Anomaly Detection trong Power BI: Công cụ mạnh mẽ giúp phát hiện xu hướng bất thường trong dữ liệu!

1. Anomaly Detection là gì?

Anomaly Detection là tính năng trong Power BI giúp nâng cao biểu đồ đường (line chart) bằng cách tự động xác định các điểm bất thường trong dữ liệu chuỗi thời gian. Nó cũng cung cấp giải thích nguyên nhân của các điểm bất thường này, hỗ trợ phân tích nguyên nhân gốc rễ.

Chỉ với một vài thao tác, người dùng có thể nhanh chóng tìm ra các điểm dữ liệu bất thường mà không cần phải chia nhỏ hay lọc dữ liệu thủ công. Người dùng có thể tạo và xem các điểm bất thường trong cả Power BI Desktop và Power BI Service.

2. Tác dụng của Anomaly Detection?

Tính năng Anomaly Detection trong Power BI cho phép người dùng tự động phát hiện các điểm dữ liệu bất thường trong biểu đồ thời gian như doanh thu, lượt truy cập, đơn hàng,... mà không cần viết công thức hay sử dụng thuật toán phức tạp. Power BI sẽ dựa vào mô hình học máy để đánh giá Expected Range (phạm vi giá trị kỳ vọng), từ đó xác định đâu là điểm nằm ngoài xu hướng thông thường. Tính năng này đặc biệt hữu ích khi người dùng cần theo dõi biến động dữ liệu lớn và phát hiện nhanh các sự kiện đột biến như sụt giảm, tăng trưởng bất thường hoặc lỗi hệ thống.

Không chỉ dừng lại ở việc phát hiện, Power BI còn hỗ trợ giải thích nguyên nhân thông qua phần "Explain by", cho phép phân tích các yếu tố có thể dẫn đến sự bất thường (như khu vực, sản phẩm, nhóm khách hàng,...). Điều này giúp người dùng hiểu rõ lý do phía sau biến động, phục vụ cho việc ra quyết định nhanh và chính xác hơn. Nhờ tính trực quan, dễ dùng và mạnh mẽ, Anomaly Detection là công cụ đắc lực cho mọi nhà phân tích khi muốn theo dõi hiệu suất và phát hiện rủi ro hay cơ hội trong thời gian thực.

3. Cách sử dụng và các thành phần chính của Anomaly Detection

Để kích hoạt Anomaly Detection, thực hiện các bước sau: Chọn biểu đồ đường cần phân tích, sau đó đi đến tab "Analytics" trong "Visualizations" rồi bật "Anomalies" để thêm tính năng này vào biểu đồ.

Sau khi bật tính năng Anomalies, trên biểu đồ line chart sẽ xuất hiện biểu tượng hình giọt nước biểu tượng cho những giá trị bất thường trong biểu đồ.

A. Formatting Anomalies

Các điểm bất thường có thể được tùy chỉnh linh hoạt, bao gồm: Hình dạng, kích thước và màu sắc thông qua các mục như “Shape”, “Color” hay “Border”.

B. Expected Range

Expected Range (Phạm vi kỳ vọng) trong Anomaly Detection của Power BI là khoảng giá trị mà Power BI dự đoán dữ liệu sẽ nằm trong đó dựa trên dữ liệu chuỗi thời gian, dữ liệu lịch sử, mức độ biến động và xu hướng tổng thể bằng thuật toán SR-CNN (Super Resolution Convolutional Neural Network). Nếu một điểm dữ liệu nằm ngoài phạm vi này, nó sẽ được đánh dấu là bất thường (Anomaly).

(Các vùng màu xám bao quanh biểu đồ chính là Expected Range)

Chúng ta có thể thay đổi màu sắc, kiểu dáng và độ trong suốt của Expected Range

C. Options: Sensitivity và Explainations

Ở trong mục Options chúng ta sẽ thấy 2 phần đó là “Sensitivity” (Điều chỉnh tham số độ nhạy của thuật toán) và “Explain by” (Giải thích nguyên nhân của điểm bất thường). Đầu tiên chúng ta sẽ tìm hiểu về Sensitivity.

Sensitivity (Độ nhạy) là mức độ nghiêm ngặt mà Power BI sử dụng để xác định điểm bất thường. Nó ảnh hưởng đến phạm vi kỳ vọng (Expected Range) và số lượng điểm dữ liệu bị coi là bất thường.

Tăng độ nhạy: Power BI sẽ nhạy cảm hơn với những thay đổi nhỏ trong dữ liệu, tức là ngay cả những biến động nhỏ cũng có thể bị đánh dấu là bất thường.
Giảm độ nhạy: Power BI chỉ đánh dấu những trường hợp chênh lệch đáng kể là bất thường.

(Ví dụ như ở đây nếu mức Sensitivity được đặt là 100% thì sẽ xuất hiện thêm rất nhiều điểm bất thường hơn)

Ngoài việc phát hiện điểm bất thường, Power BI còn có thể cung cấp giải thích tự động về lý do xuất hiện các điểm bất thường. Khi bạn chọn một điểm bất thường trên biểu đồ, Power BI sẽ thực hiện phân tích trên các trường dữ liệu trong mô hình để tìm ra các yếu tố ảnh hưởng chính đến sự bất thường này.

Ví dụ như ngày 31/08/2019, doanh thu đạt $5,187, cao hơn phạm vi dự kiến $2,480 - $3,449. Power BI sẽ cung cấp thông tin chi tiết để giải thích lý do doanh thu cao hơn mức dự kiến này. Các yếu tố ảnh hưởng đến bất thường sẽ được sắp xếp theo mức độ ảnh hưởng (explanatory strength).

Khi nhấn vào phần mũi tên của từng yếu tố thì chúng ta sẽ thấy được phần giải thích ngắn gọn cũng như một biểu đồ thể hiện sự ảnh hưởng của yếu tố đó. Ngoài ra chúng ta có thể thêm biểu đồ giải thích này vào trang báo cáo của chúng ta bằng cách nhấn vào mục “Add to report”

Người dùng có thể kiểm soát các trường dữ liệu được sử dụng để phân tích nguyên nhân bất thường bằng việc kéo và thả các trường cần phân tích vào mục "Explain by" và Power BI sẽ chỉ phân tích dựa trên các trường này.

Ví dụ nếu bạn chỉ quan tâm đến yếu tố Sản Phẩm (Product), hãy thêm hai trường này vào phần "Explain by". Khi một điểm bất thường xảy ra vào ngày 30/08/2019, Power BI có thể phát hiện ra rằng sản phẩm ”Electronics” có ảnh hưởng 80% đến sự kiện này. Tỷ lệ ảnh hưởng được tính dựa trên mức độ chênh lệch so với giá trị kỳ vọng, khi lọc theo từng yếu tố.

4. Những lưu ý và hạn chế

🔹 Tính năng Anomaly Detection chỉ hỗ trợ biểu đồ đường (Line Chart) có dữ liệu chuỗi thời gian trong trục X.

🔹 Không hỗ trợ khi biểu đồ có "Legend", nhiều giá trị trong "Values" hoặc "Secondary Values".

🔹 Cần ít nhất 4 điểm dữ liệu để hoạt động.

🔹 Không thể sử dụng đồng thời với các đường Forecast, Min, Max, Average, Median và Percentile.

🔹 Không hỗ trợ Direct Query từ SAP, Power BI Report Server, hoặc Live Connection tới Azure Analysis Services/SQL Server Analysis Services.

🔹 Không hỗ trợ tính năng "Show Value As".

🔹 Không thể sử dụng drill-down để đi sâu vào cấp độ dữ liệu thấp hơn.

5. Kết luận

Tính năng Anomaly Detection trong Power BI giúp người dùng tự động xác định và giải thích các điểm bất thường trong dữ liệu chuỗi thời gian, hỗ trợ phân tích nhanh hơn và chính xác hơn. Hãy tận dụng Bookmarks trong các dự án Power BI của bạn để biến báo cáo thành những câu chuyện dữ liệu đầy sức sống và giá trị phân tích!