時系列分析で最も一般的な用途のひとつが、日付の季節性の分析です。各ビジネスは自社のパフォーマンスにパターンやトレンドがないかを重視します。これにより、予算策定や予測の精度が大きく向上するからです。移動平均は変動をならし、全体像をより明確にするのに役立ちます。
UKのアパレル事業で、受注の季節性が見られるか確認してみましょう。
この演習はコースの一部です
理論を実践に変える、インタラクティブな演習のひとつをお試しください
この章では、計算フィールドという概念から始め、行レベルや集計など、さまざまな種類の計算の基礎をおさらいします。 また、よくある計算エラーの対処法を学び、章の後半では、データ分析に欠かせない String 関数と論理関数を実践的に身につけます。
この章では、データの粒度を行き来しながら理解を深めます。LOD 式を使うと、ビュー内のディメンションに依存しない計算が可能になります。明らかな気づきを超えて洞察を広げる、新しい分析の世界を発見しましょう！
この章では、もう一つの便利な計算タイプであるテーブル計算に焦点を当てます。累積合計、カテゴリに対する割合、ランク付けの計算方法を学び、関連する関数の仕組みを理解します。章の後半ではパラメータを取り上げ、計算での活用方法を学びます。さあ、始めましょう！
この章では時系列分析に取り組みます。その前に、関連する時系列計算の中核となる日付・時刻データ型にしっかり触れます。主要な日付関数を学ぶことで、CAGR の計算、前年比の算出、季節性の傾向やインデックス成長の探索といった、より高度な分析へと進めるようになります。ここまでの章で学んだ知識が大いに役立ちます。
現在の演習
