Základy dat časových řad

Analýza časových řad v Power BI

Kevin Barlow

Data Analytics Professional

Předpoklady kurzu

Kurz vyžaduje znalost středně pokročilých funkcí DAX, mimo jiné:

CALCULATE()
IF()
SUMMARIZE()

Proč jsou důležitá?

Každý dataset obsahuje časovou dimenzi! Analýza dat v čase odhaluje zajímavé trendy a vyžaduje kvalitní sadu nástrojů.

Jak se má data v čase měnila?
Co by data měla ukazovat na základě historických dat?
Co budou data ukazovat v budoucnosti?

Proč jsou data časových řad důležitá

Definice dat časových řad

Data časových řad jsou souborem pozorování (tj. datových bodů) shromážděných o stejném subjektu v průběhu času.

Dvě klíčové složky

Rozsah: celkové časové období, za které máme data
Interval: časový úsek mezi jednotlivými pozorováními.

Složky časových řad

Sledování změn v čase

Sekulární variace

Sezónní variace

Cyklická variace

Náhodná (nepravidelná) variace

Příklad náhodné variace

Krátkodobá analýza časových řad

Krátkodobý časový horizont obvykle zahrnuje méně než jeden rok. Cílem je pochopit, co data ukazují v současnosti.

Běžné analýzy

Posledních x období (např. posledních 90 dní, poslední 2 čtvrtletí)
Od začátku období (např. od začátku roku, od začátku měsíce)

Příklad

Krátkodobé analýzy

Dlouhodobá analýza časových řad

Dlouhodobé analýzy zahrnují časový horizont delší než jeden rok. Cílem je porozumět historickým datům a jejich vztahu k aktuálním datům.

Běžné analýzy:

Rok k roku
Měsíc k měsíci
Stejné období minulého roku

Příklad Výpočet meziročního (YoY) výkonu prodeje za měsíc leden.

Analýza YoY

Prognózování budoucnosti

Budoucí analýzy, jako je prognózování, vycházejí z historických dat a promítají je do budoucnosti. Umožňují předpovídat vývoj a přijímat rozhodnutí na základě těchto předpovědí.

Běžné analýzy

Regrese (např. lineární)
Bodové odhady
Strojové učení

Příklad

Prognóza objemu obchodování s akciemi na několik měsíců dopředu.

Příklad prognózy

Pojďme si procvičit!

Analýza časových řad v Power BI