Писал ранее, что изучаю Power BI, пока ищу работу. В этом плане он похож на Excel: вроде бы основы понятны даже ребенку, но когда дело доходит до нюансов, уже нужно хорошо понимать, что делаешь.

Сегодня я узнал его функцию, которую не изучал ранее: визуализацию под названием "Ключевые факторы влияния". В чём её суть: можно взять таблицу с целевой категорией из двух позиций в одном столбце (например, купили подписку на приложение / не купили, погиб человек в больнице / выжил) и проанализировать влияние числовых метрик из нескольких других столбцов.

В моём примере Power BI разбирал, купили ли пользователи подписку на приложение, в зависимости от времени их нахождения в нём, потраченных денег и оценок. Инструмент строит распределение; внутри работают механизмы линейной и логистической регрессий. Из такой визуализации можно сделать выводы, например: если человек провел в приложении больше 6 секунд, он, скорее всего, оформит подписку.

С одной стороны, это удобно. Сложная математика делается в Power BI из коробки за минуту. Даже я, человек с промышленным и ритейл-опытом, понимаю, как это использовать. Теоретически можно взять категории техники, количество ремонтов по месяцам, сам месяц и строить зависимости, чтобы прогнозировать будущие поломки. И можно дальше выстраивать логические цепочки статистических зависимостей без долгой подготовки данных.

С другой стороны, поддерживается только целевой столбец с двумя категориями. А это значит, что для большего количества классов и сложных соотношений всё равно придётся строить более сложные модели. Мне доводилось строить похожие с помощью LogisticRegression в Python, но такие инструменты напрягают любого, кто не работает с машинным обучением каждый день, так как требуют погружения и сложны в настройке.

Поэтому как направление - это хорошо. Главное, чтобы дорабатывали; я бы посмотрел на дальнейшее развитие такого инструмента.

Что думаете? Использовали бы в реальной работе? Ну, или расскажите, что вы открыли нового в последнее время.

#аналитикаданных #bi #powerbi #визуализацияданных #статистика