Analisi delle serie temporali in Power BI
Kevin Barlow
Data Analytics Professional
La previsione è una tecnica analitica più avanzata: ci aiuta a capire cosa succederà, non solo cosa è successo.

Previsioni
Esempi di settore
Hindcasting
Esempi di settore
Le previsioni usano dati storici per stimare valori su date future.
Guarda la tabella:
| data | valore |
|---|---|
| 1 gennaio | 5 |
| 2 gennaio | 10 |
| 3 gennaio | 15 |
| 4 gennaio | |
| 5 gennaio |
Usando il trend complessivo possiamo stimare in modo affidabile i prossimi valori. È un esempio di regressione lineare.
| data | valore |
|---|---|
| 1 gennaio | 5 |
| 2 gennaio | 10 |
| 3 gennaio | 15 |
| 4 gennaio | 20 |
| 5 gennaio | 25 |
I dati di serie temporali sono spesso disordinati e difficili da prevedere se non vengono “ripuliti”.
Lo smoothing esponenziale è una tecnica per “attenuare” il rumore nei dati.

Ogni previsione ha un errore: non abbiamo i dati reali per quelle date!
Intervalli di confidenza: indicano un intervallo in cui cadranno i valori, con un certo livello di confidenza (%)
In Power BI puoi configurare il livello di confidenza delle previsioni.`

Faremo pratica con previsioni su dati azionari Microsoft (ticker: MSFT). Il dataset include info di base sul prezzo di negoziazione giornaliero.

Analisi delle serie temporali in Power BI