时间序列分析概述

概述可用于跟踪进度、评估影响等方法。

什么是时间序列分析？

时间序列是一个数据集，其中每一行代表不同时间点的事件或度量。例如，示例数据库中的所有表都是时间序列数据集，因为每一行都有一个“创建于”时间戳。 事实表 也可用于时间序列分析。

时间序列分析结合了指标和数据可视化，以回答如下业务问题

• 我的收入随时间推移是如何增长、萎缩还是趋于平稳的？
• 我的客户何时会回来（或不回来）？
• 我的客户是否随着时间的推移从我的业务中获得更多价值？

趋势

趋势跟踪不同时间段内的 度量 或指标。

在分析趋势时，您需要选择与您的业务匹配的时间段。例如，如果您每周向博客发布新鲜内容，您将查看每周受众参与度指标。如果您的业务使用每月订阅模式，您将每月跟踪您的订阅收入。

在 Metabase 中分析趋势

• 比较时间段 向您展示如何一次获取一年的总收入，以便您可以比较年复一年的收入。本教程还介绍了月度环比和季度环比比较。
• 可视化时间段 为您提供有关如何在单个仪表盘上组织和呈现来自不同问题的趋势的技巧。
• 变化率 计算数据集所有月份的百分比指标，并将趋势可视化为折线图。您还将学习如何在图表工具提示中显示额外的上下文。
• SQL 中的日期 是 变化率 的 SQL 伴侣。
• 趋势 可视化类型是上一个时间段到当前时间段的增量快照。

滚动指标

具有滚动指标的趋势会计算滑动窗口上的指标。例如，不是计算每个日历月的收入，而是计算滑动 30 天期间的收入

• 1 月 1 日至 1 月 30 日
• 1 月 2 日至 1 月 31 日
• 1 月 3 日至 2 月 1 日
• 依此类推，直到 1 月 28 日至 2 月 28 日

最常见的滚动指标类型是滚动平均值（有时称为移动平均值）。滚动指标很有用，因为它们可以消除数据中的季节性和噪声。

例如，客户流失率通常计算为滚动指标，因为订阅取消可能发生在日历月份的任何时间。

KPI

有些指标比平均值或比率更能概括一组数字。这些指标通常用作关键绩效指标 (KPI)。

例如，客户生命周期价值（CLV 或 LTV）是一个指标，它使用平均历史支出和预测未来支出的组合来估计客户价值。

像 LTV 这样的指标的趋势可以更好地表示您的业务表现（与平均值或比率相比），因为 LTV 计算基于更多信息。

使用 Metabase 衡量 LTV

• 计算 LTV：您是否做错了？ 是一篇关于何时计算 LTV 以及如何解释结果的入门文章。
• 使用 SQL 计算 LTV 是一篇高级 SQL 教程，它使用收入、有效订阅和客户流失率来计算 LTV 的每月变化。

下一步：时间序列的环比比较

如何通过比较两个或多个时间段来衡量指标随时间的变化。

下一篇文章