Dans ce chapitre, vous vous familiariserez avec les variables temporelles et les différentes manières d’extraire d’autres variables via l’EDA pour l’analyse — comme le jour de la semaine et la différence de temps. Vous pratiquerez dans Power BI en créant des graphiques en courbes pour calculer de nouvelles métriques et mettre au jour les tendances cachées dans vos données — notamment les évolutions d’une période à l’autre et les moyennes mobiles.

Premiers pas avec l’exploration des séries temporelles

Affirmations sur l’analyse des séries temporelles

Explorer les séries temporelles d’Airbnb

Générer une nouvelle variable de date

Analyser les tendances par jour de la semaine

Calcul du changement d’une année sur l’autre

Explorer des données de séries temporelles

Run chart de séries temporelles

Cycle vs. saisonnalité

Analyser les avis Glassdoor dans le temps

Créez votre premier graphique de série temporelle

Calculer des moyennes mobiles

Détecter des anomalies dans des séries temporelles

Analyser des séries temporelles dans Power BI

L’une des fonctions les plus puissantes de l’EDA dans Power BI est de pouvoir identifier 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 que sont les arbres de décomposition, comment les construire, puis comment les interpréter afin d’expliquer un résultat cible à l’aide d’autres variables.

Introduction aux arbres de décomposition

Énoncés sur les arbres de décomposition

Utiliser les arbres de décomposition dans Power BI

Premiers pas avec les arborescences de décomposition

Approfondir les arbres de décomposition

Décomposer les taux d’attrition

Arbres de décomposition

Dans ce chapitre, vous allez créer un autre visuel natif de Power BI, les Indicateurs clés. Il vous aide à comprendre dans quelle mesure un résultat cible évolue en fonction de variables spécifiques et de segments d’observations.

Introduction aux indicateurs clés d’influence

Options

Arbre de décomposition

Key Influencer

Arbres de décomposition vs. Key Influencers

Utiliser les influenceurs clés dans Power BI

Influenceurs clés pour le prix moyen des annonces

Segments issus des principaux facteurs d’influence

Facteurs clés pour les superhosts

Félicitations !

Indicateurs clés

Exercises and Datasets

DataCamp vs. Local Experience

Course Glossary

Dans ce cours, vous apprendrez à analyser des séries temporelles, à visualiser vos données et à repérer des tendances. Vous créerez de nouvelles variables de date, découvrirez les run charts et apprendrez à calculer des moyennes mobiles. Enfin, vous verrez comment identifier les variables qui exercent le plus d’influence sur la variable cible grâce aux arbres de décomposition et aux indicateurs clés de Power BI.

Le glossaire du cours se trouve à droite dans la section Ressources.

Pour obtenir des crédits CPE, vous devez terminer le cours et atteindre un score de 70 % à l’évaluation qualifiante. Vous pouvez accéder à l’évaluation en cliquant sur l’encart des crédits CPE à droite.

<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

Permet d’explorer une variable cible via différents chemins

Utile pour l’analyse des causes profondes

Utile pour comparer directement l’influence entre variables

Dépend d’un nombre suffisant d’observations pour dégager des tendances

Explorer l’impact d’une valeur spécifique sur l’évolution d’une variable cible

Arbres de décomposition vs. Key Influencers

Exercice interactif pratique