V této kapitole začneme tím, že si ujasníme různé typy časových řad a analytické přístupy, které se k nim hodí. Jakmile zvládneš základní koncepty, naučíš se, jak data časových řad přeformátovat a připravit pro univariátní i multivariátní vizualizace.


Úvod do časových řad

Klasifikace časových řad

Formátování data a času v Tableau

Přeformátování pomocí DATENAME

Rozdělení pomocí datepart

Transformace dat a vizualizace

Ověření znalostí: datum a čas

Přeformátování dat v Tableau

Zkracování dat (DATETRUNC)

Výpočet doby trvání z časových razítek

Klasifikace dat časových řad

Analýza chování cestujících

Úvod do analýzy časových řad v Tableau

Každý chce analyzovat data, ale nejdřív musí být data čistá. V této kapitole se naučíš, jak vyčistit data časových řad pomocí Tableau's vestavěných datumových funkcí – budeme je přetvářet, rozdělovat a znovu spojovat podle různých časových kontextů. A to není vše: ponoříme se také do pojmů sezónnosti, analýzy trendů a detekce anomálií!

Manipulace s datumovými řetězci a jejich úprava

Platné, nebo ne?

Reformatování dat v praxi

Parsování data

Týdenní zkrácení dat

Sezónnost a anomálie v datech časových řad

Techniky pro detekci anomálií

Vizualizace sezónnosti a percentilů

Střídání ročních období

Trendy jsou důležité

Sezónní rozptyl pomocí krabicových grafů

Analýza cenových odchylek avokáda

Příprava dat pro analýzu časových řad

V této závěrečné kapitole se seznámíš s možnostmi okenních funkcí a statistickými technikami, jako jsou Z-hodnoty. Vytvoříš si vlastní klasifikátor anomálií pro identifikaci optimálních příležitostí cenové arbitráže pro obchodní společnost! Ve druhé části kapitoly porovnáme několik technik detekce anomálií a vyzbrojíme tě širokým spektrem přístupů ke zpracování a analýze časových řad!

Okenní funkce v Tableau

Porozumění okenním funkcím

Výpočty s oknovými funkcemi

Vyhlazování dat pomocí klouzavých průměrů

Výběr časových oken klouzavého průměru

Odhalení vztahů pomocí okenní korelace

Detekce anomálií s využitím okenních funkcí

Možnosti

Pravda

Nepravda

Procvičujeme Z-skóre a směrodatnou odchylku

Okénkové výpočty do hloubky

Analýza volatility

Nastavení horních hranic

Detekce anomálií pomocí Z-skóre

Gratulujeme!

Okenní funkce a klouzavé průměry v Tableau

Workbooks and Datasources

Časové řady jsou všude kolem nás – od příspěvků na Twitteru až po každodenní výkyvy na finančních trzích. To všechno jsou příklady dat z časových řad, která je potřeba analyzovat. V tomto kurzu se naučíš časové řady klasifikovat, zpracovávat a analyzovat – nezbytná dovednost pro každého, kdo to s analytikou myslí vážně.

Časové řady jsou všude kolem nás; od příspěvku, který jste zveřejnili na Twitteru, až po denní výkyvy na finančních trzích – to vše jsou příklady datových bodů časových řad, které je třeba analyzovat. V tomto kurzu se naučíte klasifikovat, zpracovávat a analyzovat časové řady; naprostá nutnost, pokud to s kariérou v analytice myslíte vážně.

<h2>Objevte sílu časových řad</h2>
Začnete se základy, kde se naučíte různé typy časových řad, které existují, stejně jako analytické metodiky pro jejich analýzu. Jakmile zvládnete základy, naučíte se, jak přeformátovat data časových řad jako přípravu na univariátní i multivariátní vizualizace.

<h2>Příprava dat a časové řady</h2>
Každý chce analyzovat data, ale je také důležité, abychom to nejprve vyčistili. Naučíme se, jak vyčistit časové řady pomocí funkcí pro datum v Tableau, kde upravíme data podle různých časových kontextů, které nás zajímají. Kromě toho se naučíme všechny detaily používání LODů, abychom tyto výpočty automatizovali za nás!

<h2>Analýza časových řad</h2>
V závěrečných částech tohoto kurzu se naučíte statistické techniky, jako jsou Z-hodnoty, a vytvoříte si vlastní pole pro detekci anomálií v Tableau, abyste identifikovali optimální arbitrážní příležitosti pro obchodní společnost! Naučili byste se, co je časová řada, jak s ní zacházet, a co je důležitější, jak pomocí statistických ukazatelů vyprávět působivý příběh. Pojďme začít!

Calculations in Tableau

V tomto kurzu se naučíte klasifikovat, zpracovávat a analyzovat časové řady; nezbytné pro analytiky.

Analýza časových řad v Tableau

V tomto kurzu se naučíte klasifikovat, zpracovávat a analyzovat časové řady; naprostá nutnost, pokud to s kariérou analytika myslíte vážně.


Z-skóre vyjadřuje relativní polohu datového bodu jako počet směrodatných odchylek, zatímco směrodatná odchylka kvantifikuje rozptyl datasetu

Z-skóre měří rozptyl datových bodů od průměru, zatímco směrodatná odchylka představuje průměrnou vzdálenost od mediánu

Z-skóre vypočítává průměrnou vzdálenost mezi datovými body, zatímco směrodatná odchylka určuje pravděpodobnost výskytu extrémních hodnot

Z-skóre vyjadřuje podíl datových bodů v určitém rozsahu, zatímco směrodatná odchylka určuje šikmost datasetu

Procvičujeme Z-skóre a směrodatnou odchylku

Analýza časových řad v Tableau

Interaktivní praktické cvičení