時間序列資料基礎

Power BI 的時間序列分析

Kevin Barlow

Data Analytics Professional

課程先備知識

本課程在練習中會用到多個 DAX 中級函式，包括：

• CALCULATE()
• IF()
• SUMMARIZE()

為什麼重要？

每個資料集都有時間這個維度！分析隨時間變化的資料能發現有趣趨勢，因此需要一套強大的工具。

• 我的資料隨時間如何變化？
• 根據歷史，資料現在應該呈現什麼？
• 未來資料會呈現什麼？

定義時間序列資料

時間序列資料 是對同一主題在一段期間內所收集的一組觀測值（資料點）。

兩個關鍵構成

• Span：我們擁有資料的總時間範圍
• Interval：相鄰觀測之間的時間間隔。

追蹤隨時間的變化

長期變動

季節性變動

循環性變動

隨機（不規則）變動

短期時間序列分析

短期時間範圍通常少於 1 年。我們想了解資料此刻的表現。

常見分析

• 最近 x 期（如最近 90 天、最近 2 季）
• 期初至今（如年初至今、月初至今）

_範例_

長期時間序列分析

長期分析涵蓋超過 1 年的時間。我們要理解歷史資料與當前資料的關係。

常見分析：

• 年增年（Year over Year）
• 月增月（Month over Month）
• 去年同期

_範例_ 計算 1 月的 年增年（YoY） 銷售表現。

預測未來

未來分析（如 _預測_）會根據歷史資料推估未來。這能幫助我們預判走向並據以決策。

常見分析

• 迴歸（如線性）
• 時點估計
• 機器學習

_範例_

預測未來數月的股票成交量。

一起來練習吧！

Power BI 的時間序列分析