Zaman serisi verisi dönüştürmenin temelleri

Power BI'de Zaman Serisi Analizi

Kevin Barlow

Data Analytics Professional

Bağlam ve önem

Zaman serisi verisi her sektörde giderek yaygınlaşıyor.
Farklı sistemlerin farklı gereksinim ve biçimleri vardır.

Sahte Veri Mimarisi

Uluslararası standart olarak ISO

ISO 8601

Tarih ve saat verisini yönetmek için uluslararası standart
Tarih ve saatlerin farklı biçimlere çevrilmesini sağlar
Bireysel ihtiyaçlar için yerelleştirme ve kişiselleştirme sunar
Tarih alanınızı FORMAT() ile dönüştürün

Örnek Tarih:

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

Yüksek hassasiyetli zaman damgaları için UNIX

UNIX Zamanı

Epoch time olarak da adlandırılır
Epoch’tan (1 Ocak 1970, 00:00:00 UTC) bu yana geçen saniye sayısını ifade eder
Genellikle bilgisayar sistemlerinde kullanılır
Bir zaman damgasını (tarih ve saat) temsil eder

Örnek tarih ve saatler

1 Ocak 2022 06:00:00 UTC

1641016800

1 Ocak 2022 18:00:00 UTC

1641060000

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

Power BI'da tarihleri değiştirme

DATEADD()

Belirtilen sayıda zaman aralığını bir referans tarihten itibaren taşır.

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

Örnekler:

DATEADD('date', 30, DAY)

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

DATEDIFF()

İki tarih nesni arasındaki zaman aralığı sayısını hesaplar.

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

Örnekler:

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

Result: 14

DAX ile verileri özetleme

Zaman serileri her zaman düzenli aralıklarla gelmez; verinin toplanma biçimine bağlıdır. Bu sorun yaratabilir:

Zaman algoritmaları ve denklemler tutarlı aralık varsayar
Veri noktaları arasında önemli değişimler olabilir

Veri kümesini “düzleştirmek” için tablonuzu SUMMARIZE() ile özetleyin. Kümeleterek, veri eksik veya düzensiz olsa bile eğilimler hakkında değerli bilgiler elde edebiliriz.

Örnek:

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

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

Eksik veriyi yönetme

Atama (imputation) — Eksik değerin ne olması gerektiğine dair bağlam güçlü olduğunda kullanışlı bir stratejidir; genellikle Power Query’de yapılır.

Veri Atama Örneği

Veri atma — Bir satır veya sütunda ciddi ölçüde eksik veri olduğunda kullanılabilir; analizimize güçlü bir fayda sağlamadıkça kaçınılmalıdır

Veri Atma Örneği

Superstore veri seti

Sonraki alıştırmalarda Superstore veri setini inceleyeceksiniz. Bu veri seti, ABD genelindeki Superstore lokasyonlarının satış noktası (PoS) verilerini temsil eder. Bu verilerle, ileri analiz için tarihleri doğru biçime dönüştüreceksiniz.

Superstore Verisi

Hadi pratik yapalım!

Power BI'de Zaman Serisi Analizi