Kuinka luoda ns. race chart eli kilpakuvaaja Power BI:lla

Ajoneuvojen ensirekisteröintien määrä

Harvemmin hyödynnetty Power BI:n tarjoama visualisointimahdollisuus on ns. Race chart tai vapaasti suomennettuna kilpakuvaaja, joka esittää tiedon ajan suhteen muuttuvasti.

Teimme pikaisesti parilla kahvitauolla useammankin version Traficomin tarjoamasta autojen ensirekisteröintidatasta. Ohessa Power BI:n kuvaajalla luotu esitys joka on talletettu Gif-videoksi:

Race Chart ensirekisteröintien määrä

Tämä kuvaajatyyppi on tarjolla erikseen käyttöönotettavana kuvaajalaajennuksena, vaihtoehtoja on parikin kappaletta. Organisaatiosi sisäisesti voit luonnollisesti jakaa suoraan linkkiä Power BI-kuvaajaan ja näyttää sitä vaikka Teams:ssa.

Mikäli kiinnostuit kuinka tällaisen saa aikaiseksi tai sinulla on muita data-analytiikkaan liittyviä tarpeita, täytä alla oleva yhteydenottolomake!

Lisää ajankohtaisia julkaisuja:

Datasopimus käytännössä — miten data-alustan luotettavuus rakennetaan
Datatiimit käyttävät jopa 40–60 % ajastaan virheiden selvittämiseen, joiden syy on muualla. Sarake vaihtaa nimeä, tyyppi muuttuu, kenttä alkaa tulla tyhjänä — ja loppupään raportit hajoavat ääneti. Datasopimus estää tämän tekemällä odotukset näkyviksi ja valvottaviksi.
Tutustu tarinaan
Mitä on tekoälyavustettu sovelluskehitys?
Lisää tuottavuutta ohjelmistokehitykseen agenttisella kehityksellä.
Tutustu tarinaan
Databricksin resurssipaketeilla hallitut siirtymät ympäristöstä toiseen
Databricksin sovellusten infrastruktuuri koodina.
Tutustu tarinaan
Tekoälyavusteinen data engineering — mitä se tarkoittaa käytännössä?
Dataputkien rakentaminen käsin on hidasta, virhealtista ja kallista. Tekoälyavusteinen data engineering muuttaa tapaa, jolla dataputkia kehitetään: kielimallit generoivat koodia, koneoppiminen tunnistaa laatuvirheet ja dokumentaatio syntyy automaattisesti. Tässä artikkelissa käymme läpi, mitä se tarkoittaa Azuressa — ja miksi se on olennainen osa modernia data-alustaa.
Tutustu tarinaan
Mitä on process intelligence ja decision intelligence?
Tutustu tarinaan

Lisää ajankohtaisia julkaisuja:

Datasopimus käytännössä — miten data-alustan luotettavuus rakennetaan
Datatiimit käyttävät jopa 40–60 % ajastaan virheiden selvittämiseen, joiden syy on muualla. Sarake vaihtaa nimeä, tyyppi muuttuu, kenttä alkaa tulla tyhjänä — ja loppupään raportit hajoavat ääneti. Datasopimus estää tämän tekemällä odotukset näkyviksi ja valvottaviksi.
Tutustu tarinaan
Mitä on tekoälyavustettu sovelluskehitys?
Lisää tuottavuutta ohjelmistokehitykseen agenttisella kehityksellä.
Tutustu tarinaan
Databricksin resurssipaketeilla hallitut siirtymät ympäristöstä toiseen
Databricksin sovellusten infrastruktuuri koodina.
Tutustu tarinaan
Tekoälyavusteinen data engineering — mitä se tarkoittaa käytännössä?
Dataputkien rakentaminen käsin on hidasta, virhealtista ja kallista. Tekoälyavusteinen data engineering muuttaa tapaa, jolla dataputkia kehitetään: kielimallit generoivat koodia, koneoppiminen tunnistaa laatuvirheet ja dokumentaatio syntyy automaattisesti. Tässä artikkelissa käymme läpi, mitä se tarkoittaa Azuressa — ja miksi se on olennainen osa modernia data-alustaa.
Tutustu tarinaan
Mitä on process intelligence ja decision intelligence?
Tutustu tarinaan