Calculer des moyennes mobiles

Utiliser directement la variable de date ou d'heure peut produire une série chronologique très variable. On peut lisser la courbe avec des moyennes mobiles (p. ex. moyenne mobile sur 7 jours). Dans cet exercice, vous comparerez une moyenne mobile sur 7 jours à une moyenne mobile sur 28 jours pour voir laquelle offre une tendance à la fois lisse et informative.

Si vous avez perdu des progrès, fermez tout rapport ouvert et chargez 2_2_rolling_average.pbix à partir du dossier Workbooks sur le Bureau.

Cette activité fait partie du cours

Analyse des tendances dans Power BI

Voir le cours

Exercice interactif pratique

Passez de la théorie à l’action grâce à l’un de nos exercices interactifs

Commencer l’exercice

Cette activité fait partie du cours

Analyse des tendances dans Power BI

SkillTag.level.intermediateSkillTag.label

4.8+

3368 reviews

Commencer le cours gratuitement

Dans ce chapitre, vous vous familiariserez avec les variables temporelles et les multiples façons d'extraire d'autres variables à l'aide de l'EDA pour l'analyse — comme le jour de la semaine et la différence de temps. Vous travaillerez concrètement dans Power BI en créant des graphiques linéaires pour calculer de nouvelles mesures et mettre au jour les tendances cachées dans vos données — notamment les variations d'une période à l'autre et les moyennes mobiles.

Exercise 1: Commencer à explorer les données de séries chronologiques Exercise 2: Énoncés sur l'analyse de séries chronologiques Exercise 3: Explorer les séries chronologiques d'Airbnb Exercise 4: Générer une nouvelle variable de date Exercise 5: Analyse des tendances par jour de la semaine Exercise 6: Calcul du changement d'une année à l'autre

Exercise 1: Graphique d'évolution des séries temporelles Exercise 2: Cyclique ou saisonnier Exercise 3: Analyser les avis Glassdoor dans le temps Exercise 4: Créer votre premier graphique de séries chronologiques Exercise 5: Calculer des moyennes mobiles

Exercice en cours

Exercise 6: Détecter des anomalies dans des données chronologiques

L'une des fonctions les plus puissantes de l'EDA dans Power BI est de pouvoir repérer quelles variables influencent le plus votre résultat cible. Un outil de visualisation natif de Power BI qui le permet est l'arbre de décomposition. Vous apprendrez ce qu'est un arbre de décomposition, comment le construire, puis comment l'interpréter afin d'expliquer un résultat cible à partir d'autres variables.

Exercise 1: Introduction aux arbres de décomposition Exercise 2: Énoncés sur les arbres de décomposition Exercise 3: Utiliser les arbres de décomposition dans Power BI Exercise 4: Premiers pas avec les arbres de décomposition Exercise 5: Approfondir les arbres de décomposition Exercise 6: Décomposer les taux de départs

Dans ce chapitre, vous utiliserez un autre visuel natif de Power BI, les Principaux facteurs d'influence. Il vous aide à comprendre dans quelle mesure un résultat cible varie selon certaines variables et certains segments d'observations.

Exercise 1: Introduction aux principaux facteurs d'influence Exercise 2: Arbres de décomposition vs principaux facteurs d'influence Exercise 3: Utiliser les facteurs clés d'influence dans Power BI Exercise 4: Influenceurs clés du prix moyen d'une annonce Exercise 5: Segments des principaux facteurs d'influence Exercise 6: Principaux facteurs d'influence pour les superhôtes Exercise 7: Félicitations !