Analizando el comportamiento de uso

En Citibike, entender el comportamiento de uso es clave para garantizar un acceso fiable a nuestras bicis. Esto significa que necesitamos conocer los periodos de mayor y menor demanda para nuestros diferentes grupos de clientes (miembros ocasionales / miembros anuales).

Hemos oído rumores de que nuestros miembros de pago no siempre pueden acceder a bicis entre semana en horas punta debido al uso intensivo por parte de usuarios ocasionales.

¡Vamos a comprobar si es cierto con un análisis basado en datos!

Si perdiste el progreso, carga el libro 1_6_analyzing_ridership_behaviour.twbx desde la carpeta Exercises en el Escritorio

Este ejercicio forma parte del curso

Análisis de series temporales en Tableau

Ver curso

Ejercicio interactivo práctico

Pon en práctica la teoría con uno de nuestros ejercicios interactivos

Empezar ejercicio

Este ejercicio forma parte del curso

Análisis de series temporales en Tableau

IntermedioNivel de habilidad

4.8+

131 reviews

Comienza el curso gratis

En este capítulo, comenzaremos entendiendo los distintos tipos de series temporales que existen, así como las metodologías analíticas para analizarlas. Una vez que tengas claros los conceptos fundamentales, aprenderás a reformatear datos de series temporales para preparar visualizaciones univariantes y multivariantes.

Exercise 1: Introducción a las series temporales Exercise 2: Clasificación de series temporales Exercise 3: Formato de fecha y hora en Tableau Exercise 4: Reformatear con datename Exercise 5: Segmentación con DATEPART Exercise 6: Transformaciones y visualizaciones de fechas Exercise 7: Comprobación de conocimientos sobre fechas y horas Exercise 8: Reformatear fechas en Tableau Exercise 9: Truncar fechas Exercise 10: Calcular duraciones a partir de marcas de tiempo de fecha Exercise 11: Clasificar datos de series temporales Exercise 12: Analizando el comportamiento de uso

Ejercicio actual

Todo el mundo quiere analizar datos, pero es esencial que estén limpios. En este capítulo, aprenderemos a limpiar datos de series temporales usando las funciones de fecha integradas de Tableau, con las que daremos forma, dividiremos y volveremos a unir los datos según el contexto temporal que nos interese. Además, profundizaremos en los conceptos de estacionalidad, análisis de tendencias y detección de anomalías.

Exercise 1: Manipulación y reformateo de cadenas de fecha Exercise 2: ¿Válido o no?Exercise 3: Reformar fechas en la práctica Exercise 4: Analizando (parseando) la fecha Exercise 5: Truncamientos semanales Exercise 6: Estacionalidad y anomalías en datos de series temporales Exercise 7: Técnicas para detectar anomalías Exercise 8: Visualizar estacionalidad y percentiles Exercise 9: Cambiando las estaciones Exercise 10: La tendencia importa Exercise 11: Variación estacional con diagramas de caja Exercise 12: Analizando discrepancias en los precios del aguacate

En este capítulo final, aprenderás todo sobre el potencial de las funciones de ventana y técnicas estadísticas como los valores Z, con los que crearás tus propios clasificadores de anomalías para identificar oportunidades de arbitraje de precios óptimas para una empresa de trading. En la segunda parte del capítulo, compararemos varios métodos de detección de anomalías, dotándote de un amplio abanico de enfoques para tratar y analizar series temporales.

Exercise 1: Funciones de ventana en Tableau Exercise 2: Entender las funciones de ventana Exercise 3: Cálculos con funciones de ventana Exercise 4: Suavizar datos con medias móviles Exercise 5: Seleccionar ventanas temporales para medias móviles Exercise 6: Identificar relaciones con correlaciones de ventana Exercise 7: Detección de anomalías con funciones de ventana Exercise 8: Memoria muscular con Z-scores y desviación estándar Exercise 9: Un análisis en profundidad de los cálculos con ventanas Exercise 10: Desglosando la volatilidad Exercise 11: Definir límites superiores Exercise 12: Detección de anomalías con Z-scores Exercise 13: ¡Enhorabuena!