Nhận diện mối quan hệ bằng window correlation

Trong bài này, bạn sẽ khám phá cách dùng window_correlation để so sánh hai chuỗi thời gian và định lượng độ mạnh của tương quan trong các giai đoạn đỉnh điểm về giá/nhu cầu nước!

Nếu bạn bị mất tiến độ, hãy mở workbook 3_3_window_correlation.twbx trong thư mục Workbooks trên Desktop

Bài tập này là một phần của khóa học

Phân tích chuỗi thời gian trong Tableau

Xem khóa học

Bài tập tương tác thực hành

Biến lý thuyết thành hành động với một trong các bài tập tương tác của chúng tôi

Bắt đầu bài tập

Bài tập này là một phần của khóa học

Phân tích chuỗi thời gian trong Tableau

SkillTag.level.intermediateSkillTag.label

4.8+

Bắt đầu khóa học miễn phí

Trong chương này, chúng ta sẽ bắt đầu bằng cách tìm hiểu các loại chuỗi thời gian khác nhau, cùng các phương pháp phân tích tương ứng. Sau khi nắm vững các khái niệm nền tảng, bạn sẽ học cách định dạng lại dữ liệu chuỗi thời gian để chuẩn bị cho trực quan hóa đơn biến và đa biến.

Exercise 1: Giới thiệu về chuỗi thời gian Exercise 2: Phân loại chuỗi thời gian Exercise 3: Định dạng ngày giờ trong Tableau Exercise 4: Định dạng lại với datename Exercise 5: Phân đoạn với DATEPART Exercise 6: Chuyển đổi và trực quan hóa dữ liệu ngày Exercise 7: Kiểm tra kiến thức về ngày giờ Exercise 8: Định dạng lại ngày tháng trong Tableau Exercise 9: Cắt cụt ngày (Truncating dates)Exercise 10: Tính thời lượng từ dấu thời gian ngày giờ Exercise 11: Phân loại dữ liệu chuỗi thời gian Exercise 12: Phân tích hành vi đi xe

Ai cũng muốn phân tích dữ liệu, nhưng điều quan trọng là dữ liệu phải sạch. Trong chương này, chúng ta sẽ học cách làm sạch dữ liệu chuỗi thời gian bằng các hàm ngày tháng tích hợp sẵn của Tableau, nơi chúng ta sẽ biến đổi, tách và ghép lại dữ liệu dựa trên các ngữ cảnh thời gian khác nhau mà chúng ta quan tâm. Bên cạnh đó, chúng ta sẽ đi sâu vào tính mùa vụ, phân tích xu hướng và phát hiện bất thường!

Exercise 1: Xử lý và chuẩn hóa chuỗi ngày tháng Exercise 2: Hợp lệ hay không?Exercise 3: Thực hành chuẩn hóa ngày tháng Exercise 4: Phân tích cú pháp ngày Exercise 5: Cắt ngắn theo tuần Exercise 6: Tính mùa vụ và bất thường trong dữ liệu chuỗi thời gian Exercise 7: Kỹ thuật phát hiện bất thường Exercise 8: Trực quan hóa tính mùa vụ và các phân vị Exercise 9: Thay đổi theo mùa Exercise 10: Xu hướng là quan trọng Exercise 11: Phương sai theo mùa với box plot Exercise 12: Phân tích chênh lệch giá bơ

Trong chương cuối này, bạn sẽ khám phá sức mạnh của các hàm cửa sổ và các kỹ thuật thống kê như Z-Values, nơi bạn sẽ tự tạo bộ phân loại bất thường để nhận diện cơ hội kinh doanh chênh lệch giá tối ưu cho một công ty giao dịch! Ở phần hai của chương, chúng ta sẽ so sánh nhiều kỹ thuật phát hiện bất thường, trang bị cho bạn một dải phương pháp phong phú để xử lý và phân tích chuỗi thời gian!

Exercise 1: Hàm cửa sổ trong Tableau Exercise 2: Hiểu về các hàm window Exercise 3: Tính toán với các hàm cửa sổ Exercise 4: Làm mượt dữ liệu với trung bình trượt Exercise 5: Chọn các cửa sổ thời gian cho trung bình động Exercise 6: Nhận diện mối quan hệ bằng window correlation

Bài tập hiện tại

Exercise 7: Phát hiện bất thường với hàm cửa sổ Exercise 8: Luyện phản xạ với Z-score và độ lệch chuẩn Exercise 9: Đi sâu vào các phép tính cửa sổ Exercise 10: Phân rã biến động Exercise 11: Thiết lập ngưỡng trên Exercise 12: Phát hiện bất thường với Z-score Exercise 13: Chúc mừng bạn!