时间序列分析概述
关于如何跟踪进度、估算影响等方法的概述。
什么是时间序列分析？
时间序列是一种数据集，其中每一行代表一个在不同时间点的事件或测量。例如，Sample Database 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，以回答业务问题，例如：
- 我的收入随时间推移是在增长、萎缩还是停滞不前？
- 我的客户何时会回来（或不回来）？
- 我的客户随时间推移是否从我的业务中获得了更多价值？
趋势
趋势跟踪度量指标或指标随不同时间段的变化。
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，如果您每周发布新的博客内容，您将查看每周的受众参与度指标。如果您的业务采用月度订阅模式，您将按月跟踪您的订阅收入。
在 Metabase 中分析趋势
- 比较时间段显示了如何按年获取总收入，以便您可以逐年比较收入。本教程还涵盖了月度比较和季节性比较。
- 可视化时间段提供了一些技巧，说明如何在单个仪表板上组织和呈现不同问题的趋势。
- 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。
- 趋势可视化类型是当前时间段与上一时间段增量的快照。
滚动指标
带有滚动指标的趋势是在一个变化的窗口上计算指标。例如，您将计算收入随时间推移的 30 天滚动周期，而不是计算每个日历月的收入。
- 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声。
例如，通常将流失率计算为滚动指标，因为订阅取消可能发生在日历月的任何时间。
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，客户终生价值（CLV 或 LTV）是一个指标，它结合了平均历史支出和预测的未来支出，以估算客户价值。
像 LTV 这样的指标的趋势可以更好地代表您的业务表现（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？是一个关于何时计算 LTV 以及如何解释结果的简要介绍。
- 使用 SQL 计算 LTV是一个高级 SQL 教程，它使用收入、活跃订阅和流失率来计算 LTV 的月度变化。