Analyse des séries temporelles dans Power BI
Kevin Barlow
Data Analytics Professional
La prédiction est une technique analytique plus avancée : elle cherche à comprendre ce qui va se passer, pas seulement ce qui s'est passé.

Prévision
Exemples métier
Rétroprévision (hindcasting)
Exemples métier
La prévision utilise des données historiques pour estimer des valeurs à des dates futures.
Examinez le tableau suivant :
| date | valeur |
|---|---|
| 1 janvier | 5 |
| 2 janvier | 10 |
| 3 janvier | 15 |
| 4 janvier | |
| 5 janvier |
En utilisant la tendance générale, on peut estimer de façon assez fiable les prochaines valeurs. C'est un exemple de régression linéaire.
| date | valeur |
|---|---|
| 1 janvier | 5 |
| 2 janvier | 10 |
| 3 janvier | 15 |
| 4 janvier | 20 |
| 5 janvier | 25 |
Les séries temporelles sont souvent bruitées et difficiles à prévoir sans les « nettoyer ».
Le lissage exponentiel permet d'« atténuer » le bruit des données.

Toute prévision comporte une erreur, faute de données réelles pour ces dates.
Intervalles de confiance – donnent une plage d'estimations où les valeurs devraient se situer, avec un niveau de confiance supposé (%)
Power BI vous permet de configurer le niveau de confiance souhaité pour les prévisions.`

Vous allez vous exercer à prévoir des cours boursiers pour Microsoft (ticker : MSFT). Les données contiennent des informations de base sur le prix de l'action à une date donnée.

Analyse des séries temporelles dans Power BI