尝鲜Power BI的AI黑科技图表：关键影响因素

2019年度的首次更新，PowerBI就给我们带来大惊喜，发布了第一个AI黑科技图表：关键影响因素可视化(key influencer visual)。

既然是AI，当然可以智能分析，这个图表的出现就是自动为你分析数据，帮助你快速找出结果的关键驱动因素，并按照关键程度进行排序。

让我们开始探索这个AI图表的和使用方式和震撼效果吧。

---

启用关键影响因素对象

目前还是预览功能，所以PowerBI更新到最新版之后，首先在预览功能中启用该对象，

然后重启PowerBI Desktop，该视觉对象就出现在了可视化图表区，

从这里也可以看出，PowerBI对它的期望不同于自定义图表，以后可能会直接出现在默认图表区，和柱形图、折线图一样成为工作中不可或缺的图表。

数据背景

下面以分析北京天气污染的影响因素为例，来看看这个AI图表是如何智能工作的。

数据为2016年至2017年北京每天的空气检测数据，包括每一天的空气污染程度、天气、温度、风向、风力等数据，以及当天所属的月份与季节，根据这些数据来分析到底哪种天气更易造成空气质量恶化。（因为没有其他外部污染源数据，这里只分析现有几个因素的影响）

基本界面

点击该图表，因为要分析空气污染，所以把该字段放入【分析】中，潜在的影响因素放到【解释依据】中，如下图，

这里要注意的是，分析的字段必须是分类字段，否者会报错，比如现在要分析的污染情况，分为6类：优、良、轻度污染、中度污染、重度污染和严重污染。

字段放进去以后，画布上立即就会生成分析图，外观如下，

整体上看，它就是左右两个窗格的组合图，各个区域的主要功能区已做了标记，分别释义如下：

1.选项卡 - 选择一个选项卡以在视图之间切换。

2.下拉列表 - 正在分析的指标的值。

3.重述 - 解释左侧窗格中的视觉效果。

4.左窗格 -显示了关键影响因素的排序列表。

5.重述 - 帮助我们解释右侧窗格中的视觉效果。

6.右窗格 - 显示所有的影响因素，左窗格中选定的值会高亮显示。

7.平均线 -除选定值以外的其他可能值的平均值。

8.复选框 - 仅显示有影响力的值。

---

分析关键的影响因素

我们要分析严重污染的影响因素，在下拉列表中选择“严重污染”，下面的窗格中立即出现了各个影响因素，

该图显示天气为雾霾天的影响最大，更准确的说，雾霾天导致严重污染的可能性是其它天气的44.31倍,但这个数字是怎么计算出来的，不知道。（嗯，这就是AI）

除了天气的影响，其他几个因素的主要是月份为1月、季节为冬季、风向为被北风，风力为0等，符合我们的认知。

点击左窗格的各个因素，右侧图表自动显示该因素的类别及其影响层度，比如点击冬季，右侧自动出现四个季度，柱形图依次为冬季、春季、秋季和夏季，解释了严重污染天气主要出现在冬季和春季。

可以点击右侧图表下方的复选框：只显示有影响因素的值，

与其他对象交互

该图表还可以与其他图表交互，比如使用切片器，

因为夏季没有严重污染的记录，所以没有分析出来，其他季节分别展示该季节的主要影响因素。

解释连续型字段

上面解释的都是分类字段，所以都显示为柱形图，当解释字段是连续性数据时，右侧还会显示为散点图，比如把数值型的气温数据放进来，

自动显示为散点图，且绘制了趋势线，表示温度降低，出现重度污染的可能性升高。

排名靠前的分段

点击"排名靠前的分段"选型卡，可以了解各种因素的组合如何影响正在分析的指标，气泡的大小是由样本量决定的，

点击一个气泡进来查看，

可以看到在该分段中，如果是雾霾天，并且季节不是夏季和秋季时，100%出现严重污染。

详细了解分段

在上面的界面中继续点击“详细了解该分段”，可以更精细的探索该分段的各个影响因素，

从以上对该图表的探索过程可以发现，我们只是把需要分析的数据放进去，没有再进行任何的数据处理和建模，没有使用复杂的DAX，这个AI图表自动帮我们把各个影响因素扒拉个底朝天，真的是非常强大。

一点不足之处

选中该图表，在格式框中看看它的各项设置，

简单的不可思议，只有分析类型的两个开关，连颜色、字体都没法设置，难道AI就要这么高冷！（也许这就是AI的魅力）

现在只能通过切换主题才能更改它的默认颜色，字体也有点太小，没法进行自定义的格式设置。

解释的语言表述还不是太准确，部分界面还没有汉化，中英文混在一起很别扭。

但毕竟现在只是预览阶段，期待后续的版本，以及更多的AI融入进来……

从BI到AI，这只是个开始！

加入「PowerBI星球」，一起迎接AI