Power BI e Inteligencia Artificial en el BizzSummit ES 2022
El pasado 10 de septiembre tuve el honor de participar en el BizzSummit ES 2022 con una sesión sobre Power BI y la Inteligencia Artificial (IA). La idea de la sesión era explicar por qué añadir IA a nuestros informes de Power BI.
Antes de empezar, quiero dar las gracias a los organizadores y sponsors por el eventazo en el que pude disfrutar tanto como ponente de esta charla, como de oyente en el resto de las sesiones.
¿Por qué añadir Inteligencia Artificial a nuestros informes de Power BI?
Estamos acostumbrados a analizar datos históricos y presentes de nuestro negocio, es decir, desarrollar informes que nos cuentan lo que ha posado hasta ahora. Pero podemos añadir mucho más valor a nuestro trabajo gracias a la IA. Por ejemplo, podemos incluir:
- Explicar las causas de la situación actual
- Detectar posibles anomalías
- Predecir comportamientos
- Clasificar datos en base a elementos comunes
- Analizar datos no estructurados como textos o imágenes
En esta sesión revisamos ejemplos de uso en Power BI de algunos de estos tipos de análisis. Os los mostraré a continuación en este post.
¿Es necesario ser Data Scientist para incluir IA en nuestros análisis?
Muchas veces pensamos que, para empezar en el mundo de la Inteligencia Artificial, debemos ser un Data Scientist con un postgrado en Matemática Avanzada y conocimientos de los lenguajes Python y R. Este perfil es necesario cuando nuestra organización quiera profundizar en este tipo de análisis, pero podemos empezar a incluir IA sin necesidad de todos estos conocimientos previos.
De hecho, Power BI incluye una serie de modelos preconfigurados y conexiones a servicios de IA en Azure que nos ayudará a añadir inteligencia a nuestros informes de manera sencilla. Veamos algunos ejemplos.
OPCION1: Visuales con IA disponibles en Power BI Gratuito
En la versión más básica de Power BI (la versión gratuita para uso personal sin poder compartir) ya puedes usar ciertas visuales que incluyen IA.
NOTA: Durante la sesión hablé de la versión Pro (de pago), pero es cierto que en la versión Free también estan disponibles (gracias Ana María Bisbé York) por la corrección ;)
Entre estas visualizaciones están:
- Influenciadores Clave
- Detección de Anomalías
- R & Python
- Esquemas Jerárquicos
- Narración Inteligente
- Preguntas y Respuestas (Q&A)
Veamos algunos ejemplos de estas visuales que mostramos durante la sesión:
Influenciadores Clave
Esta visual nos permite investigar sobre qué atributos de nuestras dimensiones de análisis influyen más en el crecimiento o disminución de una medida del modelo.
Por ejemplo, podríamos analizar en un informe de ventas, que parámetros de los clientes, artículos, tiempo, etc… influyen en obtener un mayor margen de ventas. De este modo, podríamos hacer hincapié en esos valores para aumentar el margen global de nuestra empresa.
En el ejemplo que vimos en la sesión analizamos que influye en el aumento de los defectos en una planta de producción, esto es, qué hace que se produzcan más errores en la fabricación de nuestros productos.
Como podéis observar en la imagen, la probabilidad de defectos es mayor si:
- La orden de producción está retrasada.
- El producto es el D0003
- No es una orden de producción completa (se ha fabricado sólo un parcial de la cantidad planificada)
- La unidad de producción que participa en la ruta es la 120
- En la ruta se incluye el grupo de recursos (máquinas) 1220
- …
Toda esta información nos ayuda a tomar decisiones: dónde debo actuar para reducir mis fallos de fabricación.
Si queréis saber como funcionan y como configurar este tipo de visuales podéis consultar este tutorial de Influenciadores Clave sobre Juego de Tronos.
Detección de Anomalías
En este segundo ejemplo vimos la funcionalidad de Detección de Anomalías disponible en los gráficos de línea de Power BI. Esta funcionalidad de IA nos crea un margen de confianza en el que la IA estima que debería estar el valor medido y nos avisa si ese valor se sale de la predicción (anomalía).
En el caso que presentamos analizamos los retrasos de vuelos de pasajeros. Si dibujamos los minutos promedio de retraso por día, siempre tenemos retrasos. La pregunta interesante es ¿Qué días hubo un retraso más allá de lo “normal”?
Gracias a esta funcionalidad podéis ver en el gráfico anterior los días marcados con un pequeño triángulo (Anomalías). Aparte, una vez publicado el informe la IA nos intentará explicar posibles motivos de esa anomalía:
Si queréis aprender a usar esta visual con IA, podéis consultar este tutorial de Detección de Anomalías en Power BI con un ejemplo de análisis de accidentes de tráfico en UK.
OPCION 2: Conexiones con servicios de IA de Azure con Power BI Premium
Con la licencia de Power BI Premium (tanto Premium por Capacidad como Premium por Usuario) se incluyen funcionalidades adicionales de IA:
Para conectar nuestros informes de Power BI Premium con servicios de IA en Azure tenemos 2 opciones:
Editor de Consultas y ML & Cognitive Services
Dataflows y AutoML
Durante la sesión vimos 3 ejemplos que intentaré explicaros ahora:
Dataflows y AutoML para detección de fallos
En este caso usamos Dataflows y su opción de AutoML para que el propio sistema analizase los datos y nos crease el mejor modelo e Machine Learning que se ajustase a nuestra casuística.
Simplemente subimos un histórico de producciones con una columna que indica si se produjeron fallos o no y otras columnas con las características del producto y las condiciones de fabricación. Seguimos un asistente de AutoML que con 4 preguntas sencillas nos desarrollo un modelo para predecir si una producción tendría fallos.
Además nos crea un informe de entrenamiento donde nos explica los algoritmos seleccionados para nuestro modelo:
Si queréis profundizar más, en el 2020 hice otra sesión hablando de Power BI e IA donde realicé algunos ejemplo. Tenéis el video de la sesión aquí:
Análisis de imágenes de productos de un catálogo con Power BI y Cognitive Services
En esta demo vimos como analizar un catálogo de juguetes de la competencia pasando las imágenes del pdf a Azure Cognitive Services que nos devuelve lo que ve en cada imagen para poder clasificarlas y analizarlas.
Gracias a la licencia PPU podemos conectar con este servicio de Azure para que interprete lo que hay en las imágenes y poder realizar el análisis.
Si queréis aprender a hacerlo, podéis consultar el tutorial de Power BI Premium y Cognitive Services.
Clasificación de clientes de un e-commerce
La última demo de la sesión nos permitía conectar nuestros datos de ventas de un informe de Power BI con un modelo de Machine Learning creado en Azure ML Studio. Este es el caso más avanzado, porque previamente hemos tenido que desarrollar y entrenar un modelo K-means en Azure ML y para ello si que es necesario ciertos conocimientos adicionales.
Como resultado, el algoritmo nos devolvía las características de los 5 grupos de clientes detectados:
Gracias a esta clasificación y explicación de las características de cada grupo, podemos realizar campañas de marketing específicas para cada uno de ellos en los que veremos una mayor efectividad.
Conclusiones
¿Alguien sigue pensando que Power BI es una simple herramienta para “pintar datos”? ¿Seguís creyendo que hace falta ser Data Scientist para añadir Inteligencia Artificial a vuestros informes de Power BI?
Espero que la respuesta a ambas preguntas sea un rotundo “NO!” y que hayais disfrutado de este post si no pudisteis asistir al evento presencialmente.
Como veis fue una sesión muy práctica con muchos ejemplos y demos en tan sólo 45 minutos.
¿Ya habíais usado alguna de estas opciones de IA en Power BI? ¡Dejad vuestras dudas y comentarios al final de este post!
