In this chapter, you’ll get more familiar with time-based variables and the multiple ways to extract further variables using EDA for analysis—like day of week and time difference. You’ll get hands-on with Power BI as you build line charts to calculate new metrics and uncover trends hiding in your data—including period-over-period change and rolling averages.

Starting to explore time series data

Statements about time series analysis

Exploring AirBnB time series

Generating a new date variable

Analyzing trends by day of week

Calculating year-over-year change

Exploring Time Series Data

Zaman serisi çalışma grafiği

Seçenekler

Döngüsel

Mevsimsellik

Döngüsel vs. Mevsimsel

Zaman içinde Glassdoor yorumlarını analiz etme

İlk zaman serisi grafiğini oluşturma

Hareketli ortalamaların hesaplanması

Zaman serisi verilerinde anormallik bulma

Analyzing Time Series in Power BI

One of the most powerful functions of EDA in Power BI is being able to identify which variables have the most influence on your target outcome. A native Power BI visualization tool enabling that is Decomposition Trees. You'll learn about Decomposition Trees, how to construct, then interpret in order to explain a target outcome by other variables. 

Introduction to decomposition trees

Statements about decomposition trees

Using decomposition trees in Power BI

Getting started with decomposition trees

Diving deeper into decomposition trees

Decomposing attrition rates

Decomposition Trees

In this chapter you'll build another native Power BI tool, Key Influencers visual. It helps you to understand how much a target outcome changes based on specific variables and segments of observations.

Introduction to key influencers

Decomposition trees vs. key influencers

Using key influencers in Power BI

Key influencers for average listing price

Segments from key influencers

Key influencers for super hosts

Congratulations!

Key Influencers

Exercises and Datasets

DataCamp vs. Local Experience

Bu derste zaman serilerini analiz etmeyi, verilerini görselleştirmeyi ve trendleri yakalamayı öğreneceksin. Yeni tarih değişkenleri oluşturacak, koşu grafikleri (run chart) keşfedecek ve hareketli ortalamaları hesaplamaya başlayacaksın. Son olarak, Power BI'ın ayrıştırma ağaçları (decomposition trees) ve kilit etkileyenler (key influencers) görsellerini kullanarak hedef değişken üzerinde en çok etkisi olan değişkenleri nasıl belirleyeceğini öğreneceksin.

<h2>Zaman serisi verisi değil</h2>
Bu kursta, zaman serilerini analiz etmeyi, verilerinizi görselleştirmeyi ve eğilimleri tespit etmeyi öğreneceksiniz. Yeni tarih değişkenleri oluşturacak, çalışma çizelgelerini keşfedecek ve hareketli ortalamaları hesaplamaya başlayacaksınız. 
<br><br>
<h2>Etkileyen Değişkenleri Anlamak</h2>
Son olarak, Power BI'nın ayrıştırma ağaçları ve temel etkenleri kullanarak hedef değişken üzerinde en fazla etkiye sahip değişkenleri nasıl belirleyeceğinizi öğreneceksiniz.


Exploratory Data Analysis in Power BI

Raporlarınızı zaman serileri, ayrıştırma ağaçları ve ana etkileyiciler gibi trend analizleriyle geliştirin.

Power BI'da Trend Analizi

Zaman serileri, ayrıştırma ağaçları ve temel etkenler gibi trend analizi teknikleriyle raporlarınızı geliştirin.

Veri Analisti Power BI'da

Hareketli ortalamaların hesaplanması

Power BI'da Trend Analizi

Uygulamalı interaktif egzersiz