Einführung in Zeitreihen

Zeitreihenanalyse in Tableau

Christopher Hui

VP of Product, Tracked

Was sind Zeitreihendaten?

Eine Folge von Beobachtungen in regelmäßigen oder unregelmäßigen Abständen über die Zeit
Granularität bezeichnet den Zeitraum, über den Daten erhoben werden (z. B. täglich, wöchentlich, monatlich usw.)

Ein Liniendiagramm mit US-Benzinpreisen von 2008 bis 2018

Typische Zeitreihendaten umfassen:

¹ https://www.eia.gov/todayinenergy/detail.php?id=33562

Univariat

Univariate Zeitreihenanalyse untersucht eine einzelne Variable über die Zeit (z. B. Produktverkäufe der letzten Jahre)

Multivariat

Multivariate Zeitreihenanalyse untersucht mehrere Variablen, die über die Zeit gemessen werden

Ein univariates Zeitreihen-Liniendiagramm mit dem Kupferpreis von 1996 bis 2008

Ein multivariates Zeitreihen-Liniendiagramm mit Preisen mehrerer Rohstoffe (Kupfer, Kohle, Rohöl) von 1996 bis 2008

Kontinuierliches Zeitmodell

Wird genutzt, wenn Daten kontinuierlich und nicht in festen Abständen gemessen werden (z. B. Aktienkurse)
Diese Modelle berücksichtigen die exakten Zeitabstände zwischen Messungen

Diskretes Zeitmodell

Wird genutzt, wenn Daten in festen Intervallen gemessen und erfasst werden (z. B. täglicher Niederschlag)
Berücksichtigt die Abstände zwischen Messungen nicht

Eine Visualisierung einer kontinuierlichen Zeitreihe

Eine Visualisierung einer diskreten Zeitreihe

- DATENAME()
- DATEPART()
- DATETRUNC()

Formatierungsfunktionen manipulieren die Datetime-Zeichenfolge passend zur gewünschten Granularität (z. B. Jahr zu Quartal).

- DATEDIFF() 
- DATEADD()

Analysefunktionen führen Berechnungen direkt auf Zeitreihendaten aus (z. B. Tage zwischen Einkäufen eines Kunden)

Zeitreihenanalyse in Tableau