En introduktion till tidsseriedata. Lär dig att identifiera vanliga mönster och format för tidsdata och omvandla dem efter dina behov.

Grunderna i tidsseriedata

Identifiera typer av tidsserieanalyser

Variation i tidsserier

Analysera födelsetakter

Analysera influensa

Grunderna i transformation av tidsseriedata

Rätt ordningsföljd

Omvandla datum

Beräkna leveransfördröjningar

Beräkna betalningstid för kundfordringar

Analysera kampanjeffektivitet

Introduktion till tidsseriedata

Lär dig om fönsterfunktioner och skapa dem i Power BI för att analysera data över en bestämd tidsperiod.

Fönsterfunktioner i Power BI

Identifiera fönsterfunktioner

Genomsnittlig befolkning

Segmentprestanda

Rullande genomsnittlig försäljning

Rullande totalt antal

Tillämpningar av fönsterfunktioner

Steg för att beräkna förändring år för år

Analys av femstjärniga recensioner

Historisk segmentprestanda

Fördelning av rabattsatser

Kundrankning

Arbeta med fönsterfunktioner

Lär dig grunderna i prognostisering och hur du förutsäger framtida värden med olika metoder i Power BI.

Prognoser i Power BI

Ordningen för prognosarbete

Prognostisera typer av energiförbrukning

Sätta förväntningar på prognosen

Prognos för MSFTs slutkurs

Hindcastning av MSFTs stängningskurs

Prognoser i Power BI: DAX

Alternativ

Inte CAGR

CAGR

När CAGR är lämpligt att använda

Prognostyper för energiförbrukning – DAX

Skapa prognosvariabler

Prognos med CAGR

Prognoser med CMGR

Kurssammanfattning

Blicka framåt med prognoser

DataCamp vs. Local Experience

Exercises and Datasets

Analysera tidsseriedata med Power BI
Du har arbetat med datamängder och analyserat dem från många olika vinklar – men visste du att det finns en dimension som alla analyser har gemensamt? Det är tiden! Har du funderat på hur dina data förändras över tid?

Öva på vanliga analystekniker
I kursen Tidsserieanalys i Power BI arbetar du med två olika datamängder och övar på vanliga tekniker för att analysera data över tid. Du börjar med att analysera Superstore-data för kassasystem (PoS) på olika platser och tidpunkter, där du beräknar förändringar med hjälp av fönsterfunktioner, period-till-datum- och period-över-period-funktioner.

Använd inbyggda algoritmer och DAX
Därefter fördjupar du dig i finansiell data från Microsoft (NASDAQ: MSFT) och ser hur vi kan prognostisera data framåt i tiden – med hjälp av både inbyggda algoritmer och DAX.

När kursen är klar har du en gedigen verktygslåda för att hantera tidsseriedata och behärska den fjärde dimensionen.


<h2>Analysera tidsseriedata med Power BI</h2>
Du har tagit dataset och analyserat dem från alla tänkbara vinklar, men visste du att det finns en dimension som alla analyser har gemensamt? Det stämmer; det är dags! Har du någonsin tänkt på hur dina data också varierar över tid?
<br><br>
<h2>Öva på vanliga analystekniker</h2>
I den här kursen i tidsserieanalys i Power BI arbetar du med två olika datamängder och övar på vanliga tekniker för att analysera data över tid. Du kommer att börja med att analysera Superstoredata för Point of Sale (PoS)-data över olika platser och tidsperioder, där du kommer att beräkna förändringar med olika typer av fönster-, period-till-datum- och period-jämfört-med-period-funktioner.
<br><br>
<h2>Använd inbyggda algoritmer och DAX</h2>
Sedan kommer du att dyka ner i finansiella data från Microsoft (NASDAQ: MSFT) och se hur vi kan prognostisera data in i framtiden med hjälp av både inbyggda algoritmer och DAX-algoritmer för att göra det.
<br><br>
Efter kursen kommer du att ha en väl avrundad verktygslåda för att hantera tidsseriedata och bemästra den fjärde dimensionen.


Exploratory Data Analysis in Power BI

Intermediate DAX in Power BI

Lär dig analysera tidsseriedata i Power BI med praktisk kurs. Arbeta med riktiga dataset och tekniker.

Tidsserieanalys i Power BI

Lär dig analysera data över tid med denna praktiska kurs om tidsserieanalys i Power BI. Arbeta med verkliga dataset och öva på vanliga tekniker. 


Finansiell rapportering i Power BI

Analysera hur mycket aktiepriset varierar.

Förutsäga ett dagligt aktiepris för de kommande tre dagarna.

Förutsäga var ett aktiepris befinner sig om ett år baserat på historisk utveckling.

Utvärdera om en ny investering kommer att överträffa den nuvarande investeringsportföljen inom två år.

När CAGR är lämpligt att använda

Tidsserieanalys i Power BI

Interaktiv övning med praktiskt arbete