Bases de la transformation des séries temporelles

Analyse des séries temporelles dans Power BI

Kevin Barlow

Data Analytics Professional

Contexte et importance

Les séries temporelles sont de plus en plus présentes dans tous les secteurs.
Chaque système a ses propres exigences et formats.

Schéma d'architecture des données

ISO comme norme internationale

ISO 8601

Norme internationale pour gérer les données de date et d'heure
Permet de traduire dates et heures en divers formats
Facilite la localisation et la personnalisation selon les besoins
Manipulez votre champ date avec FORMAT()

Exemple de date :

var date = January 1st 2022 
# US Standard (MM DD YYYY)

var date2 = FORMAT(date, "DD MM YYYY")
# UK Standard
# 1 January 2022

var date3 = FORMAT(date, "YYYY MM DD")
# ISO Standard
# 2022 January 01

¹ https://en.wikipedia.org/wiki/ISO_8601#Combined_date_and_time_representations

UNIX pour des horodatages de haute précision

UNIX Time

Aussi appelé temps Epoch
Nombre de secondes écoulées depuis l'Epoch (January 1st, 1970, at 00:00:00 UTC)
S'applique surtout aux systèmes informatiques
Représente un horodatage (date et heure)

Exemples de dates et heures

January 1st, 2022 06:00:00 UTC

1641016800

January 1st, 2022 18:00:00 UTC

1641060000

¹ https://en.wikipedia.org/wiki/Unix_time

Manipuler les dates dans Power BI

DATEADD()

Permet de décaler une date de plusieurs intervalles spécifiés.

DATEADD(<dates>,<number_of_intervals>,<interval>)

Exemples :

DATEADD('date', 30, DAY)

var timestamp_PST = 
    DATEADD('timestamp_EST', -3, HOUR)

DATEDIFF()

Calcule le nombre d'intervalles entre deux dates.

DATEDIFF(<Date1>, <Date2>, <Interval>)

Exemples :

DATEDIFF(DATE(2019,2,1),
        DATE(2020,4,30),
        MONTH)

Result: 14

Synthétiser des données avec DAX

Les séries temporelles ne sont pas toujours à intervalles réguliers ; tout dépend de la collecte. Cela peut poser problème :

Les algorithmes supposent un intervalle constant
Des changements importants peuvent survenir entre deux points

Utilisez SUMMARIZE() pour « lisser » l'ensemble. En agrégeant, on extrait encore des tendances utiles, même si les données sont manquantes ou irrégulières.

Exemple :

SUMMARIZE('<table>', 
    [group_column(s)], 
    [new aggregated column(s)])

SUMMARIZE('sales', 
    sales[Quarter], 
    sales[Region], 
    "Total Sales", SUM(sales[revenue]))

Gérer les données manquantes

Imputation : stratégie utile quand l'on sait estimer la valeur manquante ; se fait souvent dans Power Query.

Exemple d'imputation de données

Suppression de données : possible quand une ligne ou une colonne manque fortement de données ; à éviter sauf réel gain analytique

Exemple de suppression de données

Jeu de données Superstore

Dans les exercices suivants, vous étudierez le jeu de données Superstore. Il s'agit de données de point de vente (PoS) pour des magasins Superstore aux États‑Unis. Vous y mettrez les dates au bon format pour poursuivre l'analyse.

Données Superstore

Passons à la pratique !

Analyse des séries temporelles dans Power BI