PowerBI中不仅有普通的可视化图表，还有不少AI智能应用，之前曾介绍过几个，比如：

尝鲜Power BI的AI黑科技图表：关键影响因素

体验PowerBI新的AI黑科技图表:分解树

利用Power BI智能叙述，生成动态报告摘要

今天再介绍另外一个AI功能：异常检测。这个功能已经推出有一段时间了，可能很多人并没有注意到，最近正好被人问起，这里就再专门对该功能做个介绍。

首先说明一下，这个功能目前只适用于折线图，并且只针对坐标轴为日期、单条折线并且没有启用预测的情况下，才能使用异常检测功能。

以一个收入趋势的折线图为例，选中折线图，然后在“分析”面板中打开"查找异常"，折线图周围自动就会出现期望的范围，不在范围内的数据点就会标记为异常的数据点：

展开“查找异常”功能，可以看到它的各项设置，可以调整异常点的形状、大小和颜色，还可以设置预期范围的颜色、样式和透明度，以及配置检测算法的敏感度参数。

如果提高敏感度，算法对数据的更改会更敏感。 在这种情况下，即使微小的偏差也会标记为异常。 如果降低敏感度，算法对异常的判断会更宽容，更少甚至没有异常点。

点击某个异常点，就会弹出异常面板，介绍关于异常点的说明：

并在下方对该异常出现的原因进行可能的解释，并且影响最大的因素还会自动以图表的形式对比展示出来。在上图的示例中，显示是由于VR眼镜的销量提升，拉高了整体的收入。

这个解释的可视化图表还可以直接添加到报表中，放大进行更详细的观察和分析：

这个解释的折线图的次坐标轴所用的数据，模型中并没有这个度量值，完全是系统智能生成的，并且自动添加一条异常点的X轴恒线。

关于这个解释，你可以自定义解释的字段，将你觉得会对结果产生重大影响的因素放到异常的设置里面，它就会自动计算出这些因素对结果的影响程度。

这就是异常检测智能的地方，无需提供计算逻辑，只需要设置好参数，并将可能的因素放进去，它自动、快速的识别出哪个因素影响最大，以及具体的影响数据是多少。我们无需知道背后的算法是什么，它输出的结果也是可以复核、验证的。

你也可以尝试使用该功能，找出你的异常数据以及可能的原因。

更多推荐：

PowerBI财务分析报告：如何恰当的运用报告设计元素？

PowerBI报告设计技巧：一键部分重置

如何为Power BI报表设计动画背景？

采悟 | PowerBI星球