Power BI로 하는 시계열 분석
Kevin Barlow
Data Analytics Professional
예측은 더 발전된 분석 기법으로, 과거가 아닌 앞으로 일어날 일을 파악하려는 시도입니다.

예측(Forecasting)
산업 예시
후예측(Hindcasting)
산업 예시
예측은 과거 데이터를 사용해 미래 날짜의 값을 추정합니다.
다음 표를 보십시오:
| date | value |
|---|---|
| January 1 | 5 |
| January 2 | 10 |
| January 3 | 15 |
| January 4 | |
| January 5 |
전체 추세를 이용하면 다음 값을 비교적 신뢰성 있게 예측할 수 있습니다. 이는 선형 회귀의 예입니다.
| date | value |
|---|---|
| January 1 | 5 |
| January 2 | 10 |
| January 3 | 15 |
| January 4 | 20 |
| January 5 | 25 |
시계열 데이터는 종종 지저분하여 정리하지 않으면 예측이 어렵습니다.
지수 평활법은 데이터의 잡음을 "평활화"하는 기법입니다.

예측에는 항상 오차가 있습니다. 해당 날짜의 실제 데이터가 없기 때문입니다.
신뢰 구간: 설정한 신뢰 수준(%)에서 값이 포함될 범위를 제공합니다.
Power BI에서는 예측의 신뢰 수준을 설정할 수 있습니다.`

Microsoft 주가 데이터(티커: MSFT)로 예측을 연습하겠습니다. 데이터에는 특정 일자의 주가 기본 정보가 포함됩니다.

Power BI로 하는 시계열 분석