时间序列分析概述
您可以用这些方法来跟踪进度、评估影响等等。
什么是时间序列分析？
时间序列是一个数据集，其中每一行都代表不同时间点发生的事件或测量。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“创建时间”的时间戳。事实表也可以用于时间序列分析。
时间序列分析结合指标和数据可视化来回答业务问题，例如：
- 我的收入是随时间增长、减少还是停滞不前？
- 我的客户何时会回头（或不回头）？
- 我的客户是否随着时间从我的业务中获得更多价值？
趋势
趋势跟踪指标或度量在不同时间段内的变化。
在分析趋势时，您需要选择与您的业务相匹配的时间段。例如，如果您每周发布新鲜博客内容，您将查看每周的受众参与度指标。如果您的业务使用月度订阅模式，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获取每年的总收入，以便您可以进行年度收入比较。本教程还涵盖了月度与月度以及季度与季度之间的比较。
- 可视化时间段为您提供有关如何在单个仪表板上组织和呈现不同问题的趋势的技巧。
- 变化率计算数据集中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上下文。
- SQL 中的日期是变化率的 SQL 补充。
- 趋势可视化类型是上一时间段到当前时间段增量的快照。
滚动指标
带有滚动指标的趋势在一个移动窗口内计算指标。例如，您不会计算每个日历月的收入，而是计算移动 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，因为它们可以平滑数据中的季节性和噪音。
例如，流失率通常作为滚动指标计算，因为订阅取消可能在日历月的任何时间发生。
关键绩效指标
某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）是一种通过平均历史支出和**预测**未来支出相结合来估计客户价值的指标。
LTV 等指标的趋势可以更好地表示您的业务状况（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？是关于何时计算 LTV 以及如何解释结果的简单入门。
- 使用 SQL 计算 LTV是一个高级 SQL 教程，它使用收入、活跃订阅和流失率计算 LTV 的月度变化。