สรุปบทเรียน

การวิเคราะห์อนุกรมเวลาใน SQL Server

Maham Faisal Khan

Senior Data Science Content Developer

การทำงานกับวันที่

• ใช้ DATEADD() และ DATEDIFF() ร่วมกันเพื่อปัดวันและเวลา
• จัดรูปแบบด้วย CAST() และ CONVERT() เมื่อต้องการประสิทธิภาพสูง ส่วน FORMAT() ใช้งานง่ายแต่ช้ากว่า
• ตาราง Calendar เป็นทรัพยากรที่มีคุณค่า

การสร้างวันที่

• CAST(), CONVERT() และ PARSE() แปลงสตริงให้เป็นวันที่ได้
• ใช้ TRY_CAST(), TRY_CONVERT() และ TRY_PARSE() สำหรับการแปลงวันที่แบบปลอดภัย
• SWITCHOFFSET() และ TODATETIMEOFFSET() เป็นฟังก์ชันที่มีประโยชน์สำหรับการทำงานกับ offset

การรวมข้อมูลตามช่วงเวลา

• ฟังก์ชัน aggregate ได้แก่ COUNT(), MIN(), MAX() และ SUM()
• ฟังก์ชัน aggregate เชิงสถิติได้แก่ AVG(), STDEV(), VAR(), STDEVP() และ VARP()
• ROLLUP, CUBE และ GROUPING SETS ช่วยให้ปรับแต่งการรวมข้อมูลได้ละเอียดขึ้น

ปัญหา Time Series ที่พบบ่อย (และไม่บ่อย)

• Window ทำงานร่วมกับฟังก์ชัน ranking (ROW_NUMBER(), RANK(), DENSE_RANK() และ NTILE()) รวมถึงฟังก์ชัน aggregate (รวมถึงฟังก์ชันเชิงสถิติ)
• Running total คือการใช้ SUM() บน window
• Moving average คือการใช้ AVG() บน window
• LAG() และ LEAD() ช่วยให้มองย้อนหลังและมองไปข้างหน้าตามเวลาได้
• ใช้ Pivot และการแปลงข้อมูลวันที่เพื่อคำนวณ concurrency

Grazie!

การวิเคราะห์อนุกรมเวลาใน SQL Server