Insights mit Autonarratives - Amazon QuickSight

Insights mit Autonarratives

Wenn Sie einen Insight, auch als Autonarrative bezeichnet, Ihrer Analyse hinzufügen, können Sie aus den folgenden Vorlagen auswählen. In der folgenden Liste sind diese nach Beispiel definiert. Jede Definition enthält eine Liste der mindestens erforderlichen Felder, damit das Autonarrative funktionieren kann. Wenn Sie nur die vorgeschlagenen Insights auf der Registerkarte Insights verwenden, wählen Sie die geeigneten Felder, damit ein Insight in der Liste der vorgeschlagenen Insights erscheint.

Weitere Informationen zum Anpassen von Autonarratives (automatischen Beschreibungen) finden Sie unter Arbeiten mit Autonarrative-Berechnungen.

  • Bottom ranked (In der Bewertung ganz unten Stehendes) – Z. B. die unteren drei Zustände nach Umsatz. Erfordert, dass Sie mindestens eine Dimension im Feldbereich Kategorien eingeben.

  • Bottom movers (Untere Beweger) – Z. B. die unteren drei verkauften Produkte nach Umsatz. Erfordert, dass Sie mindestens eine Dimension im Feldbereich Zeit und mindestens eine Dimension im Feldbereich Kategorien eingeben.

  • Forecast (Prognose) (ML-basiertes Insight) – z. B. „Der Gesamtverkauf wird für Januar 2016 voraussichtlich 58.613 USD betragen“. Erfordert, dass Sie mindestens eine Dimension im Feldbereich Zeit eingeben.

  • Growth rate (Wachstumsrate) – Z. B. „Die dreimonatige durchschnittliche Wachstumsrate für Verkäufe lautet 22,23 %.“ Erfordert, dass Sie mindestens eine Dimension im Feldbereich Zeit eingeben.

  • Maximum – Z. B. „Der Rekordmonat ist November 2014 mit Verkäufen von 112.326 USD.“ Erfordert, dass Sie mindestens eine Dimension im Feldbereich Zeit eingeben.

  • Metric comparison (Metrischer Vergleich) – Z. B. „Die Gesamtverkäufe für Dezember 2014 liegen bei 90.474 USD, 10 % höher als das Ziel von 81.426 USD.“ Erfordert, dass Sie mindestens eine Dimension im Feldbereich Zeit und mindestens zwei Messwerte im Feldbereich Werte eingeben.

  • Minimum – Z. B. „Der schwächste Monat ist Februar 2011 mit Verkäufen von 4.810 USD.“ Erfordert, dass Sie mindestens eine Dimension im Feldbereich Zeit eingeben.

  • Erkennung von Anomalien (ML-gestützte Insights) – Zum Beispiel die drei wichtigsten Ausreißer und ihre Einflussfaktoren für den Gesamtumsatz am 3. Januar 2019. Erfordert, dass Sie mindestens eine Dimension im Feldbereich Zeit, mindestens einen Messwert im Feldbereich Werte und mindestens eine Dimension im Feldbereich Kategorien eingeben.

  • Period over period (Zeitraum über Zeitraum) – Z. B. „Die Gesamtverkäufe für November 2014 sind um 44,39 % (34.532 USD) von 77.793 USD auf 112.326 USD gestiegen.“ Erfordert, dass Sie mindestens eine Dimension im Feldbereich Zeit eingeben.

  • Period to date (Zeitraum bis Datum) – Z. B. „Die Jahresverkäufe für den 30. November 2014 stiegen um 25,87 % (132.236 USD) von 511.236 USD auf 643.472 USD.“ Erfordert, dass Sie mindestens eine Dimension im Feldbereich Zeit eingeben.

  • Top ranked (In der Bewertung ganz oben Stehendes) – Z. B. die drei Top-Staaten nach Umsatz. Erfordert, dass Sie mindestens eine Dimension im Feldbereich Kategorien eingeben.

  • Top movers (Obere Beweger) – Z. B. Top-Produkte nach Umsatz für November 2014. Erfordert, dass Sie mindestens eine Dimension im Feldbereich Zeit und mindestens eine Dimension im Feldbereich Kategorien eingeben.

  • Total aggregation (Gesamte Aggregation) – Z. B. „Die Gesamterlöse betragen 2.297.200 USD.“ Erfordert, dass Sie mindestens eine Dimension im Feldbereich Zeit und mindestens einen Messwert im Feldbereich Werte eingeben.

  • Unique values) (Eindeutige Werte – Z. B. „Es gibt 793 eindeutige Werte in Customer_IDs.“ Erfordert, dass Sie mindestens eine Dimension im Feldbereich Kategorien eingeben.