W tym rozdziale lepiej zapoznasz się ze zmiennymi czasowymi i różnymi sposobami tworzenia nowych zmiennych za pomocą EDA – takimi jak dzień tygodnia czy różnica czasu. Poćwiczysz pracę z Power BI, budując wykresy liniowe do obliczania nowych metryk i odkrywania ukrytych trendów w danych – w tym zmian okres do okresu i średnich kroczących.

Zaczynamy eksplorację danych szeregów czasowych

Stwierdzenia dotyczące analizy szeregów czasowych

Eksploracja szeregów czasowych AirBnB

Tworzenie nowej zmiennej daty

Analiza trendów według dnia tygodnia

Obliczanie zmiany rok do roku

Eksploracja danych szeregów czasowych

Wykres przebiegu szeregu czasowego

Cykliczność a sezonowość

Analiza recenzji Glassdoor w czasie

Tworzenie pierwszego wykresu szeregu czasowego

Obliczanie średnich kroczących

Wykrywanie anomalii w danych szeregów czasowych

Analiza szeregów czasowych w Power BI

Jedną z najpotężniejszych funkcji EDA w Power BI jest możliwość identyfikowania zmiennych mających największy wpływ na badany wynik. Służy do tego natywne narzędzie wizualizacji Power BI – drzewa dekompozycji. Nauczysz się, czym są drzewa dekompozycji, jak je budować i interpretować, aby wyjaśniać zmienną docelową za pomocą innych zmiennych.

Wprowadzenie do drzew dekompozycji

Stwierdzenia dotyczące drzew dekompozycji

Korzystanie z drzew dekompozycji w Power BI

Pierwsze kroki z drzewami dekompozycji

Głębsze eksplorowanie drzew dekompozycji

Analiza wskaźników rotacji pracowników

Drzewa dekompozycji

W tym rozdziale zbudujesz kolejne natywne narzędzie Power BI – wizualizację kluczowych czynników wpływu. Pomoże ci ona zrozumieć, w jakim stopniu określone zmienne i segmenty obserwacji wpływają na badany wynik.

Wprowadzenie do kluczowych czynników wpływu

Drzewa dekompozycji a kluczowi influencerzy

Korzystanie z narzędzia Key Influencers w Power BI

Kluczowe czynniki wpływające na średnią cenę oferty

Segmenty z kluczowych czynników wpływu

Kluczowe czynniki wpływu dla superhostów

Gratulacje!

Kluczowe czynniki wpływu

Exercises and Datasets

Course Glossary

DataCamp vs. Local Experience

W tym kursie nauczysz się analizować szeregi czasowe, wizualizować dane i wykrywać trendy. Zbudujesz nowe zmienne datowe, poznasz wykresy przebiegu i nauczysz się obliczać średnie kroczące. Na koniec odkryjesz, jak identyfikować zmienne mające największy wpływ na zmienną docelową – za pomocą drzew dekompozycji i kluczowych czynników wpływu w Power BI.

Glosariusz kursu znajdziesz po prawej stronie, w sekcji zasobów.

Aby uzyskać punkty CPE, musisz ukończyć kurs i zdobyć co najmniej 70% punktów w kwalifikowanej ocenie. Do oceny możesz przejść, klikając powiadomienie o punktach CPE po prawej stronie.

<h2>Analizuj dane szeregów czasowych</h2>
W tym kursie nauczysz się analizować szeregi czasowe, wizualizować dane i dostrzegać trendy. Będziesz tworzyć nowe zmienne daty, poznasz wykresy przebiegu i nauczysz się obliczać średnie kroczące. 
<br><br>
<h2>Zrozum zmienne wpływające</h2>
Wreszcie dowiesz się, jak identyfikować, które zmienne mają największy wpływ na zmienną docelową, korzystając z drzew dekompozycji i kluczowych czynników wpływających w Power BI.


Exploratory Data Analysis in Power BI

Ulepsz raporty za pomocą analizy trendów, np. szeregów czasowych, drzew dekompozycji i kluczowych wpływów.

Analiza trendów w Power BI

Ulepsz raporty dzięki technikom analizy trendów, takim jak szeregi czasowe, drzewa dekompozycji i kluczowi influencerzy.

Analityk danych w Power BI

Data Scientist at Microsoft

Czym jest „szereg czasowy"?

Zastosowania analizy szeregów czasowych

Analiza na różnych poziomach granularności daty

Przekształcanie w różne zmienne czasowe

Mierzenie zmiany w czasie

Funkcje DAX dla dat

Czas na ćwiczenia!

Eksploracja danych szeregów czasowych - Zaczynamy eksplorację danych szeregów czasowych

Zaczynamy eksplorację danych szeregów czasowych

Create Your Free Account