Power BI: series temporales, agregación y filtros

Requisito previo: Power BI: profundizar y profundizar en jerarquías

Este artículo analiza los diversos conceptos importantes de Power BI junto con su implementación. Aquí se discutirán los siguientes conceptos:

1. Series de tiempo
2. Agregación
3. filtros

Comprender el conjunto de datos:
El conjunto de datos utilizado es de ‘Estadísticas de desempleo a largo plazo’ . Consulte el conjunto de datos a seguir junto con las siguientes secciones del artículo: Conjunto de datos

Los datos están formateados de tal manera que con cada fila podemos encontrar el número de Unemployed peopleun Agegrupo en particular y Genderen presente en un archivo en particular Period. (Consulte la imagen del conjunto de datos que se muestra a continuación). La estructura del conjunto de datos se centra en la eficiencia en la comprensión de la máquina en lugar de los seres humanos.

Creación de un gráfico de líneas:
para comprender el concepto de serie temporal, debemos crear un gráfico de líneas para nuestros datos en Power BI.

Steps Involved: 

Step 1 - Upload your dataset.
Step 2 - Drag and Drop 'Period' and 'Unemployed' from Fields.
Step 3 - Click on your graph and select Line Chart from the visualization panel. 

En el gráfico de líneas anterior,

• Para cada año, tenemos un punto separado que representa el número de personas desempleadas en ese año.
• Cada punto de datos representa el agregado o la suma de todas las personas desempleadas en ese año en particular.

Series temporales:
la previsión de series temporales es una técnica utilizada en el aprendizaje automático, que analiza datos y la secuencia de tiempo para predecir eventos futuros. Es la recopilación de datos a intervalos regulares en términos de Días, Horas, Meses y Años.

Implementaremos series de tiempo utilizando 2 enfoques:

Enfoque 1: Uso de Mostrar perforación del siguiente nivel.
En este enfoque, no tratamos los datos como un conjunto continuo de puntos, los tratamos como variables categóricas.
Tomamos el promedio de desempleo en diferentes trimestres del año, no la suma .
Mostrar el siguiente nivel se usa cuando buscamos promedios de los datos de la serie temporal para obtener información valiosa.

Steps Involved: 

Step 1 - Click on your line chart. Go to values section and right click on 'Unemployed' and select Average.
(Doing this will convert your line chart from sum to average as shown in Fig 1)

Step 2 - Go to 'Switch to next level' and press it to drill data points to lower level. 
Example : Average of Unemployed by [Year --> Quarter --> Month] (Shown in Fig 2)

Here, we observe that following things in the given Time Series:

1. The average unemployment in the third quarter was the highest.
2. The average unemployment in the months of June and July are the lowest.

Enfoque 2: Uso de Expandir al siguiente nivel de perforación.
En este enfoque, tratamos los datos como un conjunto de puntos contiguos. (no variables categóricas). Los puntos de datos aumentan a medida que avanzamos al siguiente nivel. En cierto modo, se transforma en datos continuos de series de tiempo.

Steps Involved: 

Step 1 - Convert your 'unemployed' column back to sum from average. 

Step 2 - Step 2 - Go to 'Expand all down one level' and press it to drill data points to lower level. 
Example: Unemployed by [Year --> Quarter --> Month] (Shown in Fig 3)

Agregación y granularidad:
cuando combina valores en sus datos, se llama agregación . El resultado de esa operación matemática es un agregado. Usamos suma, promedio, mínimo/máximo, etc. para agregar valores en los datos. Por el contrario, la granularidad es la segregación de puntos de datos. Cuando aumentamos la tasa de agregación, la tasa de granularidad disminuye.

Steps Involved:

Step 1 - Go to 'Expand all down one level' and press it to drill data points to the month level. (Shown in Fig 4)
Step 2 - Put values like 'Gender' and 'Age' into the legend tab one by one. (Shown in Fig 5)

Using the legends shown above the line chart, observe as the granularity of data increases. 

Gráfico de áreas apiladas:
antes de comprender el concepto de filtros y segmentación, debemos crear un gráfico de áreas apiladas.

Steps Involved: 

Step 1 - Select the line chart 'Unemployed by Year, Quarter, Month and Age'. (Shown in Fig 5)
Step 2 - Go to visualization panel and select 'Stacked Area Chart'. (Shown in Fig 6) 

Filtros:
los filtros en Power BI se usan para ordenar datos e información según ciertos criterios seleccionados. Usándolo, podemos extraer información específica de nuestros datos. Por ejemplo , tenemos los datos bursátiles de 5 empresas durante una semana. Usando filtros, podemos elegir una empresa en particular y una fecha en particular para la cual queremos mostrar los datos.

Steps Involved: 

Step 1 - Select your Stacked Area Chart Visualization created above.
Step 2 - Drag and Drop 'Gender' column into Filter Pane as shown in Fig 7.
Step 3 - Now you can select between Male and Female or both, for the section of the data you want to display.

Rebanadoras:
las rebanadoras en Power BI son ‘ filtros visuales en lienzo ‘. Las segmentaciones, como los filtros, permiten al usuario filtrar los datos y ver la información deseada. A diferencia de los filtros, las segmentaciones están presentes como elementos visuales en el informe y permiten que el usuario seleccione valores mientras analiza el informe. Se pueden crear múltiples segmentaciones en una página. (Como se muestra en la figura 8)

Steps Involved:

Step 1 - Unselect any visualization. (if selected)
Step 2 - Select 'Slicer' from visualization panel. You will se a blank panel appear in the Report View. 
Step 3 - Select specific data segments from 'Gender' and 'Age' slicer to get the filtered data as shown in Fig 8.  

Estos fueron algunos de los conceptos importantes que uno debe tener en cuenta al hacer informes que involucran grandes decisiones de inteligencia empresarial. Estas herramientas ayudan a hacer informes muy informativos y fáciles de usar. Son ampliamente utilizados por las empresas en muchas aplicaciones del mundo real. Para cualquier duda / consulta, deje un comentario a continuación.