Phân tích chuỗi thời gian trong Power BI
Kevin Barlow
Data Analytics Professional
Dự đoán là kỹ thuật phân tích nâng cao, giúp suy ra điều sẽ xảy ra, không chỉ điều đã xảy ra.

Dự báo
Ví dụ trong ngành
Hindcasting
Ví dụ trong ngành
Dự báo dùng dữ liệu lịch sử để ước đoán giá trị cho các ngày tương lai.
Xem bảng sau:
| date | value |
|---|---|
| January 1 | 5 |
| January 2 | 10 |
| January 3 | 15 |
| January 4 | |
| January 5 |
Dựa vào xu hướng chung, ta có thể dự đoán hợp lý các giá trị tiếp theo. Đây là ví dụ về hồi quy tuyến tính.
| date | value |
|---|---|
| January 1 | 5 |
| January 2 | 10 |
| January 3 | 15 |
| January 4 | 20 |
| January 5 | 25 |
Dữ liệu chuỗi thời gian thường lộn xộn và khó dự báo nếu không được “làm sạch”.
San bằng mũ là kỹ thuật “làm mượt” nhiễu trong dữ liệu.

Với mọi dự báo, luôn có sai số vì ta không có dữ liệu thực cho các ngày đó.
Confidence Intervals (khoảng tin cậy) – cung cấp một khoảng ước lượng mà dữ liệu sẽ rơi vào với mức tin cậy giả định (%).
Power BI cho phép bạn cấu hình mức độ tin cậy mong muốn trong dự báo.`

Chúng ta sẽ luyện tập dự báo trên dữ liệu cổ phiếu Microsoft (mã: MSFT). Dữ liệu gồm thông tin cơ bản về giá giao dịch mỗi ngày.

Phân tích chuỗi thời gian trong Power BI