Зачем нужна декомпозиция и фильтрация временных рядов?
Всем привет, с вами Павел Беляев, ведущий канала Тимлидское об аналитике и автор курса «Временные ряды» 👋🏻
Первое, что хочется сделать аналитику при виде некоторой кривой, растянувшейся по временной оси — декомпозировать её на составляющие. (В общем-то, даже визуально можно их увидеть, не применяя специальных методов.)
Почему же дата-аналитик мгновенно производит эту процедуру в уме?
Потому что компоненты ряда — тренд, сезонность, всплески, не календарная цикличность — дают ответы на основные вопросы аналитики.
Как себя ведет метрика? Растёт в целом? А это не просто сезонный осенний подъём? Этой осенью лучше, чем прошлой осенью?
Особенно пристально изучаются составляющие метрик, с которыми аналитик только начинает знакомство.
Также очень важно понять, как себя чувствует кампания в целом, и важнейшей опорой для ответа будет именно кривая тренда. Она может быть прямой или изогнутой, может менять направление (ломаться), а точки перелома, скорее всего, соответствуют каким-то значимым событиям внутри компании или снаружи её.
Кроме полезных компонентов чаще всего есть в данных и случайная составляющая — шум. Желательно её как-то сгладить, отфильтровать так, чтобы не потерять ценных данных.
Вокруг интереса к теме декомпозиции и фильтрации временных рядов умные люди создали целый подраздел науки — методы, математический аппарат и, конечно, функции на питоне.
💡 Кстати, самый простой способ декомпозировать временной ряд — применить функцию seasonal_decompose(). На вход она получает сам ряд, его модель (аддитивная или мультипликативная) и предполагаемый период сезонности. На выходе получаем расклад по компонентам, который легко визуализируется.
Эта функция проста в применении, но не очень аккуратна. На курсе мы внимательно рассматриваем более продвинутые методы и алгоритмы с разбором на питоне. Такой арсенал позволяет делать уже серьёзную аналитику сложных «естественных» рядов, максимально точно разделяя их на компоненты.
📌 Узнать больше о курсе «Временные ряды»
📌 Подписаться на бота
📈 Симулейтив | 📱 ВК | 📱 YouTube | 📱 Канал о DS
Всем привет, с вами Павел Беляев, ведущий канала Тимлидское об аналитике и автор курса «Временные ряды» 👋🏻
Первое, что хочется сделать аналитику при виде некоторой кривой, растянувшейся по временной оси — декомпозировать её на составляющие. (В общем-то, даже визуально можно их увидеть, не применяя специальных методов.)
Почему же дата-аналитик мгновенно производит эту процедуру в уме?
Потому что компоненты ряда — тренд, сезонность, всплески, не календарная цикличность — дают ответы на основные вопросы аналитики.
Как себя ведет метрика? Растёт в целом? А это не просто сезонный осенний подъём? Этой осенью лучше, чем прошлой осенью?
Особенно пристально изучаются составляющие метрик, с которыми аналитик только начинает знакомство.
Например, вот я пришел в новую компанию на должность аналитика, меня пускают к данным о продажах. Конечно, я захочу узнать, какова структура спроса — в какие месяцы имеет место рост, а в какие спад. То же насчёт внутринедельной сезонности.
Также очень важно понять, как себя чувствует кампания в целом, и важнейшей опорой для ответа будет именно кривая тренда. Она может быть прямой или изогнутой, может менять направление (ломаться), а точки перелома, скорее всего, соответствуют каким-то значимым событиям внутри компании или снаружи её.
Кроме полезных компонентов чаще всего есть в данных и случайная составляющая — шум. Желательно её как-то сгладить, отфильтровать так, чтобы не потерять ценных данных.
Вокруг интереса к теме декомпозиции и фильтрации временных рядов умные люди создали целый подраздел науки — методы, математический аппарат и, конечно, функции на питоне.
💡 Кстати, самый простой способ декомпозировать временной ряд — применить функцию seasonal_decompose(). На вход она получает сам ряд, его модель (аддитивная или мультипликативная) и предполагаемый период сезонности. На выходе получаем расклад по компонентам, который легко визуализируется.
📈 Загляните в этот демонстрационный блокнот, ведь лучше увидеть код и графики, чем читать текст, правда?
Эта функция проста в применении, но не очень аккуратна. На курсе мы внимательно рассматриваем более продвинутые методы и алгоритмы с разбором на питоне. Такой арсенал позволяет делать уже серьёзную аналитику сложных «естественных» рядов, максимально точно разделяя их на компоненты.
📌 Узнать больше о курсе «Временные ряды»
📌 Подписаться на бота
📈 Симулейтив | 📱 ВК | 📱 YouTube | 📱 Канал о DS