Bu bölümde, zamana dayalı değişkenlere ve EDA ile haftanın günü, zaman farkı gibi ek değişkenleri analiz için türetmenin çeşitli yollarına daha çok aşina olacaksın. Power BI ile uygulamalı olarak çizgi grafikler oluşturacak, yeni metrikler hesaplayacak ve verilerindeki döneme göre değişim ve hareketli ortalamalar da dahil olmak üzere gizli trendleri ortaya çıkaracaksın.

Zaman serisi verilerini keşfetmeye başlama

Zaman serisi analiziyle ilgili ifadeler

AirBnB zaman serilerini keşfetme

Yeni bir tarih değişkeni oluşturma

Haftanın gününe göre trendleri analiz etme

Yıllık bazda değişimi (YoY) hesaplama

Zaman Serisi Verilerini Keşfetmek

Zaman serisi çalışma grafiği

Döngüsel vs. Mevsimsel

Zaman içinde Glassdoor yorumlarını analiz etme

İlk zaman serisi grafiğini oluşturma

Hareketli ortalamaların hesaplanması

Zaman serisi verilerinde anormallik bulma

Power BI'de Zaman Serilerini Analiz Etmek

Power BI'de EDA'nın en güçlü işlevlerinden biri, hedef sonucunu en çok etkileyen değişkenleri belirleyebilmektir. Bunu sağlayan yerel bir Power BI görselleştirme aracı Ayrıştırma Ağaçlarıdır (Decomposition Trees). Ayrıştırma Ağaçlarını, nasıl kuracağını ve diğer değişkenler aracılığıyla bir hedef sonucu açıklamak için nasıl yorumlayacağını öğreneceksin.

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

Ayrıştırma Ağaçları

Bu bölümde bir başka yerel Power BI aracı olan Ana Etkileyenler (Key Influencers) görselini oluşturacaksın. Bu görsel, belirli değişkenler ve gözlem segmentlerine göre hedef sonucun ne kadar değiştiğini anlamana yardımcı olur.

Ana etkileyicilere giriş

Seçenekler

Ayrıştırma Ağacı

Ana Etkileyenler

Ayrıştırma ağaçları ve ana etkileyenler

Power BI'de kilit etkileyicileri kullanma

Ortalama ilan fiyatı için kilit etkileyenler

Önemli etkileyicilerden segmentler

Süper ev sahipleri için kilit etkileyenler

Tebrikler!

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

Hedef değişkeni farklı yollar üzerinden keşfetmeye olanak tanır

Kök neden analizi için kullanışlıdır

Değişkenler arasında etkiyi doğrudan karşılaştırmak için kullanışlıdır

Kalıpları çıkarmak için yeterli gözleme bağlıdır

Belirli bir değerin hedef değişkendeki değişime etkisini keşfet

Ayrıştırma ağaçları ve ana etkileyenler

Power BI'de Trend Analizi

Uygulamalı etkileşimli egzersiz