I det här kapitlet bekantar du dig med tidsbaserade variabler och olika sätt att extrahera ytterligare variabler med hjälp av EDA – till exempel veckodag och tidsskillnad. Du arbetar praktiskt i Power BI och bygger linjediagram för att beräkna nya mått och upptäcka dolda trender i dina data – inklusive period-över-period-förändring och glidande medelvärden.

Att utforska tidsseriedata

Påståenden om tidsserieanalys

Utforska AirBnB:s tidsserie

Skapa en ny datumvariabel

Analysera trender efter veckodag

Beräkna förändring år-över-år

Utforska tidsseriedata

Tidsserie – linjediagram

Alternativ

Cykliskt

Säsongsmässigt

Cykliskt vs. säsongsmässigt

Analysera Glassdoor-recensioner över tid

Bygg ditt första tidsseriedjagram

Beräkna rullande medelvärden

Hitta avvikelser i tidsseriedata

Analysera tidsserier i Power BI

En av de mest kraftfulla funktionerna i EDA i Power BI är möjligheten att identifiera vilka variabler som har störst påverkan på ditt målutfall. Ett inbyggt visualiseringsverktyg i Power BI som möjliggör detta är nedbrytningsträd. Du lär dig om nedbrytningsträd – hur du bygger och tolkar dem för att förklara ett målutfall utifrån andra variabler.

Introduktion till nedbrytningsträd

Påståenden om nedbrytningsträd

Använda dekompositionsträd i Power BI

Kom igång med nedbrytningsträd

Fördjupning i dekompositionsträd

Analysera avgångsfrekvenser

Nedbrytningsträd

I det här kapitlet bygger du ett annat inbyggt Power BI-verktyg: visualiseringen Nyckelinfluenser. Den hjälper dig att förstå hur mycket ett målutfall förändras baserat på specifika variabler och observationssegment.

Introduktion till Key Influencers

Dekompositionsträd jämfört med nyckelinfluenser

Använda Key Influencers i Power BI

Viktiga påverkansfaktorer för genomsnittligt annonspris

Segment från nyckelinfluenser

Viktiga påverkansfaktorer för superhärdar

Grattis!

Nyckelinfluenser

Exercises and Datasets

Course Glossary

DataCamp vs. Local Experience

I den här kursen lär du dig att analysera tidsserier, visualisera data och identifiera trender. Du bygger nya datumvariabler, utforskar löpande diagram och beräknar glidande medelvärden. Slutligen får du se hur du identifierar vilka variabler som har störst påverkan på målvariabeln med hjälp av Power BI:s nedbrytningsträd och nyckelinfluenser.

Kursens ordlista finns till höger i resursavsnittet.

För att få CPE-poäng behöver du slutföra kursen och nå ett resultat på 70 % på den kvalificerade bedömningen. Du kan navigera till bedömningen genom att klicka på CPE-poäng-länken till höger.

<h2>Analysera tidsseriedata</h2>
I den här kursen lär du dig att analysera tidsserier, visualisera dina data och upptäcka trender. Du kommer att skapa nya datumvariabler, upptäcka run charts och börja beräkna glidande medelvärden. 
<br><br>
<h2>Förstå påverkande variabler</h2>
Slutligen får du lära dig hur du identifierar vilka variabler som har störst påverkan på målvariabeln med hjälp av Power BI:s decomposition trees och key influencers.


Exploratory Data Analysis in Power BI

Förbättra rapporter med trendanalys som tidsserier, dekompositionsträd och nyckelpåverkare.

Trendanalys i Power BI

Förbättra dina rapporter med trendanalystekniker som tidsserier, decomposition trees och key influencers.

Dataanalytiker i Power BI

Cykliskt vs. säsongsmässigt

Trendanalys i Power BI

Interaktiv övning med praktiskt arbete