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

Time series run chart

Cyclical vs. Seasonal

Analyzing Glassdoor reviews over time

Building your first time series chart

Calculating rolling averages

Finding anomalies in time series data

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. 

Decomposition tree’lere giriş

Ayrıştırma ağaçları hakkında ifadeler

Power BI'da ayrıştırma ağaçlarını kullanma

Ayrıştırma ağaçlarına giriş

Ayrıştırma ağaçlarına daha derinden dalış

İşten ayrılma oranlarını ayrıştırma

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

Course Glossary

Bu derste, zaman serilerini analiz etmeyi, verilerini görselleştirmeyi ve trendleri fark etmeyi öğreneceksin. Yeni tarih değişkenleri oluşturacak, koşu grafiklerini keşfedecek ve hareketli ortalamaları hesaplamaya girişeceksin. Son olarak, Power BI'nin ayrıştırma ağaçları (decomposition trees) ve ana etkileyenler (key influencers) görsellerini kullanarak hangi değişkenlerin hedef değişken üzerinde en fazla etkiye sahip olduğunu nasıl belirleyeceğini öğreneceksin.

Ders sözlüğünü sağdaki kaynaklar bölümünde bulabilirsin.

CPE kredisi almak için dersi tamamlaman ve nitelikli değerlendirmede yüzde 70 puana ulaşman gerekir. Sağ taraftaki CPE kredileri çağrı kutusuna tıklayarak değerlendirmeye gidebilirsin.

<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'de Trend Analizi

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

Veri Analisti Power BI'da

Ayrıştırma ağaçları hakkında ifadeler

Power BI'de Trend Analizi

Uygulamalı etkileşimli egzersiz