Bazele transformării datelor de tip serie temporală

Analiza seriilor de timp în Power BI

Kevin Barlow

Data Analytics Professional

Context și importanță

Datele de tip serie temporală sunt din ce în ce mai frecvente în toate industriile.
Sistemele diferite au cerințe și formate diferite.

Arhitectură de date exemplu

ISO ca standard internațional

ISO 8601

Standard internațional pentru gestionarea datelor și orelor
Permite conversia datelor și orelor în diferite formate
Asigură localizare și personalizare pentru nevoi individuale
Manipulați câmpul de dată cu FORMAT()

Exemplu de dată:

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 pentru marcaje temporale de înaltă precizie

Timp UNIX

Cunoscut și ca timp Epoch
Reprezintă numărul de secunde scurse de la momentul Epoch (1 ianuarie 1970, 00:00:00 UTC)
Timpul UNIX se aplică în general sistemelor informatice
Reprezintă un marcaj temporal (dată și oră)

Exemple de date și ore

1 ianuarie 2022, 06:00:00 UTC

1641016800

1 ianuarie 2022, 18:00:00 UTC

1641060000

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

Manipularea datelor în Power BI

DATEADD()

Permite deplasarea cu un număr specificat de intervale de timp față de o dată de referință.

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

Exemple:

DATEADD('date', 30, DAY)

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

DATEDIFF()

Calculează numărul de intervale de timp dintre două obiecte de tip dată.

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

Exemple:

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

Result: 14

Rezumarea datelor cu DAX

Seriile temporale nu au întotdeauna intervale regulate și depind de modul de colectare a datelor. Aceasta poate fi problematică:

Algoritmii și ecuațiile de timp presupun un interval constant
Modificări semnificative pot apărea între punctele de date

Utilizați SUMMARIZE() pentru a „netezi" setul de date. Prin agregare, putem obține informații valoroase despre tendințe, chiar dacă datele lipsesc sau sunt neregulate.

Exemplu:

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

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

Gestionarea datelor lipsă

Imputarea - strategie utilă când există mult context despre valoarea lipsă; se realizează adesea în Power Query.

Exemplu de imputare a datelor

Eliminarea datelor - utilizată când unui rând sau coloane îi lipsesc cantități mari de date; trebuie evitată dacă nu aduce beneficii clare analizei

Exemplu de eliminare a datelor

Setul de date Superstore

În exercițiile următoare, veți analiza setul de date Superstore. Acesta reprezintă date de vânzări (PoS) pentru locații Superstore din Statele Unite. Veți formata datele calendaristice în formatul corect pentru analize ulterioare.

Date Superstore

Să exersăm!

Analiza seriilor de timp în Power BI