Riepilogo

Analisi delle serie temporali in SQL Server

Maham Faisal Khan

Senior Data Science Content Developer

Lavorare con le date

• Combina DATEADD() e DATEDIFF() per arrotondare date e orari.
• Per le prestazioni, formatta con CAST() e CONVERT(). FORMAT() è utile ma lento.
• Le tabelle calendario sono una risorsa preziosa.

Costruire date

• CAST(), CONVERT() e PARSE() trasformano stringhe in date.
• Usa TRY_CAST(), TRY_CONVERT() e TRY_PARSE() per conversioni sicure.
• SWITCHOFFSET() e TODATETIMEOFFSET() sono utili per gestire gli offset.

Aggregazioni basate sul tempo

• Le funzioni di aggregazione includono COUNT(), MIN(), MAX() e SUM().
• Le funzioni statistiche di aggregazione includono AVG(), STDEV(), VAR(), STDEVP() e VARP().
• ROLLUP, CUBE e GROUPING SETS ti permettono di affinare le aggregazioni.

Problemi comuni (e non) nelle serie temporali

• Le window funzionano su funzioni di ranking (ROW_NUMBER(), RANK(), DENSE_RANK(), NTILE()) e su funzioni di aggregazione (anche statistiche).
• I totali progressivi usano SUM() su una window.
• Le medie mobili usano AVG() su una window.
• LAG() e LEAD() permettono di guardare indietro e avanti nel tempo.
• Pivot e trasforma le date per calcolare la concorrenza.

Grazie!

Analisi delle serie temporali in SQL Server