Bắt đầu với decomposition tree

Hãy quay lại bộ dữ liệu Glassdoor. Các bài tập trước đã khám phá mối quan hệ giữa MonthlyIncome và các biến khác trong bộ dữ liệu như JobRole, JobLevel và CareerStage. Chúng có thể được dùng trong một decomposition tree để phân tích nhanh cách các giá trị trong từng biến ảnh hưởng đến giá trị của MonthlyIncome.

Trong bài tập này, bạn sẽ làm điều đó để hiểu mức MonthlyIncome trung bình bị ảnh hưởng như thế nào bởi các giá trị khác nhau của một số biến "explain by".

Bài tập này là một phần của khóa học

Phân tích Xu hướng trong Power BI

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 Xu hướng trong Power BI

SkillTag.level.intermediateSkillTag.label

4.8+

3376 reviews

Bắt đầu khóa học miễn phí

Trong chương này, bạn sẽ làm quen hơn với các biến theo thời gian và nhiều cách trích xuất thêm biến bằng EDA để phân tích—như ngày trong tuần và độ chênh lệch thời gian. Bạn sẽ thực hành với Power BI để dựng biểu đồ đường, tính các chỉ số mới và tìm ra những xu hướng đang ẩn trong dữ liệu—bao gồm thay đổi theo giai đoạn (period-over-period) và trung bình trượt.

Exercise 1: Bắt đầu khám phá dữ liệu chuỗi thời gian Exercise 2: Các phát biểu về phân tích chuỗi thời gian Exercise 3: Khám phá chuỗi thời gian của AirBnB Exercise 4: Tạo biến ngày mới Exercise 5: Phân tích xu hướng theo ngày trong tuần Exercise 6: Tính toán thay đổi theo năm (YoY)

Exercise 1: Biểu đồ chạy chuỗi thời gian Exercise 2: Chu kỳ so với Tính thời vụ Exercise 3: Phân tích đánh giá trên Glassdoor theo thời gian Exercise 4: Xây dựng biểu đồ chuỗi thời gian đầu tiên của bạn Exercise 5: Tính trung bình trượt Exercise 6: Tìm điểm bất thường trong dữ liệu chuỗi thời gian

Một trong những chức năng mạnh mẽ nhất của EDA trong Power BI là khả năng xác định những biến nào có ảnh hưởng lớn nhất đến kết quả mục tiêu. Công cụ trực quan hóa gốc của Power BI hỗ trợ việc này là Decomposition Trees. Bạn sẽ tìm hiểu về Decomposition Trees, cách xây dựng và cách diễn giải để giải thích kết quả mục tiêu dựa trên các biến khác.

Exercise 1: Giới thiệu về cây phân rã Exercise 2: Các phát biểu về decomposition tree Exercise 3: Sử dụng Decomposition Tree trong Power BI Exercise 4: Bắt đầu với decomposition tree

Bài tập hiện tại

Exercise 5: Đi sâu hơn vào cây phân rã (decomposition trees)Exercise 6: Phân rã tỷ lệ nghỉ việc

Trong chương này, bạn sẽ xây dựng một công cụ gốc khác của Power BI: trực quan Key Influencers. Nó giúp bạn hiểu mức độ thay đổi của kết quả mục tiêu dựa trên các biến cụ thể và các phân khúc quan sát.

Exercise 1: Giới thiệu về Key Influencers Exercise 2: Decomposition Tree và Key Influencers Exercise 3: Sử dụng Key Influencers trong Power BI Exercise 4: Key influencers đối với giá niêm yết trung bình Exercise 5: Các phân khúc từ key influencers Exercise 6: Các yếu tố ảnh hưởng chính đối với superhost Exercise 7: Chúc mừng bạn!