Zaman serisi verilerinin temelleri

Power BI'de Zaman Serisi Analizi

Kevin Barlow

Data Analytics Professional

Kurs önkoşulları

Bu kursta alıştırmalar boyunca orta düzey DAX işlevleri gereklidir:

CALCULATE()
IF()
SUMMARIZE()

Neden önemli?

Her veri kümesinde zaman bir boyuttur! Zaman içinde analiziyle çok ilginç eğilimler öğrenebiliriz ve bunun için güçlü bir araç setine ihtiyaç duyarız.

Verim zamanla nasıl değişti?
Geçmişe göre verim ne göstermeli?
Gelecekte verim ne gösterecek?

Zaman serisi verisi neden önemli

Zaman serisi verisini tanımlama

Zaman Serisi Verisi, aynı konu hakkında belirli bir süre boyunca toplanmış gözlemlerden (yani veri noktaları) oluşur.

İki temel bileşen

Kapsam: verinin olduğu toplam süre
Aralık: her gözlem arasındaki süre.

Zaman Serisi Bileşenleri

Zaman içindeki değişimleri izleme

Seküler değişim

Mevsimsel değişim

Döngüsel değişim

Rastgele (düzensiz) değişim

Rastgele değişim örneği

Kısa vadeli zaman serisi analizi

Kısa vadeli zaman aralığı genellikle bir yıldan kısadır. Bunlarla verimizin şu anda ne gösterdiğini anlamak isteriz.

Yaygın analizler

Son x dönem (ör. Son 90 gün, Son 2 çeyrek)
Dönem başından bugüne (ör. Yıl başından bugüne, Ay başından bugüne)

Örnek

Kısa Vadeli Analizler

Uzun vadeli zaman serisi analizi

Uzun vadeli analizler bir yıldan uzun bir dönemi kapsar. Geçmiş veriyi ve mevcut veriye ilişkisini anlamaya çalışırız.

Yaygın analizler:

Yıldan yıla (YoY)
Aydan aya (MoM)
Geçen yılın aynı dönemi

Örnek Ocak ayı için Yıldan Yıla (YoY) satış performansının hesaplanması.

YoY Analizi

Geleceği tahminleme

Tahminleme gibi gelecek analizleri, geçmiş veriye bakar ve geleceğe yansıtır. Bu analizler nerede olacağımızı öngörmemizi ve buna göre karar vermemizi sağlar.

Yaygın analizler

Regresyonlar (ör. doğrusal)
Belirli zaman noktası tahminleri
Makine öğrenimi

Örnek

Hisse senedi işlem hacmini birkaç ay sonrasına tahminlemek.

Tahminleme Örneği

Hadi pratik yapalım!

Power BI'de Zaman Serisi Analizi