Fundamentos de la transformación de series temporales

Análisis de series temporales en Power BI

Kevin Barlow

Data Analytics Professional

Contexto e importancia

Los datos de series temporales son cada vez más comunes en todos los sectores.
Cada sistema tiene requisitos y formatos distintos.

Arquitectura de datos simulada

ISO como estándar internacional

ISO 8601

Un estándar internacional para gestionar datos de fecha y hora
Permite traducir fechas y horas a distintos formatos
Facilita la localización y la personalización según necesidades
Manipula tu campo de fecha con FORMAT()

Fecha de ejemplo:

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 para marcas de tiempo de alta precisión

UNIX Time

También llamado Epoch time
Indica los segundos transcurridos desde el Epoch time (1 de enero de 1970 a las 00:00:00 UTC)
Suele aplicarse a sistemas informáticos
Representa una marca de tiempo (fecha y hora)

Fechas y horas de ejemplo

January 1st, 2022 06:00:00 UTC

1641016800

January 1st, 2022 18:00:00 UTC

1641060000

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

Manipular fechas en Power BI

DATEADD()

Permite desplazar un número de intervalos desde una fecha de referencia.

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

Ejemplos:

DATEADD('date', 30, DAY)

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

DATEDIFF()

Calcula el número de intervalos entre dos objetos de fecha.

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

Ejemplos:

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

Result: 14

Resumir datos con DAX

Las series temporales no siempre llegan en intervalos regulares; depende de cómo se recojan los datos. Esto puede ser un problema:

Muchos algoritmos y fórmulas asumen un intervalo constante
Pueden ocurrir cambios importantes entre puntos de datos

Usa SUMMARIZE() para «suavizar» el conjunto de datos. Al agregarlo, aún puedes extraer tendencias valiosas aunque falten datos o sean irregulares.

Ejemplo:

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

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

Cómo tratar los datos ausentes

Imputación: estrategia útil cuando hay mucho contexto sobre el valor que falta; suele hacerse en Power Query.

Ejemplo de imputación de datos

Eliminar datos: puede usarse cuando una fila o columna tiene muchos valores ausentes; evita hacerlo salvo que aporte un claro beneficio al análisis

Ejemplo de eliminación de datos

Conjunto de datos de Superstore

En los siguientes ejercicios, trabajarás con el conjunto de datos de Superstore. Representa datos de Punto de Venta (PoS) de tiendas Superstore en Estados Unidos. Con él, darás formato correcto a las fechas para analizarlas después.

Datos de Superstore

¡Vamos a practicar!

Análisis de series temporales en Power BI