在 Citibike,了解騎乘行為是確保腳踏車可可靠取用的關鍵。這代表我們需要釐清不同顧客群(臨時使用者/年費會員)的高峰與離峰時段。
現在,我們聽到一些傳聞:付費會員在平日時段的尖峰時,可能因為臨時使用者大量使用而不容易借到車。
讓我們用資料驅動的分析來驗證是否屬實吧!
如果你的進度遺失了,請從桌面的 Exercises 資料夾載入活頁簿 1_6_analyzing_ridership_behaviour.twbx
1_6_analyzing_ridership_behaviour.twbx
本練習屬於課程
將理論付諸實踐,立即體驗我們的互動練習
在本章中,你會先了解各種時間序列的型態,以及用來分析它們的常見方法。打好基礎之後,你將學會如何重新整理時間序列資料,為單變數與多變數的視覺化做好準備。
當前練習
人人都想分析資料,但乾淨的資料才有用。本章將示範如何使用 Tableau 內建的日期函式清理時間序列資料,依關注的時間脈絡來重塑、切分並重新合併資料。除此之外,還會深入探討季節性、趨勢分析與異常偵測的概念!
在最後一章中,你將全面掌握視窗函式與像 Z 值這類統計技巧,並建立自己的異常分類器,替交易公司找出最佳的價格套利機會!接著我們會比較多種異常偵測方法,讓你具備多元手法來處理與分析時間序列!