Створення нової змінної дати

Початок аналізу часових рядів — це наявність змінної дати. У багатьох реальних наборах даних дату потрібно отримати з наявної змінної або належно відформатувати, щоб із нею можна було працювати (тобто використовувати в аналізі часових рядів).

У цій вправі ви попрактикуєтеся саме в цьому! Спочатку створіть нову змінну дати з наявної змінної host_since_datekey, а потім проаналізуйте нових господарів у часі.

Ця вправа є частиною курсу

Аналіз трендів у Power BI

Переглянути курс

Практична інтерактивна вправа

Перетворіть теорію на практику за допомогою однієї з наших інтерактивних вправ

Почати вправу

Ця вправа є частиною курсу

Аналіз трендів у Power BI

SkillTag.level.intermediateSkillTag.label

4.8+

Почніть курс безкоштовно

У цьому розділі ви краще ознайомитеся з часозалежними змінними та різними способами виділення додаткових змінних за допомогою EDA для аналізу — наприклад, дня тижня та різниці в часі. Ви попрацюєте в Power BI: збудуєте лінійні діаграми, щоб обчислити нові метрики та виявити приховані у ваших даних тренди — зокрема зміни від періоду до періоду та ковзні середні.

Exercise 1: Початок дослідження часових рядів Exercise 2: Твердження про аналіз часових рядів Exercise 3: Дослідження часових рядів AirBnB Exercise 4: Створення нової змінної дати

Поточна вправа

Exercise 5: Аналіз трендів за днями тижня Exercise 6: Обчислення річної зміни (year-over-year)

У цьому розділі ви краще ознайомитеся з часозалежними змінними та різними способами виділення додаткових змінних за допомогою EDA для аналізу — наприклад, дня тижня та різниці в часі. Ви попрацюєте в Power BI: збудуєте лінійні діаграми, щоб обчислити нові метрики та виявити приховані у ваших даних тренди — зокрема зміни від періоду до періоду та ковзні середні.

Exercise 1: Графік перебігу часового ряду Exercise 2: Циклічні vs. сезонні Exercise 3: Аналіз відгуків Glassdoor у часі Exercise 4: Створення вашої першої діаграми часових рядів Exercise 5: Обчислення ковзних середніх Exercise 6: Пошук аномалій у часових рядах

Одна з найпотужніших можливостей EDA у Power BI — визначати, які змінні мають найбільший вплив на ваш цільовий результат. Вбудований інструмент візуалізації Power BI, що це забезпечує, — дерева декомпозиції. Ви дізнаєтеся, що таке дерева декомпозиції, як їх створювати та інтерпретувати, щоб пояснити цільовий результат через інші змінні.

Exercise 1: Вступ до дерев розкладання Exercise 2: Твердження про дерева декомпозиції Exercise 3: Використання дерев декомпозиції в Power BI Exercise 4: Початок роботи з деревами декомпозиції Exercise 5: Глибше занурення в дерева декомпозиції Exercise 6: Декомпозиція рівнів плинності кадрів

У цьому розділі ви створите ще один вбудований інструмент Power BI — візуалізацію Key influencers. Вона допомагає зрозуміти, наскільки змінюється цільовий результат залежно від конкретних змінних і сегментів спостережень.

Exercise 1: Вступ до Key Influencers Exercise 2: Decomposition trees проти Key influencers Exercise 3: Використання Key Influencers у Power BI Exercise 4: Ключові інфлюенсери для середньої ціни оголошення Exercise 5: Сегменти з key influencers Exercise 6: Ключові чинники для супергостів Exercise 7: Вітаємо!