Identificarea anomaliilor în datele de tip serie de timp

Vizualizarea tendințelor globale în timp este ideală pentru identificarea tiparelor recurente, dar și a celor neobișnuite. Analizând datele mai în detaliu, poți descoperi explicații pentru motivele din spatele acestor tipare.

În acest exercițiu, vei investiga o scădere neobișnuită a numărului de noi gazde AirBnB. Vei face asta folosind mai întâi detectarea automată a anomaliilor din Power BI, apoi explorând datele manual.

Dacă ai pierdut progresul, închide toate rapoartele deschise și încarcă 2_3_anomalies.pbix din folderul Workbooks de pe Desktop.

Acest exercițiu face parte din cursul

Analiza tendințelor în Power BI

Vezi cursul

Exercițiu interactiv practic

Transformă teoria în practică cu unul dintre exercițiile noastre interactive

Începe exercițiul

Acest exercițiu face parte din cursul

Analiza tendințelor în Power BI

SkillTag.level.intermediateSkillTag.label

4.8+

3365 reviews

Începe cursul gratuit

În acest capitol, te vei familiariza cu variabilele bazate pe timp și cu modalitățile de a extrage variabile suplimentare prin EDA – cum ar fi ziua din săptămână sau diferența de timp. Vei lucra direct în Power BI, construind grafice linie pentru a calcula noi metrici și a descoperi tendințe ascunse în date – inclusiv variații perioadă-după-perioadă și medii mobile.

Exercise 1: Primii pași în explorarea datelor de tip serie temporală Exercise 2: Afirmații despre analiza seriilor de timp Exercise 3: Explorând serii de timp AirBnB Exercise 4: Generarea unei noi variabile de dată Exercise 5: Analiza tendințelor pe zile ale săptămânii Exercise 6: Calcularea variației de la an la an

Exercise 1: Grafic de evoluție a seriei de timp Exercise 2: Ciclic vs. Sezonier Exercise 3: Analiza recenziilor Glassdoor în timp Exercise 4: Construiești primul tău grafic de serie de timp Exercise 5: Calcularea mediilor mobile Exercise 6: Identificarea anomaliilor în datele de tip serie de timp

Exercițiul curent

Una dintre cele mai utile funcționalități ale EDA în Power BI este capacitatea de a identifica variabilele cu cea mai mare influență asupra rezultatului țintă. Instrumentul nativ de vizualizare care permite acest lucru este arborele de descompunere. Vei învăța ce sunt arborii de descompunere, cum se construiesc și cum se interpretează pentru a explica un rezultat țintă prin intermediul altor variabile.

Exercise 1: Introducere în arborii de descompunere Exercise 2: Afirmații despre arborii de descompunere Exercise 3: Utilizarea arborilor de descompunere în Power BI Exercise 4: Primii pași cu arborii de descompunere Exercise 5: Aprofundarea arborilor de descompunere Exercise 6: Descompunerea ratelor de fluctuație a personalului

În acest capitol vei construi un alt instrument nativ din Power BI: vizualizarea factorilor cheie de influență. Aceasta te ajută să înțelegi cât de mult se modifică un rezultat țintă în funcție de anumite variabile și segmente de observații.

Exercise 1: Introducere în Key Influencers Exercise 2: Arbori de descompunere vs. factori cheie de influență Exercise 3: Utilizarea vizualului Key Influencers în Power BI Exercise 4: Factorii cheie de influență pentru prețul mediu al unui anunț Exercise 5: Segmente din Key Influencers Exercise 6: Factori cheie de influență pentru super hosts Exercise 7: Felicitări!