En este capítulo, te familiarizarás con las variables basadas en la hora y las múltiples formas de extraer más variables utilizando EDA para su análisis, como el día de la semana y la diferencia horaria. Te pondrás manos a la obra con Power BI mientras construyes gráficos de líneas para calcular nuevas métricas y descubrir las tendencias ocultas en tus datos, incluidos los cambios entre periodos y las medias móviles.

Empezar a explorar datos de series temporales

Afirmaciones sobre el análisis de series temporales

Explorar las series temporales de AirBnB

Generar una nueva variable de fecha

Analizar las tendencias por día de la semana

Cálculo de la variación interanual

Exploración de datos de series temporales

Gráfico de ejecución de series temporales

Cíclico vs. Estacional

Analizar las opiniones de Glassdoor a lo largo del tiempo

Construir tu primer gráfico de series temporales

Cálculo de medias móviles

Encontrar anomalías en datos de series temporales

Analizar series temporales en Power BI

Una de las funciones más potentes de EDA en Power BI es poder identificar qué variables influyen más en tu resultado objetivo. Una herramienta de visualización nativa de Power BI que lo permite es Árboles de descomposición. Aprenderás sobre los Árboles de Descomposición, cómo construirlos y luego interpretarlos para explicar un resultado objetivo mediante otras variables. 

Introducción a los árboles de descomposición

Declaraciones sobre árboles de descomposición

Utilizar árboles de descomposición en Power BI

Profundizar en los árboles de descomposición

Descomposición de las tasas de abandono

Árboles de descomposición

En este capítulo construirás otra herramienta nativa de Power BI, Key Influencers visual. Te ayuda a comprender cuánto cambia un resultado objetivo en función de variables y segmentos de observaciones específicos.

Presentación de personas influyentes clave

Opciones

Árbol de descomposición

Influenciador clave

Árboles de descomposición frente a influenciadores clave

Utilizar personas influyentes clave en el Poder BI

Factores clave que influyen en el precio medio de venta

Segmentos de personas influyentes clave

Influyentes clave para los superanfitriones

¡Enhorabuena!

Influyentes clave

Exercises and Datasets

DataCamp vs. Local Experience

En este curso aprenderás a analizar series temporales, visualizar tus datos y detectar tendencias. Construirás nuevas variables de fecha, descubrirás los gráficos de ejecución y te adentrarás en el cálculo de medias móviles. Por último, descubrirás cómo identificar las variables que más influyen en la variable objetivo utilizando los árboles de descomposición de Power BI y los influenciadores clave.

<h2>Analizar datos de series temporales</h2>
En este curso aprenderás a analizar series temporales, visualizar tus datos y detectar tendencias. Construirás nuevas variables de fecha, descubrirás los gráficos de ejecución y te adentrarás en el cálculo de medias móviles. 
<br><br>
<h2>Comprender las variables que influyen</h2>
Por último, descubrirás cómo identificar las variables que más influyen en la variable objetivo utilizando los árboles de descomposición de Power BI y los influenciadores clave.


Exploratory Data Analysis in Power BI

Mejora tus informes con análisis de tendencias como series temporales, árboles de descomposición e influenciadores clave.

Análisis de Tendencias en Energía BI

Mejora tus informes con técnicas de análisis de tendencias, como series temporales, árboles de descomposición e influenciadores clave.

Analista de datos en Power BI

Permite explorar una variable objetivo utilizando diferentes caminos

Útil para el análisis de la causa raíz

Útil para comparar directamente la influencia entre variables

Depende de suficientes observaciones para derivar patrones

Explora el impacto de un valor específico en el cambio de una variable objetivo

Árboles de descomposición frente a influenciadores clave

Análisis de Tendencias en Energía BI

Ejercicio interactivo práctico