Trendanalyse in Power BI

In diesem Kapitel machst du dich mit zeitbasierten Variablen vertraut und lernst die verschiedenen Möglichkeiten kennen, wie du mit EDA weitere Variablen für die Analyse extrahieren kannst, z. B. den Wochentag und die Zeitdifferenz. Du lernst Power BI in der Praxis kennen, indem du Liniendiagramme erstellst, um neue Kennzahlen zu berechnen und in deinen Daten verborgene Trends aufzudecken, z. B. Veränderungen im Vergleich zu anderen Zeiträumen oder gleitende Durchschnitte.

In diesem Kapitel machst du dich mit zeitbasierten Variablen vertraut und lernst die verschiedenen Möglichkeiten kennen, wie du mit EDA weitere Variablen für die Analyse extrahieren kannst, z. B. den Wochentag und die Zeitdifferenz. Du lernst Power BI in der Praxis kennen, indem du Liniendiagramme erstellst, um neue Kennzahlen zu berechnen und in deinen Daten verborgene Trends aufzudecken, z. B. Veränderungen im Vergleich zu anderen Zeiträumen oder gleitende Durchschnitte.

Eine der leistungsfähigsten Funktionen von EDA in Power BI ist es, herauszufinden, welche Variablen den größten Einfluss auf dein Zielergebnis haben. Ein Power BI-eigenes Visualisierungstool, das dies ermöglicht, ist Decomposition Trees. Du lernst etwas über Dekompositionsbäume, wie man sie konstruiert und dann interpretiert, um ein Zielergebnis durch andere Variablen zu erklären.

In diesem Kapitel baust du ein weiteres natives Power BI-Tool auf, das Key Influencers Visual. Sie hilft dir zu verstehen, wie sehr sich ein Zielergebnis auf der Grundlage bestimmter Variablen und Beobachtungssegmente verändert.