Dans ce chapitre, vous vous familiariserez avec les variables temporelles et les multiples façons d'extraire d'autres variables à l'aide de EDA à des fins d'analyse, comme le jour de la semaine et le décalage horaire. Vous vous familiariserez avec Power BI en créant des graphiques linéaires pour calculer de nouvelles mesures et découvrir les tendances qui se cachent dans vos données, y compris les changements d'une période à l'autre et les moyennes glissantes.

Commencer à explorer les données de séries temporelles

Déclarations sur l'analyse des séries temporelles

Explorer les séries temporelles d'AirBnB

Générer une nouvelle variable de date

Analyse des tendances par jour de la semaine

Calcul de l'évolution d'une année sur l'autre

Exploration des données de séries temporelles

Diagramme d'exécution des séries temporelles

Options

Cyclique

Saisonnalité

Cyclique vs. Saisonnier

Analyser les avis de Glassdoor dans le temps

Construire votre premier graphique de séries temporelles

Calcul des moyennes mobiles

Recherche d'anomalies dans les données de séries temporelles

Analyser des séries temporelles dans Power BI

L'une des fonctions les plus puissantes de EDA dans Power BI est de pouvoir identifier les variables qui ont le plus d'influence sur votre résultat cible. Les arbres de décomposition sont un outil de visualisation natif de Power BI qui permet d'atteindre cet objectif. Vous apprendrez à connaître les arbres de décomposition, à les construire, puis à les interpréter afin d'expliquer un résultat cible par d'autres variables. 

Introduction aux arbres de décomposition

Déclarations sur les arbres de décomposition

Utiliser les arbres de décomposition dans Power BI

Commencer avec les arbres de décomposition

Approfondir l'étude des arbres de décomposition

Décomposition des taux d'attrition

Arbres de décomposition

Dans ce chapitre, vous allez créer un autre outil Power BI natif, le visuel des influenceurs clés. Il vous aide à comprendre dans quelle mesure un résultat cible change en fonction de variables spécifiques et de segments d'observations.

Présentation des principaux influenceurs

Arbres de décomposition et influenceurs clés

Utiliser les influenceurs clés dans Power BI

Principaux facteurs d'influence du prix de vente moyen

Segments d'influenceurs clés

Influenceurs clés pour les super-hôtes

Félicitations!

Influenceurs clés

Exercises and Datasets

DataCamp vs. Local Experience

Dans ce cours, vous apprendrez à analyser des séries chronologiques, à visualiser vos données et à repérer les tendances. Vous créerez de nouvelles variables de date, découvrirez les graphiques d'exécution et commencerez à calculer des moyennes glissantes. Enfin, vous découvrirez comment identifier les variables qui exercent le plus d'influence sur la variable cible à l'aide des arbres de décomposition et des influenceurs clés de Power BI.

<h2>Pas des données de séries temporelles</h2>
Dans ce cours, vous apprendrez à analyser des séries chronologiques, à visualiser vos données et à repérer les tendances. Vous créerez de nouvelles variables de date, découvrirez les graphiques d'exécution et commencerez à calculer des moyennes glissantes. 
<br><br>
<h2>Comprendre les variables d'influence</h2>
Enfin, vous découvrirez comment identifier les variables qui exercent le plus d'influence sur la variable cible à l'aide des arbres de décomposition et des influenceurs clés de Power BI.


Exploratory Data Analysis in Power BI

Améliorez vos rapports avec l'analyse des tendances : séries temporelles, arbres de décomposition, influenceurs.

Analyse des tendances dans Power BI

Améliorez vos rapports grâce à des techniques d’analyse des tendances : séries chronologiques, arbres de décomposition et facteurs clés.

Analyste de données dans Power BI

Data Scientist at Microsoft

Analyzing Glassdoor reviews over time

Let's practice!

Analyser des séries temporelles dans Power BI - Analyser les avis de Glassdoor dans le temps

Analyser les avis de Glassdoor dans le temps

Create Your Free Account