Úvod do časových řad

Analýza časových řad v Tableau

Christopher Hui

VP of Product, Tracked

Co jsou data časové řady?

Posloupnost pozorování zaznamenaných v pravidelných nebo nepravidelných časových intervalech
Granularita označuje časové období, za které jsou data sbírána (např. denně, týdně, měsíčně atd.)

Spojnicový graf zobrazující ceny benzínu v USA od roku 2008 do 2018

Typická data časových řad mohou zahrnovat:

¹ https://www.eia.gov/todayinenergy/detail.php?id=33562

Jednorozměrná

Jednorozměrná analýza časových řad se zabývá analýzou jedné proměnné v čase (např. prodeje produktu za posledních několik let)

Vícerozměrná

Vícerozměrná analýza časových řad se zabývá analýzou více proměnných měřených v čase

Jednorozměrný spojnicový graf časové řady zobrazující cenu mědi od roku 1996 do 2008

Vícerozměrný spojnicový graf časové řady zobrazující ceny více komodit (měď, uhlí, ropa) od roku 1996 do 2008

Model v spojitém čase

Používá se, když jsou data měřena průběžně, nikoli v pevných intervalech (např. ceny akcií)
Tyto modely zohledňují přesný časový interval mezi měřeními

Model v diskrétním čase

Používá se, když jsou data měřena a zaznamenávána v pevných intervalech (např. denní srážky)
Nezohledňuje časové intervaly mezi měřeními

Obrázek zobrazující vizualizaci spojité časové řady

Obrázek zobrazující vizualizaci diskrétní časové řady

- DATENAME()
- DATEPART()
- DATETRUNC()

Formátovací funkce slouží k úpravě řetězce datetime podle požadované granularity (např. rok na čtvrtletí)

- DATEDIFF() 
- DATEADD()

Průzkumné funkce slouží k výpočtům přímo s daty časové řady (např. počet dní mezi nákupy zákazníka)

Analýza časových řad v Tableau