時系列データの入門です。時間データに共通するパターンや形式を見極め、目的に合わせて変換する方法を学びます。

時系列データの基礎

時系列分析の種類を見分ける

時系列の変動

出生率の分析

インフルエンザの分析

時系列データ変換の基本

処理の順序

日付の変換

配送遅延の計算

売掛遅延の計算

プロモーション効果の分析

時系列データの概要

Power BI でウィンドウ関数を学び、特定期間にわたるデータを分析するための計算を作成します。

Power BIにおけるウィンドウ関数

ウィンドウ関数の見分け方

平均人口

セグメント別のパフォーマンス

移動平均売上

ローリング合計数量

ウィンドウ関数の活用例

年次比較の計算手順

星5レビューを分析する

過去のセグメント別パフォーマンス

割引率の分布

顧客ランキング

ウィンドウ関数を使いこなす

予測の基本を学び、Power BI で異なる方法を使って将来の値を推定する方法を身につけます。

Power BI での予測

Power BI による予測

予測の実行順序

エネルギー消費の予測タイプ

予測の期待値を設定する

MSFT の終値を予測する

MSFT 終値のヒンドキャスティング

Power BIでの予測：DAX

Options

Not CAGR

CAGR

CAGR を使うべき場面

エネルギー消費の種類を予測する - DAX

予測用の変数を作成する

CAGR を使った予測

CMGRを使った予測

コースのまとめ

予測で先を見通す

DataCamp vs. Local Experience

Exercises and Datasets

Power BI で時系列データを分析する
データセットをあらゆる角度から分析してきたかもしれませんが、すべての分析に共通するもう一つの次元があることをご存じですか？ そう、時間です！ データが時間とともにどう変化するか、考えたことはありますか？

よく使う分析手法を練習する
この「Power BI での時系列分析」コースでは、2 つの異なるデータセットを用いて、時間の経過に沿ってデータを分析するための一般的な手法を練習します。まずは、各地・各時点の PoS（Point of Sale）データである Superstore データを分析し、さまざまな種類のウィンドウ関数、期間累計、期間比較の関数を使って変化を計算します。

組み込み機能と DAX アルゴリズムを活用する
次に、Microsoft（NASDAQ: MSFT）の財務データに取り組み、将来のデータを予測する方法を学びます。ここでは、組み込み機能と DAX の両方のアルゴリズムを使って予測します。

このコースを終えると、時系列データに取り組み、第 4 の次元を使いこなすためのバランスの取れたツールキットが身につきます。


Exploratory Data Analysis in Power BI

Intermediate DAX in Power BI

Power BIで時系列分析を学び、実データセットで技術を練習する実践的なコースです。

Power BI での時系列分析

Power BIでの時系列分析を実践的に学習。実データで作業し、代表的な手法を練習します。

コースのまとめ

Create Your Free Account