시계열 데이터 변환의 기초

Power BI로 하는 시계열 분석

Kevin Barlow

Data Analytics Professional

배경과 중요성

시계열 데이터는 거의 모든 산업에서 점점 더 보편화되고 있습니다.
시스템마다 요구사항과 형식이 다릅니다.

모형 데이터 아키텍처

국제 표준으로서의 ISO

ISO 8601

날짜·시간 데이터 관리 국제 표준
날짜와 시간을 다양한 형식으로 변환 가능
지역화와 개인화 지원
FORMAT()으로 날짜 필드를 조작

예시 날짜:

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

고정밀 타임스탬프용 UNIX

UNIX 시간

Epoch 시간이라고도 함
Epoch(1970-01-01 00:00:00 UTC) 이후 경과 초를 의미
주로 컴퓨터 시스템에 적용
타임스탬프(날짜·시간)를 표현

예시 날짜와 시간

January 1st, 2022 06:00:00 UTC

1641016800

January 1st, 2022 18:00:00 UTC

1641060000

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

Power BI에서 날짜 다루기

DATEADD()

기준 날짜에서 지정한 시간 간격만큼 이동합니다.

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

예시:

DATEADD('date', 30, DAY)

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

DATEDIFF()

두 날짜 객체 간의 시간 간격 수를 계산합니다.

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

예시:

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

Result: 14

DAX로 데이터 요약하기

시계열은 수집 방식에 따라 간격이 일정하지 않을 수 있습니다. 문제점:

알고리즘과 공식은 일정 간격을 가정함
관측값 사이에 큰 변화가 발생할 수 있음

데이터셋을 "평활화"하려면 SUMMARIZE()로 집계하세요. 누락되거나 불규칙해도 추세 정보를 얻을 수 있습니다.

예시:

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

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

누락 데이터 처리

대치(Imputation) - 누락값을 추정할 근거가 충분할 때 유용한 방법입니다. 보통 Power Query에서 수행합니다.

데이터 대치 예시

데이터 삭제 - 행/열에 누락이 많을 때 사용 가능합니다. 분석에 큰 이득이 없으면 피하십시오.

데이터 삭제 예시

Superstore 데이터셋

다음 실습에서는 Superstore 데이터셋을 사용합니다. 이 데이터는 미국 전역 Superstore 지점의 PoS(Point of Sale) 데이터를 나타냅니다. 이를 통해 분석을 위해 날짜를 올바른 형식으로 변환합니다.

Superstore 데이터

연습해 봅시다!

Power BI로 하는 시계열 분석