In this chapter, we’ll begin our journey by understanding the different types of time series that exist, as well as the analytical methodologies to analyze this. Once you’ve understood the fundamental concepts, you’ll learn how to reformat time series data in preparation for univariate and multivariate visualizations.


An introduction to time series

Time series classification

Date time formatting in Tableau

Reformatting with datename

Partitioning with datepart

Date transformations and visualizations

Date time knowledge check

Reformatting dates in Tableau

Truncating dates

Calculating durations from date timestamps

Classifying time series data

Analyzing ridership behaviour

Introduction to Time Series Analysis in Tableau

Everyone wants to analyze data, but it’s important the data is clean. In this chapter, we’ll learn how to clean up time series data using Tableau’s inbuilt date functions where we’ll reshape, split and rejoin our data based on the different time context we’re interested in. Beyond this, we’ll dive into the concepts of seasonality, trend analysis and anomaly detection!

Date string manipulation and reformation

Valid or not?

Reforming dates in practice

Parsing the date

Weekly truncations

Seasonality and anomalies in time series data

Anomalous techniques

Visualizing seasonality and percentiles

Changing the seasons

Trending matters

Seasonal variance with box plots

Analyzing avocado pricing discrepencies

Data Preparation for Time Series Analysis

In this final chapter, you’ll learn all about the powers of window functions and statistical techniques like Z-Values, where you’ll create your very own anomaly classifiers to identify optimal pricing arbitrage opportunities for a trading company! In the second part of this chapter, we’ll compare multiple anomaly detection techniques, equipping you with a broad range of approaches to treating and analyzing time series! 

Tableau'da pencere (window) fonksiyonları

Pencere (window) fonksiyonlarını anlama

Pencere fonksiyonlarıyla hesaplamalar

Hareketli ortalamalarla veriyi yumuşatma

Hareketli ortalama zaman pencerelerini seçme

Pencere korelasyonlarıyla ilişkileri belirleme

Pencere fonksiyonlarıyla anomali tespiti

Seçenekler

Doğru

Yanlış

Z-skorları ve standart sapma ile kas hafızası

Pencere hesaplamalarına derinlemesine bakış

Oynaklığı açığa çıkarma

Üst sınırların belirlenmesi

Z-skorları ile anomali tespiti

Tebrikler!

Windowing Functions and Moving Averages in Tableau

Workbooks and Datasources

Zaman serisi verileri her yerde; Twitter’da paylaştığın gönderiden finansal piyasalardaki günlük dalgalanmalara kadar—bunların hepsi analiz edilmesi gereken zaman serisi veri noktalarıdır. Bu kursta, zaman serilerini sınıflandırmayı, işlemeyi ve analiz etmeyi öğreneceksin; analitik alanında kendini geliştirmekte kararlıysan bu kesinlikle şarttır.

Zaman serileri her yerde karşımıza çıkar; Twitter'da yaptığınız paylaşımdan finans piyasalarındaki günlük dalgalanmalara kadar, bunların hepsi analiz edilmesi gereken zaman serisi veri noktalarının örnekleridir. Bu kursta, zaman serilerini sınıflandırmayı, işlemeyi ve analiz etmeyi öğreneceksiniz; analitik uzmanı olarak bir adım öne çıkmak istiyorsanız bu kesinlikle olmazsa olmaz bir beceridir.

<h2>Zaman serilerinin gücünü keşfedin</h2>
Öncelikle, mevcut farklı zaman serisi türlerini ve bunları analiz etmek için kullanılan analitik metodolojileri öğreneceğiniz temel bilgilerle başlayacaksınız. Temel bilgileri öğrendikten sonra, tek değişkenli ve çok değişkenli görselleştirmeler için zaman serisi verilerini yeniden biçimlendirmeyi öğreneceksiniz.

<h2>Veri Hazırlama ve Zaman Serileri</h2>
Herkes verileri analiz etmek ister, ancak bunları temizlemek de önemlidir. Tableau'nun tarih işlevlerini kullanarak zaman serisi verilerini nasıl temizleyeceğimizi öğreneceğiz. Burada, ilgilendiğimiz farklı zaman bağlamına göre verilerimizi yeniden şekillendireceğiz. Ayrıca, bu hesaplamaları otomatikleştirmek için LOD'leri kullanmanın tüm ayrıntılarını öğreneceğiz!

<h2>Zaman serisi verilerinin analizi</h2>
Bu kursun son bölümlerinde, Z-Değerleri gibi istatistiksel teknikler hakkında bilgi edinecek ve Tableau'da kendi Anomali algılama alanlarınızı oluşturarak bir ticaret şirketi için en uygun arbitraj fırsatlarını belirleyeceksiniz! Zaman serisinin ne olduğunu, nasıl ele alınacağını ve daha da önemlisi, istatistiksel ölçütleri kullanarak etkileyici bir hikaye anlatmayı öğrenmiş olacaksınız. Başlayalım!

Calculations in Tableau

Bu kursta, zaman serilerini sınıflandırmayı, tedavi etmeyi ve analiz etmeyi öğreneceksiniz.

Tableau'da Zaman Serisi Analizi

Z-skoru, bir veri noktasının göreli konumunu kaç standart sapma olduğu olarak ölçer; standart sapma ise veri kümesinin yayılımını niceliksel olarak ifade eder

Z-skoru, veri noktalarının ortalamadan sapmasını ölçerken, standart sapma medyandan ortalama uzaklığı temsil eder

Z-skoru, veri noktaları arasındaki ortalama mesafeyi hesaplarken, standart sapma aşırı değerlerin oluşma olasılığını belirler

Z-skoru, belirli bir aralıktaki veri noktalarının oranını temsil ederken, standart sapma veri kümesinin çarpıklığını belirler

Z-skorları ve standart sapma ile kas hafızası

Tableau'da Zaman Serisi Analizi

Uygulamalı interaktif egzersiz