Size: a a a

Python для анализа данных

2019 October 17

D

Demi in Python для анализа данных
так же и postgresql - можно использоват для хранения json , совсем не хуже работает, только еще и сортировать удобно
источник

D

Demi in Python для анализа данных
что кому удобнее
источник
2019 October 18

С

Светлячок in Python для анализа данных
Всем привет.
Я совершенно новичок в Python. Может вы мне посоветуете, какие-то книги или интернет-странички, где можно учить этот язык. Спасибо
источник

Y

Yuriy in Python для анализа данных
stepik.org, курс "Программирование на python"
источник

АЛ

Алексей Лукинов... in Python для анализа данных
мне нравится https://skillfactory.ru/ у них несколько курсов по питону
источник

VP

Vlad P in Python для анализа данных
для вкатки по анализу даных норм курс на Datacamp
источник

DB

Dmitry Bordukov in Python для анализа данных
Гайз, не совсем в тематику вопрос: кто-нибудь расковдывал фин. отчетность в витрину с учетом частотноти ее наличия и актуальности предоставления и расчета фин. показателей?
источник

МП

Максим Петров... in Python для анализа данных
Светлячок
Всем привет.
Я совершенно новичок в Python. Может вы мне посоветуете, какие-то книги или интернет-странички, где можно учить этот язык. Спасибо
pyneng Наташа Самойленко
источник

AK

Anthony Karpov in Python для анализа данных
Dmitry Bordukov
Гайз, не совсем в тематику вопрос: кто-нибудь расковдывал фин. отчетность в витрину с учетом частотноти ее наличия и актуальности предоставления и расчета фин. показателей?
Отчет о финансовых результатах?
источник

DB

Dmitry Bordukov in Python для анализа данных
Anthony Karpov
Отчет о финансовых результатах?
Да бух. отчетность, балансы и прочие прелести)
источник

AK

Anthony Karpov in Python для анализа данных
Они или укладываются в отчетный период, либо, как в случае с кеш флоу, вполне представляются временным рядом
источник

AK

Anthony Karpov in Python для анализа данных
Как правило в последнем случае в витрину проще укладывать пару время изменения и сальдо после изменения, а потом скейлить необходимый дискрет для анализа
источник

AK

Anthony Karpov in Python для анализа данных
опять-таки какие данные аналитик вы хотите использовать
источник

DB

Dmitry Bordukov in Python для анализа данных
Anthony Karpov
Они или укладываются в отчетный период, либо, как в случае с кеш флоу, вполне представляются временным рядом
Как раз проблема в возможном смещении данных... ситуация в следующем, данная отчетность предоставляется контрагентами по разному (раз в год, полгода, квартал). Понятно, что можно разложить данные на отчетную дату предоставления отчетности, но потом нужно этот блок пожинить на витрину по месячных показателей, и как раз тут возникает вопрос как более правильно транслировать показатели фин.отчетности на следующие даты от отчетной. Так как при явном транслировании до следующей отчетной даты получается смещение данных по актуальности предоставления. Как вариант можно пилить 3 сета в зависимости от периодичность предоставления данных, но не очень хочется, выборка маленькая.
источник

AK

Anthony Karpov in Python для анализа данных
В целом — никак. Данные не очень достоверны ниже дискрета. Можно поробовать интерполяцию кубическим сплайном, но это может быт как очень точно, так и совсем не точно
источник

DB

Dmitry Bordukov in Python для анализа данных
Anthony Karpov
В целом — никак. Данные не очень достоверны ниже дискрета. Можно поробовать интерполяцию кубическим сплайном, но это может быт как очень точно, так и совсем не точно
Тоже не вариант.
Глобально если отталкиваться о того, что фин. показатели - дискретные величины (и фиксированные во времени по возможности их расчета) и имеют четкую наследственность (т.к. квартальная отчетность считается с накоплением), то можно выделить периоды когда она является актуальной (по сути 3 следующих месяца от отчетной даты). В дальнейшем оставлять в витрине только записи с актуальной информацией на определенный месяц времени (если говорить про помесячную раскладку). В итоге получится "однородная" витрина в плане заполнености. В целом дальше вопрос можно перевести в разрезе  рассмотрения периода проверки - не привязываться к нему (то есть не важен период проверки, так атрибуты расчитываюся в любом случае на актуальных данных, но в таком случае может вылезти фактор сезоности) или разбивать на 4 отрезка (большая вариативность зависимостей от периода, которые могут вылезти на первый фон, вместо обощенных в первом случае).

Сорян, немного сумбурно, но кейс мучает голову уже целый день... По сути нужно мнение со стороны, на логику рассуждений и варианты куда еще в какую сторону покупать.
источник

AK

Anthony Karpov in Python для анализа данных
Фин показатели (например выручка, себестоимость продаж, валовая прибыль и т.д.) могут быть рассчитаны на любую дату. Если доступ есть только к ежеквартальной отчетности, то внутрь квартала заглянуть в общем случае нельзя. Если задача в рамках предприятия, то отчетность не нужна — нужно что-то иное, в зависимости от задачи
источник

DB

Dmitry Bordukov in Python для анализа данных
Anthony Karpov
Фин показатели (например выручка, себестоимость продаж, валовая прибыль и т.д.) могут быть рассчитаны на любую дату. Если доступ есть только к ежеквартальной отчетности, то внутрь квартала заглянуть в общем случае нельзя. Если задача в рамках предприятия, то отчетность не нужна — нужно что-то иное, в зависимости от задачи
Задача по сути выявить новые правила при проверки контрагентов (предстраховая проверка). В наличии исторические данные, т.е. данные  появились по БП (вот вариативность ее появления больше всего доставляет удовольствие). По фин показателями я понимал не фактические значения той же самой выручки, а динамика ее изменил и пр. (агрегаты и расчетные коэффициенты).

Про залезть в квартал, тут не так критично, т.к. рассматриваются закрытые периоды, а не текущие.
источник

DB

Dmitry Bordukov in Python для анализа данных
Anthony Karpov
Фин показатели (например выручка, себестоимость продаж, валовая прибыль и т.д.) могут быть рассчитаны на любую дату. Если доступ есть только к ежеквартальной отчетности, то внутрь квартала заглянуть в общем случае нельзя. Если задача в рамках предприятия, то отчетность не нужна — нужно что-то иное, в зависимости от задачи
Скорее тут вопрос разницы глубины этих закрытых кварталов (т.к. за отчетность за 2 кв учитывает и 1 кв)
источник

PN

Pavel Niki in Python для анализа данных
Dmitry Bordukov
Скорее тут вопрос разницы глубины этих закрытых кварталов (т.к. за отчетность за 2 кв учитывает и 1 кв)
Дмитрий, вы сказали предстраховая проверка? Вы в страховании работаете? Я просто тем же самым занимаюсь, но не могу понять цель вашего анализа, что в результате вы хотите понять/проанализировать по фин.отчетности? Расчет кредитоспособности или какие-то прогнознае значения показателей?
источник