Selezionare finestre temporali per la media mobile

Abbiamo visto come usare l’interfaccia di Tableau per creare una media mobile, ma cosa succede se dobbiamo creare un nostro campo calcolato di media mobile per rendere i dati più omogenei?

In questo esercizio replicheremo la media mobile usando la funzione WINDOW_AVERAGE() e il campo Market Water Demand GL.

In particolare, ci concentreremo sulla dimensione delle finestre e su come questa influisce sulla nostra interpretazione.

Se hai perso i progressi, carica la cartella di lavoro 3_2_window_average_2.twbx dalla cartella Workbooks sul Desktop

Questo esercizio fa parte del corso

Analisi delle serie temporali in Tableau

Visualizza corso

esercizio interattivo pratico

Trasforma la teoria in pratica con uno dei nostri esercizi interattivi

Inizia esercizio

Questo esercizio fa parte del corso

Analisi delle serie temporali in Tableau

IntermediárioNível de habilidade

4.8+

Inizia il corso gratuitamente

In questo capitolo inizieremo il nostro percorso comprendendo i diversi tipi di serie temporali esistenti e le metodologie analitiche per analizzarle. Una volta chiariti i concetti fondamentali, vedrai come riformattare i dati temporali per prepararti a visualizzazioni univariate e multivariate.

Exercise 1: Introduzione alle serie temporali Exercise 2: Classificazione delle serie temporali Exercise 3: Formattazione di data e ora in Tableau Exercise 4: Riformattare con datename Exercise 5: Partizionare con datepart Exercise 6: Trasformazioni e visualizzazioni delle date Exercise 7: Verifica sulle date e ore Exercise 8: Riformattare le date in Tableau Exercise 9: Troncamento delle date Exercise 10: Calcolare le durate dai timestamp delle date Exercise 11: Classificare i dati di serie temporali Exercise 12: Analizzare il comportamento dei passeggeri

Tutti vogliono analizzare i dati, ma è fondamentale che siano puliti. In questo capitolo impareremo a ripulire i dati di serie temporali usando le funzioni data integrate di Tableau, con cui rimodelleremo, divideremo e riuniremo i dati in base ai diversi contesti temporali di interesse. Inoltre, approfondiremo stagionalità, analisi del trend e rilevamento delle anomalie!

Exercise 1: Manipolazione e riformattazione delle stringhe di data Exercise 2: Valido o no?Exercise 3: Riformattare le date nella pratica Exercise 4: Parsing della data Exercise 5: Troncamenti settimanali Exercise 6: Stagionalità e anomalie nei dati di serie temporali Exercise 7: Tecniche per anomalie Exercise 8: Visualizzare la stagionalità e i percentili Exercise 9: Cambiando le stagioni Exercise 10: L’andamento conta Exercise 11: Variazione stagionale con box plot Exercise 12: Analizzare le discrepanze nei prezzi degli avocado

In questo capitolo finale scoprirai tutta la potenza delle funzioni finestra e di tecniche statistiche come i valori Z, con cui creerai classificatori di anomalie personalizzati per individuare opportunità ottimali di arbitraggio sui prezzi per un’azienda di trading! Nella seconda parte del capitolo confronteremo più tecniche di rilevamento delle anomalie, fornendoti un ampio ventaglio di approcci per trattare e analizzare le serie temporali!

Exercise 1: Funzioni di finestra in Tableau Exercise 2: Capire le window function Exercise 3: Calcoli con le funzioni finestra Exercise 4: Smussare i dati con le medie mobili Exercise 5: Selezionare finestre temporali per la media mobile

Esercizio attuale

Exercise 6: Identificare relazioni con le correlazioni finestrate Exercise 7: Rilevamento delle anomalie con le funzioni finestra Exercise 8: Memoria muscolare con Z-score e deviazione standard Exercise 9: Un approfondimento sulle funzioni finestra Exercise 10: Analizzare la volatilità Exercise 11: Impostare limiti superiori Exercise 12: Rilevamento di anomalie con Z-score Exercise 13: Congratulazioni!