Команда хочет найти день, когда произошёл резкий сбой (падение конверсии на один день). Почему график cumulative может быть плохим выбором?
A
Cumulative всегда лучше: он показывает всё сразуB
Cumulative нельзя строить для time seriesC
Cumulative автоматически убирает seasonality, поэтому годится для любого анализаD
Cumulative сглаживает краткосрочные провалы: разовый сбой может почти не быть заметен, лучше смотреть обычную time series по днямПравильный ответ.
Cumulative полезен для прогресса, но скрывает краткосрочные изменения.Разбор
Кумулятивная кривая растёт почти монотонно и «размазывает» локальные провалы. Для аномалий лучше дневная time series, а rolling average можно добавить как вспомогательное сглаживание.
Проверь себя · 1/3разбор после ответа
Вы хотите сравнить динамику двух метрик разных масштабов:
DAU (Daily Active Users) и revenue. Как корректнее показать на одном графике относительные изменения без dual axis?Ещё вопросы по теме «Временные ряды»
- Промо-акция шла только 2 дня (пт–сб). Хотите увидеть её эффект на заказах на графике `time series`. Какая `granularity` наиболее уместна?
- Вы строите график выручки магазина как `time series` по дням. Какую агрегацию по дням выбрать для `revenue`?
- В ежедневной `time series` событий один день трекинг был сломан: данных нет, но пользователи были. Как корректнее отобразить этот день на графике?
- Сегодня среда. Вы делаете `WoW` (Week-over-Week — неделя к неделе) сравнение продаж 'эта неделя vs прошлая'. Чем опасно сравнивать неполную текущую неделю с полной прошлой, и что делать?
- Дневная метрика `DAU` (Daily Active Users) сильно шумит. Какой приём поможет показать тренд, не потеряв исходные значения?
- Все вопросы по «Временные ряды» →