在本章中，您将更熟悉基于时间的变量，以及使用 EDA 为分析提取更多变量的多种方法——例如星期几和时间差。您还将上手使用 Power BI 构建折线图，计算新指标并发掘数据中隐藏的趋势——包括环比变化和滚动平均值。

开始探索时间序列数据

关于时间序列分析的陈述

探索 AirBnB 时间序列

生成新的日期变量

按星期几分析趋势

计算同比变化

探索时间序列数据

时间序列运行图

循环 vs. 季节性

按时间分析 Glassdoor 评价

构建您的第一个时间序列图

计算滚动平均

在时间序列数据中发现异常

在 Power BI 中分析时间序列

Power BI 中 EDA 最强大的功能之一，是能够识别哪些变量对您的目标结果影响最大。支持这一点的原生 Power BI 可视化工具是分解树。您将学习分解树、如何构建它们，以及如何解读，以便用其他变量来解释目标结果。

分解树入门

关于分解树的陈述

在 Power BI 中使用分解树

更深入地探索分解树

分解离职率

分解树

在本章中，您将构建另一个原生 Power BI 工具——关键影响因素可视化。它帮助您了解基于特定变量和观测分组时，目标结果会发生多大变化。

关键影响因素简介

分解树 vs. 关键影响因素

在 Power BI 中使用 Key Influencers

平均房源价格的关键影响因素

来自 Key Influencers 的细分

超级房东的关键影响因素

恭喜您！

关键影响因素

Exercises and Datasets

Course Glossary

DataCamp vs. Local Experience

在本课程中，您将学习如何分析时间序列、可视化数据并识别趋势。您将构建新的日期变量，了解运行图（run chart），并学习计算滚动平均值。最后，您将通过 Power BI 的分解树和关键影响因素，找出哪些变量对目标变量影响最大。

课程术语表位于右侧的资源部分。

如需获取 CPE 学分，您需要完成课程并在合格测验中达到 70% 的得分。您可以点击右侧的 CPE 学分提示进入测验。

<h2>分析时间序列数据</h2>
在本课程中，你将学习如何分析时间序列、可视化数据并识别趋势。 你将构建新的日期变量，了解运行图，并开始计算滚动平均值。 
<br><br>
<h2>了解影响变量</h2>
最后，你将了解如何利用 Power BI 的分解树和关键影响因素来识别哪些变量对目标变量影响最大。


Exploratory Data Analysis in Power BI

使用时间序列、分解树和关键影响因素等趋势分析技术提升报告。

Power BI 趋势分析

用时间序列、分解树和关键影响因素等趋势分析技术，提升你的报表。

数据分析师 在 Power BI 中

关于时间序列分析的陈述

Power BI 趋势分析

动手互动练习