Аналіз часових рядів у Power BI
Kevin Barlow
Data Analytics Professional
Прогнозування — це складніша аналітика, що дає змогу дізнатись, що відбудеться, а не лише що вже сталося.

Прогнозування
Приклади в індустрії
Hindcasting
Приклади в індустрії
Прогнозування бере історичні дані й намагається передбачити значення для майбутніх дат.
Погляньте на таблицю:
| date | value |
|---|---|
| January 1 | 5 |
| January 2 | 10 |
| January 3 | 15 |
| January 4 | |
| January 5 |
Використовуючи загальний тренд даних, можна досить надійно оцінити наступні значення. Це приклад лінійної регресії.
| date | value |
|---|---|
| January 1 | 5 |
| January 2 | 10 |
| January 3 | 15 |
| January 4 | 20 |
| January 5 | 25 |
Дані часових рядів часто «шумні» й складні для прогнозу, доки їх не «очистити».
Експоненційне згладжування — техніка для «згладжування» шуму в даних.

У будь-якому прогнозі є похибка, адже у нас немає фактичних даних для тих дат!
Довірчі інтервали — задають діапазон оцінок, у який потраплять дані з певним рівнем довіри (%)
Power BI дає змогу налаштувати бажаний рівень довіри у прогнозах.`

Ви потренуєтеся прогнозувати на біржових даних Microsoft (тикер: MSFT). У даних є базова інформація про ціну акції в певний день.

Аналіз часових рядів у Power BI