Datasarjoilla

Datasarja tarkoittaa havaintojen järjestettyä kokoelmaa, jossa mittaukset tai arvot on tallennettu tietyn järjestyksen mukaan. Datasarjoilla viitataan usein sekä yhteen sarjaan että useisiin samanaikaisesti tarkasteltaviin sarjoihin. Termiä käytetään laajasti tilastotieteessä ja data-analytiikassa, kun puhutaan erilaisista kokoelmista, taulukoista ja datakehyksistä.

Rakenne ja tyyppit erot voivat vaihdella. Datasarja voi olla yksimuuttujainen (univariate) tai monimuuttujainen (multivariate). Yleinen jako jakaa aineiston joko aikasarjoihin eli ajassa järjestettyihin arvoihin, tai poikkileikkausaineistoon, jossa mittaukset ovat samanaikaisia mutta ajan vaikutus on vähäinen. Kun tutkitaan useita sarjoja samanaikaisesti, puhutaan paneelidatasta tai monivaraisista datasarjoista.

Käyttö ja analyysi. Datasarjoja käytetään tilastollisessa mallinnuksessa ja ennustamisessa. Aikasarjoja analysoidaan kausivaihtelujen, trendeiden ja sesonkisyyden erottamiseksi sekä ennusteiden laatimiseksi esimerkiksi malleilla kuten ARIMA tai eksponentiaalinen tasoitus. Monivaraiset datasarjat voivat hyödyntää malleja kuten VAR, ja ne voivat käsitellä taloudellisia, teknisiä tai luonnonilmiöihin liittyviä ilmiöitä yhtenä kokonaisuutena.

Lähteet ja tallennus. Datasarjat tallennetaan usein taulukkomuodossa kuten CSV- tai Excel-tiedostoina tai relaatiotietokannoissa. Metadata kuvaa muuttujat, yksiköt sekä aikaleimat. Datan laadunhallinta ja puuttuvien arvojen käsittely ovat keskeisiä osa-alueita.

Esimerkkejä. Tyypillisiä datasarjoja ovat osakekurssit päivittäisellä aikavälillä, säätilat sekä myyntiluvut ajanjaksoittain. Datasarjojen perusteella tehdään päätöksiä, ennusteita ja kehitetään dataohjautuvia ratkaisuja.

---