In diesem Kapitel machst du dich mit zeitbasierten Variablen vertraut und lernst verschiedene Möglichkeiten kennen, mithilfe von EDA weitere Variablen für die Analyse zu gewinnen – etwa Wochentag und Zeitdifferenz. Du arbeitest praktisch in Power BI, erstellst Liniendiagramme, berechnest neue Kennzahlen und deckst verborgene Trends in deinen Daten auf – darunter Periodenvergleiche und gleitende Durchschnitte.

Einstieg in die Erkundung von Zeitreihendaten

Aussagen zur Zeitreihenanalyse

AirBnB-Zeitreihen erkunden

Eine neue Datumsvariable erzeugen

Trends nach Wochentag analysieren

Year-over-Year-Änderung berechnen

Zeitreihendaten erkunden

Zeitreihen-Run-Chart

Zyklisch vs. saisonal

Glassdoor-Bewertungen im Zeitverlauf analysieren

Erstelle dein erstes Zeitreihendiagramm

Gleitende Durchschnitte berechnen

Anomalien in Zeitreihendaten finden

Zeitreihenanalyse in Power BI

Eine der stärksten Funktionen der EDA in Power BI ist die Identifikation der Variablen, die den größten Einfluss auf dein Zielergebnis haben. Ein natives Visualisierungstool in Power BI, das dies ermöglicht, sind Decomposition Trees. Du lernst, was Decomposition Trees sind, wie du sie erstellst und interpretierst, um ein Zielergebnis mithilfe anderer Variablen zu erklären.

Einführung in Decomposition Trees

Aussagen zu Decomposition Trees

Dekompositionsbäume in Power BI verwenden

Einstieg in Decomposition Trees

Tiefer eintauchen in Decomposition Trees

Fluktuationsraten aufschlüsseln

Decomposition Trees

In diesem Kapitel erstellst du ein weiteres natives Power-BI-Visual: Key Influencers. Es hilft dir zu verstehen, wie stark sich ein Zielergebnis basierend auf bestimmten Variablen und Segmenten von Beobachtungen verändert.

Einführung in Key Influencers

Options

Decomposition Tree

Key Influencer

Decomposition Trees vs. Key Influencers

Key Influencers in Power BI verwenden

Schlüsselbeeinflusser für den durchschnittlichen Angebotspreis

Segmente aus Key Influencers

Key Influencers für Superhosts

Glückwunsch!

Key Influencers

Exercises and Datasets

DataCamp vs. Local Experience

Course Glossary

In diesem Kurs lernst du, Zeitreihen zu analysieren, deine Daten zu visualisieren und Trends zu erkennen. Du erstellst neue Datumsvariablen, entdeckst Run-Charts und berechnest gleitende Durchschnitte. Zum Schluss findest du mit Power BIs Decomposition Trees und Key Influencers heraus, welche Variablen den größten Einfluss auf die Zielvariable haben.

Das Kursglossar findest du rechts im Bereich „Ressourcen“.

Um CPE-Credits zu erhalten, musst du den Kurs abschließen und in der qualifizierten Prüfung mindestens 70 % erreichen. Du gelangst zur Prüfung, indem du rechts auf den Hinweis zu den CPE-Credits klickst.

<h2>Zeitreihendaten darstellen</h2>
In diesem Kurs lernst du, wie du Zeitreihen analysierst, deine Daten visualisierst und Trends erkennst. Du erstellst neue Datumsvariablen, entdeckst Laufdiagramme und beschäftigst dich mit der Berechnung von gleitenden Durchschnitten. 
<br><br>
<h2>Beeinflussende Variablen verstehen</h2>
Schließlich erfährst du, wie du mit den Zerlegungsbäumen von Power BI und den wichtigsten Einflussfaktoren herausfinden kannst, welche Variablen den größten Einfluss auf die Zielvariable haben.


Exploratory Data Analysis in Power BI

Verbessern Sie Ihre Berichte mit Trendanalysen wie Zeitreihen, Zerlegungsbäumen und Schlüsselbeeinflussern.

Trendanalyse in Power BI

Hier lernst du mithilfe von Trendanalyseverfahren wie Zeitreihen und Analysebäumen aussagekräftige Berichte zu erstellen.

Datenanalyst in Power BI

Ermöglicht die Exploration einer Zielvariable über unterschiedliche Pfade

Nützlich für den direkten Einflussvergleich über Variablen hinweg

Abhängig von genügend Beobachtungen, um Muster abzuleiten

Untersucht die Auswirkung eines bestimmten Werts auf die Veränderung einer Zielvariable

Decomposition Trees vs. Key Influencers

Interaktive praktische Übung