时间序列数据基础

Power BI 中的时间序列分析

Kevin Barlow

Data Analytics Professional

课程先修要求

本课程练习将用到中级 DAX 函数，包括：

• CALCULATE()
• IF()
• SUMMARIZE()

为何重要？

每个数据集都包含时间维度！按时间分析能揭示重要趋势，我们需要强有力的工具箱。

• 我的数据随时间如何变化？
• 基于历史，数据应呈现什么？
• 未来数据会怎样？

时间序列数据定义

时间序列数据是对同一主题在一段时间内采集的一组观测（数据点）。

两个关键要素

• 跨度：我们拥有数据的总时长
• 间隔：每次观测之间的时间间隔。

跟踪随时间的变化

长期趋势（Secular Variation）

季节性变动

周期性变动

随机（非规则）变动

短期时间序列分析

短期通常少于一年。此类分析关注当前数据表现。

常见分析

• 最近x个周期（如最近90天、最近2个季度）
• 至今累计（如年初至今、月初至今）

示例

长期时间序列分析

长期分析指时间范围超过一年。目标是理解历史数据及其与当前数据的关系。

常见分析：

• 同比（Year over Year）
• 环比（Month over Month）
• 去年同期

示例 计算一月份销售的同比（YoY）表现。

预测未来

面向未来的分析（如预测）基于历史数据外推至未来，以便预判走向并据此决策。

常见分析

• 回归（如线性）
• 时点估计
• 机器学习

示例

预测未来数月的股票成交量。

Passons à la pratique !

Power BI 中的时间序列分析