Voortschrijdende gemiddelden berekenen

Een tijdreeks direct met de datum- of tijdvariabele kan veel variatie laten zien. Je kunt die gladstrijken met voortschrijdende gemiddelden (bijv. 7-daags voortschrijdend gemiddelde). In deze oefening vergelijk je een 7-daags en een 28-daags voortschrijdend gemiddelde om te zien welke een vloeiende maar informatieve trend geeft.

Als je voortgang kwijt bent, sluit dan alle geopende rapporten en laad 2_2_rolling_average.pbix vanuit de map Workbooks op het bureaublad.

Deze oefening maakt deel uit van de cursus

Trendanalyse in Power BI

Cursus bekijken

Praktische interactieve oefening

Zet theorie om in actie met een van onze interactieve oefeningen.

Begin met trainen

Deze oefening maakt deel uit van de cursus

Trendanalyse in Power BI

SkillTag.level.intermediateSkillTag.label

4.8+

2655 reviews

Begin de cursus gratis

In this chapter, you’ll get more familiar with time-based variables and the multiple ways to extract further variables using EDA for analysis—like day of week and time difference. You’ll get hands-on with Power BI as you build line charts to calculate new metrics and uncover trends hiding in your data—including period-over-period change and rolling averages.

Exercise 1: Starting to explore time series data Exercise 2: Statements about time series analysis Exercise 3: Exploring AirBnB time series Exercise 4: Generating a new date variable Exercise 5: Analyzing trends by day of week Exercise 6: Calculating year-over-year change

Exercise 1: Run chart voor tijdreeksen Exercise 2: Cyclisch vs. seizoensgebonden Exercise 3: Glassdoor-beoordelingen in de tijd analyseren Exercise 4: Je eerste tijdreeks grafiek maken Exercise 5: Voortschrijdende gemiddelden berekenen

Huidige oefening

Exercise 6: Afwijkingen in tijdreeksgegevens vinden

One of the most powerful functions of EDA in Power BI is being able to identify which variables have the most influence on your target outcome. A native Power BI visualization tool enabling that is Decomposition Trees. You'll learn about Decomposition Trees, how to construct, then interpret in order to explain a target outcome by other variables.

Exercise 1: Introduction to decomposition trees Exercise 2: Statements about decomposition trees Exercise 3: Using decomposition trees in Power BI Exercise 4: Getting started with decomposition trees Exercise 5: Diving deeper into decomposition trees Exercise 6: Decomposing attrition rates

In this chapter you'll build another native Power BI tool, Key Influencers visual. It helps you to understand how much a target outcome changes based on specific variables and segments of observations.

Exercise 1: Introduction to key influencers Exercise 2: Decomposition trees vs. key influencers Exercise 3: Using key influencers in Power BI Exercise 4: Key influencers for average listing price Exercise 5: Segments from key influencers Exercise 6: Key influencers for super hosts Exercise 7: Congratulations!