Wichtig: Wir haben den QuickSight Amazon-Analyse-Arbeitsbereich neu gestaltet. Möglicherweise stoßen Sie auf Screenshots oder verfahrenstechnischen Text, der nicht dem neuen Erscheinungsbild der QuickSight Konsole entspricht. Wir sind gerade dabei, Screenshots und prozeduralen Text zu aktualisieren.
Verwenden Sie die Schnellsuchleiste, um eine Funktion oder einen Artikel zu finden.
Weitere Informationen zum QuickSight neuen Erscheinungsbild finden Sie unter Einführung eines neuen Analyseerlebnisses bei Amazon QuickSight
Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.
Verwendung der Beitragsanalyse für wichtige Einflussfaktoren
Amazon QuickSight kann die Dimensionen (Kategorien) identifizieren, die zu Ausreißern bei Messwerten (Metriken) zwischen zwei Zeitpunkten beitragen. Der Hauptfaktor, der zu einem Ausreißer beiträgt, hilft Ihnen bei der Beantwortung der Frage: Was ist passiert, das diese Anomalie verursachte?
Wenn Sie die Erkennung von Anomalien bereits ohne Beitragsanalyse verwenden, können Sie die vorhandenen Insights aus maschinellem Lernen nutzen, um wichtige Einflussfaktoren zu ermitteln. Führen Sie die folgenden Schritte aus, um eine Beitragsanalyse hinzuzufügen und die Hauptgründe für Ausreißer zu ermitteln. Ihre Insights zur Erkennung von Anomalien müssen ein Zeitfeld und mindestens eine aggregierte Metrik (SUM, AVERAGE oder COUNT) enthalten. Sie können auf Wunsch mehrere Kategorien (Dimensionsfelder) einbeziehen, aber Sie können auch eine Beitragsanalyse durchführen, ohne eine Kategorie oder ein Dimensionsfeld anzugeben.
Sie können dieses Verfahren auch verwenden, um Felder zu ändern oder zu entfernen, die bei der Erkennung von Anomalien eine wichtige Rolle spielen.
Zum Hinzufügen einer Beitragsanalyse für die Identifizierung der wichtigsten Faktoren
-
Öffnen Sie Ihre Analyse und suchen Sie nach vorhandenen ML-Insights zur Erkennung von Anomalien. Wählen Sie das Insight-Widget aus, um es hervorzuheben.
-
Wählen Sie Menüoptionen (...) aus dem Menü in der Visualisierung.
-
Wählen Sie Anomalie konfigurieren, um die Einstellungen zu bearbeiten.
-
Mit der Einstellung Beitragsanalyse (optional) kann Amazon die wichtigsten Faktoren QuickSight analysieren, wenn ein Ausreißer (Anomalie) erkannt wird. Amazon QuickSight kann Ihnen beispielsweise die wichtigsten Kunden zeigen, die zu einem Umsatzspitzenwert in den USA für Produkte zur Heimverbesserung beigetragen haben. Sie können bis zu vier Dimensionen aus Ihrem Datensatz hinzufügen, einschließlich der Dimensionen, die Sie nicht zzu den Feldbereichen dieses Insight-Widgets hinzugefügt haben.
Um sich eine Liste der für die Beitragsanalyse verfügbaren Dimensionen anzeigen zu lassen, wählen Sie die Option Select fields (Felder auswählen).
Wenn Sie die Felder ändern möchten, die Sie als Haupttreiber verwenden, ändern Sie die Felder, die in dieser Liste aktiviert sind. Wenn Sie alle deaktivieren, führt in diesem Einblick keine QuickSight Beitragsanalyse durch.
-
Um Ihre Änderungen zu speichern, scrollen Sie in den Konfigurationsoptionen ganz nach unten und wählen Sie Speichern. Um ohne Speichern zu beenden, wählen Sie Cancel (Abbrechen). Um diese Einstellungen vollständig zu entfernen, wählen Sie Delete (Löschen) aus.
