พื้นฐานการแปลงข้อมูล Time Series

การวิเคราะห์อนุกรมเวลาใน Power BI

Kevin Barlow

Data Analytics Professional

บริบทและความสำคัญ

ข้อมูล Time Series พบได้แพร่หลายมากขึ้นในทุกอุตสาหกรรม
แต่ละระบบมีข้อกำหนดและรูปแบบที่แตกต่างกัน

สถาปัตยกรรมข้อมูลจำลอง

ISO ในฐานะมาตรฐานสากล

ISO 8601

มาตรฐานสากลสำหรับการจัดการข้อมูลวันที่และเวลา
รองรับการแปลงวันที่และเวลาเป็นรูปแบบต่างๆ
รองรับการแปลภาษาและปรับแต่งตามความต้องการของผู้ใช้
ใช้ FORMAT() เพื่อจัดการฟิลด์วันที่

ตัวอย่างวันที่:

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 สำหรับ timestamp ที่มีความแม่นยำสูง

UNIX Time

รู้จักในชื่อ Epoch time
แสดงจำนวนวินาทีที่ผ่านไปนับจาก Epoch time (1 มกราคม 1970 เวลา 00:00:00 UTC)
UNIX time ใช้กับระบบคอมพิวเตอร์เป็นหลัก
ใช้แทน timestamp (วันที่และเวลา)

ตัวอย่างวันที่และเวลา

January 1st, 2022 06:00:00 UTC

1641016800

January 1st, 2022 18:00:00 UTC

1641060000

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

การจัดการวันที่ใน Power BI

DATEADD()

ใช้เลื่อนวันที่อ้างอิงไปตามจำนวนช่วงเวลาที่กำหนด

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

ตัวอย่าง:

DATEADD('date', 30, DAY)

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

DATEDIFF()

คำนวณจำนวนช่วงเวลาระหว่างวันที่สองค่า

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

ตัวอย่าง:

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

Result: 14

การสรุปข้อมูลด้วย DAX

ข้อมูล Time Series ไม่ได้มาในช่วงเวลาสม่ำเสมอเสมอไป ขึ้นอยู่กับวิธีเก็บข้อมูล ซึ่งอาจก่อให้เกิดปัญหา:

อัลกอริทึมและสูตรคำนวณสำหรับ Time Series ต้องการช่วงเวลาที่สม่ำเสมอ
อาจมีการเปลี่ยนแปลงสำคัญเกิดขึ้นระหว่างจุดข้อมูล

ใช้ SUMMARIZE() เพื่อ "ปรับ" ชุดข้อมูลให้เรียบขึ้น การรวบรวมข้อมูลช่วยให้ยังคงเห็นแนวโน้มได้ แม้ข้อมูลจะขาดหายหรือไม่สม่ำเสมอ

ตัวอย่าง:

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

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

การจัดการข้อมูลที่ขาดหาย

Imputation — กลยุทธ์ที่มีประโยชน์เมื่อมีบริบทเพียงพอเกี่ยวกับค่าที่ขาดหายไป มักทำใน Power Query

ตัวอย่างการทำ Imputation

การลบข้อมูล — ใช้เมื่อแถวหรือคอลัมน์ขาดข้อมูลจำนวนมาก ควรหลีกเลี่ยงเว้นแต่จะเป็นประโยชน์อย่างชัดเจนต่อการวิเคราะห์

ตัวอย่างการลบข้อมูล

ชุดข้อมูล Superstore

ในแบบฝึกหัดต่อไปนี้ จะได้ใช้ชุดข้อมูล Superstore ซึ่งเป็นข้อมูล Point of Sale (PoS) ของสาขา Superstore ทั่วสหรัฐอเมริกา โดยจะนำมาจัดรูปแบบวันที่ให้ถูกต้องสำหรับการวิเคราะห์ต่อไป

ข้อมูล Superstore

มาฝึกกันเถอะ!

การวิเคราะห์อนุกรมเวลาใน Power BI