Segmenten uit key influencers

De key influencers-visualisatie laat niet alleen zien hoe variabelen een andere continue variabele verhogen of verlagen, maar kan ook inspireren om de gegevens op nieuwe manieren te transformeren. Daarnaast bouwt het "Segments" of groepen datapunten met hun kenmerken.

In deze oefening maak je een nieuwe variabele door property_type te categoriseren, zodat je die in de bestaande key influencer-visual kunt gebruiken, en daarna verken je de gegenereerde segmenten.

Als je voortgang kwijt bent, sluit dan alle open rapporten en laad 4_2_segments.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: Time series run chart Exercise 2: Cyclical vs. Seasonal Exercise 3: Analyzing Glassdoor reviews over time Exercise 4: Building your first time series chart Exercise 5: Calculating rolling averages Exercise 6: Finding anomalies in time series data

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: Introductie tot key influencers Exercise 2: Decomposition trees vs. key influencers Exercise 3: Key influencers gebruiken in Power BI Exercise 4: Belangrijkste beïnvloeders voor gemiddelde prijs van een listing Exercise 5: Segmenten uit key influencers

Huidige oefening

Exercise 6: Key influencers voor superhosts Exercise 7: Gefeliciteerd!