Základy transformace dat časových řad

Analýza časových řad v Power BI

Kevin Barlow

Data Analytics Professional

Kontext a důležitost

Data časových řad jsou stále rozšířenější ve všech odvětvích.
Různé systémy mají různé požadavky a formáty.

Ukázková datová architektura

ISO jako mezinárodní standard

ISO 8601

Mezinárodní standard pro správu dat a časů
Umožňuje převod dat a časů do různých formátů
Zajišťuje lokalizaci a přizpůsobení individuálním potřebám
Pole s datem lze upravit pomocí FORMAT()

Příklad data:

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

UNIX pro vysoce přesná časová razítka

UNIX čas

Označován také jako Epoch time
Udává počet sekund, které uplynuly od Epoch time (1. ledna 1970, 00:00:00 UTC)
UNIX čas se typicky používá v počítačových systémech
Reprezentuje časové razítko (datum a čas)

Příklady dat a časů

1. ledna 2022 06:00:00 UTC

1641016800

1. ledna 2022 18:00:00 UTC

1641060000

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

Manipulace s daty v Power BI

DATEADD()

Posune datum o zadaný počet časových intervalů od referenčního data.

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

Příklady:

DATEADD('date', 30, DAY)

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

DATEDIFF()

Vypočítá počet časových intervalů mezi dvěma datovými objekty.

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

Příklady:

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

Result: 14

Sumarizace dat pomocí DAX

Časové řady nemusí mít pravidelné intervaly – záleží na způsobu sběru dat. To může být problematické:

Časové algoritmy a rovnice předpokládají konzistentní interval
Mezi datovými body mohou nastat výrazné změny

Použijte SUMMARIZE() k „vyhlazení" datové sady. Agregací dat lze získat cenné informace o trendech, i když data chybí nebo jsou nepravidelná.

Příklad:

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

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

Práce s chybějícími daty

Imputace – vhodná strategie, pokud máme dostatek kontextu o chybějící hodnotě; provádí se zpravidla v Power Query.

Příklad imputace dat

Odstranění dat – lze použít, pokud řádku nebo sloupci chybí velká část dat; doporučuje se vyhýbat, pokud to výrazně nepřispívá k analýze

Příklad odstranění dat

Datová sada Superstore

V následujících cvičeních budete pracovat s datovou sadou Superstore dataset. Tato datová sada představuje data z pokladních systémů (PoS) pro prodejny Superstore v celých Spojených státech. Budete v ní formátovat data do správného formátu pro další analýzu.

Data Superstore

Pojďme si to procvičit!

Analýza časových řad v Power BI