Lernprogramm: Visualisieren von Anomalien mithilfe der Batcherkennung und Power BI (univariate)

In diesem Tutorial erfahren Sie, wie Sie Anomalien innerhalb eines Zeitreihendatasets im Batchmodus finden. Sie arbeiten in Power BI Desktop mit einer Excel-Datei, bereiten die Daten für die Anomalieerkennungs-API auf und visualisieren statistische Anomalien in der gesamten Datei.

In diesem Tutorial lernen Sie Folgendes:

Voraussetzungen

• Ein Azure-Abonnement
• Microsoft Power BI Desktop kostenlos zur Verfügung.
• Eine Excel-Datei (.xlsx) mit Datenpunkten in einer Zeitreihe.
• Sobald Sie Ihr Azure-Abonnement haben, erstellen Sie eine Anomaliedetektorressource im Azure Portal, um Ihren Schlüssel und Endpunkt abzurufen.
  • Sie benötigen den Schlüssel und endpunkt aus der Ressource, die Sie erstellen, um Ihre Anwendung mit dem Anomalieerkennungs-API zu verbinden. Dies geschieht später in der Schnellstartanleitung.

Laden und Formatieren der Zeitreihendaten

Öffnen Sie zunächst Power BI Desktop und laden Sie die Zeitreihendaten, die Sie aus den vorherigen Schritten heruntergeladen haben. Diese Excel-Datei enthält eine Reihe von Zeitstempel- und Wertepaaren im UTC-Format (Coordinated Universal Time).

Wählen Sie im Hauptfenster Power BI Desktop das Menüband Home aus. Öffnen Sie in der Gruppe External data des Menübands das Dropdownmenü Get Data und wählen Sie Excel aus.

Navigieren Sie im angezeigten Dialogfeld zum Ordner, in den Sie die XLSX-Beispieldatei heruntergeladen haben, und wählen Sie sie aus. Nachdem das Dialogfeld Navigator angezeigt wird, wählen Sie Sheet1 aus und dann Bearbeiten.

Power BI konvertiert die Zeitstempel in der ersten Spalte in einen datentyp Date/Time. Diese Zeitstempel müssen in Text konvertiert werden, um an die Anomalieerkennungs-API gesendet zu werden. Wenn der Power Query-Editor nicht automatisch geöffnet wird, wählen Sie auf der Registerkarte "Start" Edit Queries aus.

Wählen Sie im Power Query-Editor das Menüband Transform aus. Öffnen Sie in der Gruppe Beliebige Spalte das Dropdownmenü Datentyp:, und wählen Sie Text aus.

Wenn Sie einen Hinweis zum Ändern des Spaltentyps erhalten, wählen Sie Aktuelle ersetzen aus. Wählen Sie anschließend auf dem Menüband Start die Option Schließen und anwenden oder Anwenden aus.

Erstellen einer Funktion zum Senden der Daten und Formatieren der Antwort

Zum Formatieren und Senden der Datendatei an die Anomalieerkennungs-API können Sie eine Abfrage für die oben erstellte Tabelle aufrufen. Öffnen Sie im Power Query-Editor im Menüband Home das Neue Quelle Dropdownmenü, und wählen Sie Blank Query aus.

Stellen Sie sicher, dass Ihre neue Abfrage ausgewählt ist, und wählen Sie dann Erweiterter Editor aus.

Verwenden Sie im Erweiterter Editor den folgenden Power Query M-Codeausschnitt, um die Spalten aus der Tabelle zu extrahieren und an die API zu senden. Anschließend erstellt die Abfrage aus der JSON-Antwort eine Tabelle und gibt diese zurück. Ersetzen Sie die Variable apiKey durch Ihren gültigen Anomalieerkennungs-API Schlüssel, und endpoint durch Ihren Endpunkt. Nachdem Sie die Abfrage in die Erweiterter Editor eingegeben haben, wählen Sie Done aus.

(table as table) => let

    apikey      = "[Placeholder: Your Anomaly Detector resource access key]",
    endpoint    = "[Placeholder: Your Anomaly Detector resource endpoint]/anomalydetector/v1.0/timeseries/entire/detect",
    inputTable = Table.TransformColumnTypes(table,{{"Timestamp", type text},{"Value", type number}}),
    jsontext    = Text.FromBinary(Json.FromValue(inputTable)),
    jsonbody    = "{ ""Granularity"": ""daily"", ""Sensitivity"": 95, ""Series"": "& jsontext &" }",
    bytesbody   = Text.ToBinary(jsonbody),
    headers     = [#"Content-Type" = "application/json", #"Ocp-Apim-Subscription-Key" = apikey],
    bytesresp   = Web.Contents(endpoint, [Headers=headers, Content=bytesbody, ManualStatusHandling={400}]),
    jsonresp    = Json.Document(bytesresp),

    respTable = Table.FromColumns({

                     Table.Column(inputTable, "Timestamp")
                     ,Table.Column(inputTable, "Value")
                     , Record.Field(jsonresp, "IsAnomaly") as list
                     , Record.Field(jsonresp, "ExpectedValues") as list
                     , Record.Field(jsonresp, "UpperMargins")as list
                     , Record.Field(jsonresp, "LowerMargins") as list
                     , Record.Field(jsonresp, "IsPositiveAnomaly") as list
                     , Record.Field(jsonresp, "IsNegativeAnomaly") as list

                  }, {"Timestamp", "Value", "IsAnomaly", "ExpectedValues", "UpperMargin", "LowerMargin", "IsPositiveAnomaly", "IsNegativeAnomaly"}
               ),

    respTable1 = Table.AddColumn(respTable , "UpperMargins", (row) => row[ExpectedValues] + row[UpperMargin]),
    respTable2 = Table.AddColumn(respTable1 , "LowerMargins", (row) => row[ExpectedValues] -  row[LowerMargin]),
    respTable3 = Table.RemoveColumns(respTable2, "UpperMargin"),
    respTable4 = Table.RemoveColumns(respTable3, "LowerMargin"),

    results = Table.TransformColumnTypes(

                respTable4,
                {{"Timestamp", type datetime}, {"Value", type number}, {"IsAnomaly", type logical}, {"IsPositiveAnomaly", type logical}, {"IsNegativeAnomaly", type logical},
                 {"ExpectedValues", type number}, {"UpperMargins", type number}, {"LowerMargins", type number}}
              )

 in results

Rufen Sie die Abfrage auf Ihrem Datenblatt durch Auswahl von Sheet1 unter Parameter eingeben auf, und wählen Sie Aufrufen aus.

Datenschutz und Authentifizierung für die Datenquelle

Sie erhalten möglicherweise eine Warnmeldung, wenn Sie versuchen, die Abfrage auszuführen, da sie eine externe Datenquelle verwendet.

Um dieses Problem zu beheben, wählen Sie Datei und Optionen und Einstellungen aus. Wählen Sie dann Optionen aus. Wählen Sie unter Aktuelle Datei zunächst Datenschutz und dann Sicherheitsstufen ignorieren und potenziell die Leistung verbessern aus.

Außerdem erhalten Sie möglicherweise eine Meldung, in der Sie aufgefordert werden, anzugeben, wie Sie sich mit der API verbinden möchten.

Um dieses Problem zu beheben, wählen Sie in der Meldung Anmeldeinformationen bearbeiten aus. Wählen Sie im eingeblendeten Dialogfeld Anonym aus, um mit der API eine anonyme Verbindung herzustellen. Wählen Sie dann Verbinden aus.

Wählen Sie anschließend auf dem Menüband Start die Option Schließen und anwenden aus, um die Änderungen anzuwenden.

Visualisieren der Anomalieerkennungs-API Antwort

Beginnen Sie im Hauptbildschirm Power BI mit der Verwendung der oben erstellten Abfragen, um die Daten zu visualisieren. Wählen Sie in Visualisierungen zuerst Liniendiagramm aus. Fügen Sie dann den Zeitstempel der aufgerufenen Funktion zur Achse des Liniendiagramms hinzu. Klicken Sie mit der rechten Maustaste darauf, und wählen Sie Zeitstempel aus.

Fügen Sie die folgenden Felder aus der aufgerufenen Funktion dem Feld Werte des Diagramms hinzu. Erstellen Sie Ihr Diagramm anhand des folgenden Screenshots.

• Wert
• Obere Ränder
• LowerMargins
• Erwartete Werte

Wählen Sie nach dem Hinzufügen der Felder das Diagramm aus, und ändern Sie dessen Größe so, dass alle Datenpunkte angezeigt werden. Ihr Diagramm sieht etwa wie der folgende Screenshot aus:

Anzeigen anomaler Datenpunkte

Rechts im fenster Power BI unterhalb des Bereichs FIELDS, Klicken Sie mit der rechten Maustaste auf Value unter der Abfrage Invoked Function, und wählen Sie Neue Schnellmessung aus.

Wählen Sie auf dem eingeblendeten Bildschirm als Berechnung Gefilterter Wert aus. Legen Sie Basiswert auf Sum of Value fest. Ziehen Sie dann IsAnomaly aus den Feldern von Aufgerufene Funktion auf Filter. Wählen Sie True im Dropdownmenü Filter aus.

Nachdem Sie OK ausgewählt haben, sehen Sie unten in der Liste Ihrer Felder ein Value for True-Feld. Klicken Sie mit der rechten Maustaste darauf, und benennen Sie es in Anomalie um. Fügen Sie es dem Bereich Werte des Diagramms hinzu. Wählen Sie dann das Tool Format aus, und legen Sie den Typ der X-Achse auf Kategorie fest.

Wenden Sie Farben auf Ihr Diagramm an, indem Sie das Tool Format und dann Datenfarben auswählen. Ihr Diagramm sollte etwa wie folgt aussehen: