Power BI和Azure将成为企业分析的未来

微软自己的许多服务都是基于Azure的，这并不奇怪，但微软也越来越多地提供Azure服务，作为客户扩展和定制产品的一种方式。

当您使用数据流来提取、清理和转换加载到Power BI中的数据时，这些数据存储在Azure data Lake中。您还可以在Azure Databricks中使用它，或者通过Azure SQL数据仓库进行分析(您可以通过Azure门户进行分析)，或者使用Power BI桌面应用程序进行交互。

Power BI中的自动化机器学习是Azure机器学习的AutoML特性，它查看您试图预测的内容和可用的数据，并通过多个机器学习算法进行迭代，以发现哪个得分最高。或者您可以利用Azure的认知服务来分析图像和文本中的数据，或者构建自己的机器学习模型并运行它们。

Power BI现在还内置了ai支持的可视化工具，如Key influence ers，它对数据进行不同的统计分析，如逻辑回归或分类，以提取与特定结果相关的关键因素。你将你认为重要的因素拖拽到可视化中，Power BI将它们排序。当您添加更多您认为可能相关的因素时，或者深入到特定的部分时，它会不断地重新运行模型，以查看更多的信息是否揭示了新的内容。

因此，如果你要分析哪些游客会再次光顾你的酒店，关键的影响因素可能是他们来自哪个国家。但是，如果你选择某个年龄段的游客，这个模型只运行在那部分数据上，而关键的影响因素可能是他们是否在酒店餐厅吃饭或做过水疗。如果考虑运输延迟，您可以添加一些因素，比如哪个部门发送了该产品，来自哪个工厂，或者从哪个地区发送，以了解哪些因素对准时送达和延迟送达的影响最大。

有两种新的人工智能可视化。分布更改查找使一个数据分布不同于另一个数据分布的原因。分解树将多个查询发送到Power BI模型，然后将它们链接在一起，这样您就可以单击可视化中的一个度量来查看其背后的内容，然后继续单击到不同级别的数据以深入地理解它。通过这种方式，你可以看到一个城市的500个销售是由一个特定的客户群体驱动的，还是由许多不同的客户驱动的，他们仍然有一些共同点。

所有这些都可以用于Power BI著名的可视化、仪表板和自然语言Q&以及以前需要SQL Server的新的分页报告。例如，当您使用自动机器学习时，每一行的预测都包含促成预测的因素的详细信息，因此您可以在报告中包含解释，以澄清数据来自何处以及涉及哪些因素。

Power BI现在包含了从SQL Server生成到定制AI的报告。

Power BI对此有不同的方法，这取决于您是希望将自己的工作提供给业务的其他部分的数据科学家，还是希望使用机器学习但自己没有技能的分析师。

数据科学家可以向数据流添加步骤，通过提取关键字、进行情感分析或检测照片中的内容，从非结构化数据(如推特或评论中的图像或文本)中提取信息。这是由认知服务支持的，但是不需要编写代码来调用API——您只需将图像和文本分析添加到数据流中。

随着新的认知服务的出现，Power BI将增加更多这样的功能。最新的技术包括从图像中提取文本、手写识别和实体识别——不仅提取关键字，而且对它们所引用的内容进行分类。如果你是一个酒店老板，在网上浏览评论，实体识别可以告诉你，评论中的“骑行”是指一个开心的客人在骑自行车旅行时留下来，还是指一个不开心的客人在整晚不停地抱怨空调。

如果你创建你自己的机器学习模型在Azure机器学习和发布为web服务,你可以给权力BI分析在你的组织基于角色的访问通过Azure门户,然后他们会显示为模型可以使用相同的方式认知服务。如果你想分析这些酒店评论中的照片，你可能需要训练一个自定义图像识别模型来理解你在酒店中发现的东西的图片。酒店评论中空调、灯泡、窗户和电梯的照片可能是一个不好的信号，标准的图像识别模型可能不会把它们作为重要的对象。

Power BI中的交互式仪表板和可视化功能非常强大，但有时业务用户需要的是熟悉的报告，他们可以打印并阅读这些报告，或者通过电子邮件发送给客户或供应商。Power BI现在支持与SQL Server Reporting Services(使用新的报表生成器工具创建)相同的页眉和页脚、表、图表或矩阵布局的分页报表。分页报表是Power BI Premium的一部分，但它们也与本地的Power BI报表服务器兼容。

所以如果你想把你的分析从SQL Server权力BI报告服务,您可以创建一个企业商业智能系统,给你全方位的业务分析,报告你的组织可能已经取决于,自动机器学习,试图找到见解不一定是结构化或数值的数据。如果Power BI本身不能满足您的需求，那么我们的想法是让Azure的扩展非常容易，业务用户可以自己完成。