Wybieranie okien czasowych dla średniej kroczącej

Wiemy już, jak korzystać z interfejsu Tableau do tworzenia średniej kroczącej – ale co, jeśli chcemy samodzielnie zdefiniować pole obliczeniowe, które wygładzi dane?

W tym ćwiczeniu odtworzymy średnią kroczącą za pomocą funkcji WINDOW_AVERAGE() oraz pola Market Water Demand GL.

Skupimy się na zrozumieniu rozmiaru okien i tego, jak wpływa on na interpretację wyników.

Jeśli utracono postęp, wczytaj skoroszyt 3_2_window_average_2.twbx z folderu Workbooks na pulpicie.

To ćwiczenie jest częścią kursu

Analiza szeregów czasowych w Tableau

Interaktywne ćwiczenie praktyczne

Przekształć teorię w praktykę dzięki jednemu z naszych interaktywnych ćwiczeń

Rozpocznij ćwiczenie

To ćwiczenie jest częścią kursu

Analiza szeregów czasowych w Tableau

SkillTag.level.intermediateSkillTag.label

4.8+

Rozpocznij kurs za darmo

W tym rozdziale rozpoczniesz od poznania różnych typów szeregów czasowych oraz metodologii ich analizy. Po opanowaniu podstawowych pojęć nauczysz się przekształcać dane szeregów czasowych w celu przygotowania wizualizacji jedno- i wielowymiarowych.

Exercise 1: Wprowadzenie do szeregów czasowych Exercise 2: Klasyfikacja szeregów czasowych Exercise 3: Formatowanie daty i godziny w Tableau Exercise 4: Zmiana formatu za pomocą funkcji DATENAME Exercise 5: Partycjonowanie z użyciem datepart Exercise 6: Przekształcenia dat i wizualizacje Exercise 7: Sprawdzenie wiedzy o typach danych czasowych Exercise 8: Reformatting dat w Tableau Exercise 9: Przycinanie dat Exercise 10: Obliczanie czasu trwania na podstawie znaczników czasu Exercise 11: Klasyfikowanie danych szeregów czasowych Exercise 12: Analiza zachowań użytkowników

Każdy chce analizować dane, ale kluczowe jest to, aby były one dobrej jakości. W tym rozdziale nauczysz się oczyszczać dane szeregów czasowych przy użyciu wbudowanych funkcji daty w Tableau – będziesz przekształcać, dzielić i ponownie łączyć dane w zależności od interesującego cię kontekstu czasowego. Pójdziesz też o krok dalej i zgłębisz pojęcia sezonowości, analizy trendów oraz wykrywania anomalii!

Exercise 1: Manipulacja i przekształcanie ciągów dat Exercise 2: Prawidłowe czy nie?Exercise 3: Reformatowanie dat w praktyce Exercise 4: Parsowanie daty Exercise 5: Obcinanie do tygodnia Exercise 6: Sezonowość i anomalie w danych szeregów czasowych Exercise 7: Techniki wykrywania anomalii Exercise 8: Wizualizacja sezonowości i percentyli Exercise 9: Zmieniające się pory roku Exercise 10: Analiza trendów ma znaczenie Exercise 11: Zmienność sezonowa za pomocą wykresów pudełkowych Exercise 12: Analiza rozbieżności cen awokado

W tym ostatnim rozdziale poznasz możliwości funkcji okna i technik statystycznych, takich jak wartości Z. Stworzysz własne klasyfikatory anomalii, które pomogą zidentyfikować optymalne okazje arbitrażowe dla firmy handlowej. W drugiej części rozdziału porównasz kilka technik wykrywania anomalii, zdobywając szeroki wachlarz podejść do analizy szeregów czasowych!

Exercise 1: Funkcje okna w Tableau Exercise 2: Zrozumienie funkcji okna Exercise 3: Obliczenia z funkcjami okna Exercise 4: Wygładzanie danych za pomocą średnich kroczących Exercise 5: Wybieranie okien czasowych dla średniej kroczącej

Bieżące ćwiczenie

Exercise 6: Wykrywanie zależności za pomocą korelacji okienkowych Exercise 7: Wykrywanie anomalii za pomocą funkcji okna Exercise 8: Utrwalamy wiedzę o Z-score i odchyleniu standardowym Exercise 9: Dogłębna analiza obliczeń okienkowych Exercise 10: Analiza zmienności Exercise 11: Wyznaczanie górnych granic Exercise 12: Wykrywanie anomalii przy użyciu Z-score Exercise 13: Gratulacje!