.

Få mere indsigt fra anomalidetektion i LuckyTemplates

Oprettelse af en ny side med en lysere baggrund hjalp helt sikkert med at vise dataene mere effektivt i denne rapport. Men der er en fantastisk måde at få endnu mere indsigt gennem registrering af anomalier.

For dette punkt, hvis jeg vil vise flere detaljer om den specifikke anomali, skal jeg bare se på højre side her. Da rapporten bruger en designindstilling beregnet til en hvid baggrund, er det ikke nemmere at se detaljerne.

Den har også skrevet detaljer under sig, der fortæller os, at nedetidsminutterne var uventet høje den 20. oktober i 2019.

Det fortæller os også, at det nåede 79.332, da det forventede interval kun var på 62.045 til 68.558.

Lad mig klikke på et andet punkt, der vil vise mig flere detaljer. Dette punkt her siger for eksempel, at dens anlægsplacering er i Chatham.

Så hvis jeg klikker på rullemenuen for at se mere information, viser den mig en anden visualisering, der fortæller mig, hvordan placeringen påvirkede de samlede nedetidsminutter.

På trods af fortællingen, der forklarer, hvad der skete, er det stadig svært at se detaljerne på det visuelle, fordi der bare er for mange data. Plus, der er to forskellige linjer, der løber gennem det - en lyseblå og en mørkere blå.

I dette tilfælde ville den bedste måde at se detaljerne bedre på være at klikke på denne knap, der siger "Tilføj til rapport", som vil tilføje dette diagram til mit dias.

Inden jeg tilføjer det til min rapport, så lad mig forberede pladsen, hvor den skal hen. Jeg vil gøre disse to eksisterende diagrammer på siden mindre.

Når jeg klikker på Tilføj til rapport , dukker den op i det tomme rum her i min rapport.

For at gøre det nemmere at se alt, vil jeg flytte rundt på tingene og strække diagrammet ovenpå, så vi kan se disse linjer bedre.

Du har set, hvad jeg gjorde med uregelmæssighederne for nedetidsminutterne gennem tiden . Jeg lavede stort set den samme proces for det visuelle, der viser Defects Through Time .

Når jeg åbner analyseruden for Defects Throughout Time , vil du se, at jeg øgede følsomheden til 80 %, ligesom jeg gjorde med den forrige visualisering. Men under Forklar af henviser jeg denne gang til leverandøren.

Hvis jeg klikker på et bestemt punkt, vil det vise flere data om den specifikke leverandør. I dette tilfælde viser det, at leverandøren Babblestorm har den største anomali.

Hvis jeg klikker på rullemenuen for Babblestorm, vil den vise den visuelle detaljering af denne anomali.

Hvis du holder markøren over et hvilket som helst punkt på visualiseringen, vises de specifikke tal på den specifikke dato.

Anomalidetektion er allerede nyttig nok, som den er, men vi vil se dybere indsigt, hvis den udvikles yderligere. Igen, Microsoft er normalt modtagelig for feedback, så jeg håber at se flere forbedringer af denne funktionalitet.

Bare for at vise dig, hvordan det ser ud, når rækken af ​​uregelmæssigheder ser klarere ud, så lad os gå til det dias, jeg oprettede for en måneds glidende gennemsnit for leverandør- og planteanomalier.

Som du kan se, kan anomalierne tydeligt ses. I den, kan du se det forventede interval i gråt med de faktiske resultater repræsenteret af de blå linjer i midten.

Dette viser, at du virkelig kan maksimere de fulde fordele ved anomalidetektion, når det kommer til glidende gennemsnit . Det samme kan observeres, hvis man ser på det visuelle for defekterne gennem tiden .

Hvis jeg klikker på nogen af ​​anomalierne, viser den stadig mulige forklaringer i højre side.

Smart fortælling

En anden funktionalitet, der blev introduceret tiler den smarte fortællefunktion. Smarte fortællinger giver dig et overblik over, hvad dine billeder og rapporter viser ved hjælp af kunstig intelligens.

For at aktivere denne funktion skal du gå til Indstillinger og indstillinger under Fil-båndet og derefter klikke på Indstillinger .

Klik på Forhåndsvisningsfunktioner , og se derefter efter det smarte fortællingsbillede . Bare sæt kryds i boksen før den for at tænde den.

Hvis du vil lære flere detaljer om, hvad funktionen gør, kan du klikke på linket "Læs mere". Dette vil føre dig til Microsoft-dokumentet, der diskuterer detaljerne.

Du kan også se en videotutorial lavet af Greg Phillips, en af ​​vores LuckyTemplates-eksperter. I videoen viser han, hvordan han bruger smarte fortællinger i sine egne reportager.

For at vise dig, hvad smarte fortællinger gør, har jeg lavet en anden version af mit Plant Anomalies-dias. Som du kan se, har jeg gjort de eksisterende to visuals mindre, hvilket efterlader lidt plads på højre side.

I højre rude under Visualiseringer vil du se et ikon, der ligner et stykke papir med en blå prik. Dette er ikonet for smarte fortællinger.

Jeg klikker på det ikon, så det kan begynde at skabe en fortælling baseret på min rapport. Bemærk, at nogle gange tager det et par sekunder for fortællingen at indlæse, afhængigt af hvor meget data den skal igennem.

Når den dukker op, kan du trække tekstboksen for at få den til at passe bedre til din rapport, især hvis den viser en hel del information.

Du kan også formatere teksten, hvis du vil gøre den nemmere at læse. I dette tilfælde ændrede jeg skrifttypen til Arial størrelse 16.

Lad os nu tage et kig på hvert af pointerne fra den smarte fortælling.

Den første fortæller os, at der var en opadgående tendens med en stigning på 2,89 % gennem hele datointervallet for nedetidsminutterne.

Den anden post siger, at værdierne i gennemsnit var 21.545 inden for samme datointerval.

Dette tredje punkt går ind i den længste periode med nedgang i nedetidsminutter mellem den 11. og 16. november i 2018.

Det giver fortsat anden indsigt i de data, der er givet i rapporten. Som du kan se, har det understreget disse stykker data med lyseblåt.

Hvis du hellere vil oprette din egen fortælling, kan du klikke på Tekstboks under Indsæt-båndet. Når tekstboksen vises, kan du skrive din egen analyse ind i det angivne rum.

Jeg vil ikke gå ind i de fulde detaljer om den smarte narrative funktion i denne tutorial, men du er velkommen til at tjekke Gregs YouTube tutorial på LuckyTemplates-kanalen.

Konklusion

Microsofts LuckyTemplates-team har virkelig overgået sig selv med denne batch af nye funktioner. Anomalidetektion giver os et dybere blik på variansen mellem vores forventede resultater og de faktiske resultater. Zoom-skyderne hjælper os med at nulstille bestemte punkter i vores datasæt. Smarte fortællinger hjælper os med at verbalisere den indsigt, vores rapporter leverer.

Når jeg ved, hvordan Microsoft fungerer, er jeg sikker på, at vi vil se endnu flere forbedringer og muligvis flere funktioner i den nærmeste fremtid, der kan forbedre LuckyTemplates-oplevelsen endnu mere.

Alt det bedste,

Jarrett