In dit hoofdstuk maak je beter kennis met tijdsgebonden variabelen en de verschillende manieren om met EDA extra variabelen voor analyse af te leiden—zoals dag van de week en tijdsverschil. Je gaat praktisch aan de slag in Power BI: je bouwt lijndiagrammen, berekent nieuwe statistieken en legt trends bloot die in je data verborgen zitten—zoals veranderingen periode-op-periode en voortschrijdende gemiddelden.

Aan de slag met het verkennen van tijdreeksgegevens

Uitspraken over tijdreeksanalyse

Airbnb-tijdreeksen verkennen

Een nieuwe datumvariabele maken

Trends analyseren per weekdag

Jaar-op-jaar wijziging berekenen

Tijdreeksgegevens verkennen

Run chart voor tijdreeksen

Opties

Cyclisch

Seizoensgebonden

Cyclisch vs. seizoensgebonden

Glassdoor-reviews in de tijd analyseren

Je eerste tijdreeksdiagram maken

Rolling averages berekenen

Afwijkingen vinden in tijdreeksgegevens

Tijdreeksen analyseren in Power BI

Een van de krachtigste functies van EDA in Power BI is bepalen welke variabelen de meeste invloed hebben op je beoogde uitkomst. Een native Power BI-visualisatie die dat mogelijk maakt, is de decompositiebom. Je leert wat decompositiebomen zijn, hoe je ze opstelt en hoe je ze interpreteert om een doeluitkomst te verklaren met andere variabelen.

Introductie tot decomposition trees

Uitspraken over decomposition trees

Decomposition trees gebruiken in Power BI

Aan de slag met decomposition trees

Dieper duiken in decomposition trees

Attritionpercentages uitsplitsen

Decompositiebomen

In dit hoofdstuk bouw je een andere native Power BI-visual: Key influencers. Deze helpt je te begrijpen hoeveel een doeluitkomst verandert op basis van specifieke variabelen en segmenten van observaties.

Introductie tot key influencers

Decomposition trees vs. key influencers

Key influencers gebruiken in Power BI

Belangrijkste beïnvloeders voor de gemiddelde vraagprijs

Segmenten uit key influencers

Key influencers voor superhosts

Gefeliciteerd!

Key influencers

Exercises and Datasets

Course Glossary

DataCamp vs. Local Experience

In deze cursus leer je tijdreeksen analyseren, je data visualiseren en trends herkennen. Je bouwt nieuwe datumvariabelen, ontdekt run charts en gaat aan de slag met het berekenen van voortschrijdende gemiddelden. Tot slot ontdek je hoe je met decompositiebomen en key influencers in Power BI vaststelt welke variabelen de meeste invloed hebben op de doelvariabele.

De cursuswoordenlijst vind je rechts bij de bronnen.

Om CPE-credits te behalen, moet je de cursus afronden en minimaal 70% scoren op de gekwalificeerde toets. Je kunt naar de toets navigeren door rechts op de CPE-credits-call-out te klikken.

<h2>Geen tijdreeksgegevens</h2>

  

<br><br>
<h2></h2>




Exploratory Data Analysis in Power BI

Verbeter je rapporten met trendanalyses zoals tijdreeksen, decompositiebomen en belangrijke invloeden.

Trendanalyse in Power BI

Verbeter uw rapporten met trendanalysetechnieken zoals tijdreeksen, decompositiebomen en belangrijkste beïnvloeders.

Data-analyse in Power BI

Kiezersregistratie voor grote verkiezingen

Cyclisch vs. seizoensgebonden

Trendanalyse in Power BI

Interactieve oefening met praktijkervaring