Neste capítulo, você se familiarizará mais com as variáveis baseadas em tempo e com as diversas maneiras de extrair outras variáveis usando o site EDA para análise, como dia da semana e diferença de horário. Você terá contato prático com o Power BI ao criar gráficos de linha para calcular novas métricas e descobrir tendências ocultas em seus dados, incluindo alterações de período a período e médias móveis.

Começando a explorar dados de séries temporais

Declarações sobre análise de séries temporais

Explorando a série temporal do AirBnB

Geração de uma nova variável de data

Análise de tendências por dia da semana

Cálculo da variação ano a ano

Explorando dados de séries temporais

Gráfico de execução de séries temporais

Opções

Cíclico

Sazonalidade

Cíclico vs. Sazonal

Analisando as avaliações do Glassdoor ao longo do tempo

Criando seu primeiro gráfico de série temporal

Cálculo de médias móveis

Encontrar anomalias em dados de séries temporais

Análise de séries temporais no Power BI

Uma das funções mais poderosas do EDA no Power BI é a capacidade de identificar quais variáveis têm maior influência sobre o resultado desejado. Uma ferramenta de visualização nativa do Power BI que permite isso é a Decomposition Trees (Árvores de decomposição). Você aprenderá sobre as árvores de decomposição, como construí-las e depois interpretá-las para explicar um resultado-alvo por meio de outras variáveis. 

Introdução às árvores de decomposição

Declarações sobre árvores de decomposição

Usando árvores de decomposição no Power BI

Como começar a usar árvores de decomposição

Mergulhando mais fundo nas árvores de decomposição

Decomposição das taxas de atrito

Árvores de decomposição

Neste capítulo, você criará outra ferramenta nativa do Power BI, o Key Influencers visual. Ele ajuda você a entender o quanto um resultado-alvo muda com base em variáveis específicas e segmentos de observações.

Apresentação dos principais influenciadores

Árvores de decomposição vs. principais influenciadores

Usando os principais influenciadores no Power BI

Principais influenciadores do preço médio de listagem

Segmentos dos principais influenciadores

Principais influenciadores para superanfitriões

Parabéns!

Principais influenciadores

Exercises and Datasets

DataCamp vs. Local Experience

Neste curso, você aprenderá a analisar séries temporais, visualizar seus dados e identificar tendências. Você criará novas variáveis de data, descobrirá gráficos de execução e começará a calcular médias móveis. Por fim, você descobrirá como identificar quais variáveis exibem a maior influência sobre a variável-alvo usando as árvores de decomposição e os principais influenciadores do Power BI.

<h2>Analisar dados de séries temporais</h2>
Neste curso, você aprenderá a analisar séries temporais, visualizar seus dados e identificar tendências. Você criará novas variáveis de data, descobrirá gráficos de execução e começará a calcular médias móveis. 
<br><br>
<h2>Compreender as variáveis de influência</h2>
Por fim, você descobrirá como identificar quais variáveis exibem a maior influência sobre a variável-alvo usando as árvores de decomposição e os principais influenciadores do Power BI.


Exploratory Data Analysis in Power BI

Melhore seus relatórios com técnicas de análise de tendências como séries temporais e árvores de decomposição.

Análise de tendências em energia BI

"Melhore seus relatórios com técnicas de análise de tendências como séries temporais e árvores de decomposição."

Analista de dados no Power BI

Data Scientist at Microsoft

Time series run chart

Visualizing a time series

What is a run chart?

Patterns in a time series

Evaluating the trend in the time series

Trends with rolling averages

Smoothing with rolling averages

Anomalies in a time series

Let's practice!

Análise de séries temporais no Power BI - Gráfico de execução de séries temporais