Encerrando

Análise de Séries Temporais no SQL Server

Maham Faisal Khan

Senior Data Science Content Developer

Trabalhando com datas

• Combine DATEADD() e DATEDIFF() para arredondar datas e horas.
• Formate com CAST() e CONVERT() quando o desempenho importar. FORMAT() é útil, mas lento.
• Tabelas de calendário são um grande recurso.

Construindo datas

• CAST(), CONVERT() e PARSE() convertem strings em datas.
• Use TRY_CAST(), TRY_CONVERT() e TRY_PARSE() para conversões seguras.
• SWITCHOFFSET() e TODATETIMEOFFSET() ajudam a trabalhar com offsets.

Agregações por tempo

• Funções de agregação incluem COUNT(), MIN(), MAX() e SUM().
• Funções de agregação estatística incluem AVG(), STDEV(), VAR(), STDEVP() e VARP().
• ROLLUP, CUBE e GROUPING SETS permitem refinar suas agregações.

Problemas comuns (e incomuns) de séries temporais

• Janelas funcionam com funções de ordenação (ROW_NUMBER(), RANK(), DENSE_RANK() e NTILE()) e com funções de agregação (incluindo estatísticas).
• Totais acumulados usam SUM() sobre uma janela.
• Médias móveis usam AVG() sobre uma janela.
• LAG() e LEAD() permitem olhar para trás e para frente no tempo.
• Faça pivot e transforme dados de data para calcular concorrência.

Grazie!

Análise de Séries Temporais no SQL Server