Zeitreihenanalyse in Power BI
Kevin Barlow
Data Analytics Professional
Vorhersagen sind eine fortgeschrittene Analysetechnik. Damit kannst du Erkenntnisse über das gewinnen, was passieren wird – nicht nur über das, was passiert ist.

Forecasting
Branchenbeispiele
Hindcasting
Branchenbeispiele
Forecasting nutzt historische Daten, um Werte für zukünftige Datenpunkte zu schätzen.
Schau dir die folgende Tabelle an:
| date | value |
|---|---|
| January 1 | 5 |
| January 2 | 10 |
| January 3 | 15 |
| January 4 | |
| January 5 |
Über den generellen Trend der Daten können wir recht verlässlich schätzen, wie die nächsten Werte aussehen sollten. Das ist ein Beispiel für eine lineare Regression.
| date | value |
|---|---|
| January 1 | 5 |
| January 2 | 10 |
| January 3 | 15 |
| January 4 | 20 |
| January 5 | 25 |
Zeitreihendaten sind oft unruhig und schwer zu prognostizieren, bis sie „bereinigt" sind.
Exponential Smoothing ist eine Technik, um das Rauschen in Daten zu „glätten".

Bei jeder Prognose gibt es einen Fehler, weil wir für diese Datenpunkte keine echten Werte haben!
Konfidenzintervalle – geben einen Bereich an, in den die Daten mit einer angenommenen Sicherheit (%) fallen
Power BI lässt dich konfigurieren, wie viel Sicherheit du in Prognosen möchtest.`

Wir üben Prognosen mit einigen Microsoft-Aktienkursdaten (Ticker: MSFT). Der Datensatz enthält Basisinfos zum Handelspreis an einem bestimmten Tag.

Zeitreihenanalyse in Power BI