Podstawy danych szeregów czasowych

Analiza szeregów czasowych w Power BI

Kevin Barlow

Data Analytics Professional

Wymagania wstępne kursu

Kurs wymaga znajomości średniozaawansowanych funkcji DAX, m.in.:

  • CALCULATE()
  • IF()
  • SUMMARIZE()
Analiza szeregów czasowych w Power BI

Dlaczego to jest ważne?

Każdy zbiór danych zawiera wymiar czasu! Analiza danych w czasie pozwala odkrywać ciekawe trendy — niezbędny jest do tego solidny zestaw narzędzi.

  • Jak moje dane zmieniały się w czasie?
  • Czego można oczekiwać na podstawie historii?
  • Co dane pokażą w przyszłości?

Dlaczego dane szeregów czasowych są ważne

Analiza szeregów czasowych w Power BI

Definiowanie danych szeregów czasowych

Dane szeregów czasowych to zbiór obserwacji (tj. punktów danych) zebranych na temat tego samego obiektu w pewnym przedziale czasu.

Dwa kluczowe elementy

  • Zakres: całkowity okres czasu, dla którego dostępne są dane
  • Interwał: czas pomiędzy kolejnymi obserwacjami.

Składowe szeregu czasowego

Analiza szeregów czasowych w Power BI

Śledzenie zmian w czasie

Wahania stałe

Wahania stałe

Wahania sezonowe

Wahania sezonowe

Wahania cykliczne

Wahania cykliczne

Wahania losowe (nieregularne)

Przykład wahań losowych

Analiza szeregów czasowych w Power BI

Krótkoterminowa analiza szeregów czasowych

Krótkoterminowy horyzont czasowy obejmuje okres krótszy niż rok. Celem jest zrozumienie tego, co dane pokazują w danej chwili.

Typowe analizy

  • Ostatnie x okresów (np. ostatnie 90 dni, ostatnie 2 kwartały)
  • Okres bieżący (np. od początku roku, od początku miesiąca)

Przykład

Analizy krótkoterminowe

Analiza szeregów czasowych w Power BI

Długoterminowa analiza szeregów czasowych

Analizy długoterminowe obejmują okres dłuższy niż rok. Celem jest zrozumienie danych historycznych i ich związku z bieżącymi danymi.

Typowe analizy:

  • Rok do roku
  • Miesiąc do miesiąca
  • Ten sam okres poprzedniego roku

Przykład Obliczanie wyników sprzedaży rok do roku (YoY) dla miesiąca stycznia.

Analiza YoY

Analiza szeregów czasowych w Power BI

Prognozowanie przyszłości

Analizy przyszłościowe, takie jak prognozowanie, opierają się na danych historycznych i ekstrapolują je w przyszłość. Pozwalają przewidywać wyniki i podejmować decyzje na tej podstawie.

Typowe analizy

  • Regresje (np. liniowa)
  • Estymacje punktowe
  • Uczenie maszynowe

Przykład

Prognozowanie wolumenu obrotu akcjami na kilka miesięcy do przodu.

Przykład prognozowania

Analiza szeregów czasowych w Power BI

Czas na ćwiczenia!

Analiza szeregów czasowych w Power BI

Preparing Video For Download...