Que são Time Series ou TS?
Para que servem as Séries Temporais e como tratá-las.
A séries temporais é uma coleção de registros efetuados ao longo de um tempo e com frequência constante e de forma sequencial. Ou seja, é um conjunto de informações coletadas periodicamente associado a uma data e hora (timestamps). É importante saber que Time Series (TS) é uma coleção de dados sequenciais e não podem ser tratados como dados Cross-Sections, onde a ordem de observação pode ser aleatória, por não ser associado ao registro data e hora. E comumente são coletados todos em um mesmo momento.
A análise de série temporal é uma técnica estatística que lida com dados de série temporal ou análise de tendência. Dados de série temporal significam que os dados estão em uma série de períodos ou intervalos de tempo específicos. Os dados são classificados em três tipos:
Time series data: um conjunto de observações sobre os valores que uma ou mais variável assumem em momentos diferentes.
Cross-Sectional data:: Dados de uma ou mais variáveis, coletados no mesmo momento.
Pooled data: uma combinação de dados de série temporal e dados transversais.
E os modelos estatísticos para séries temporais utilizam o passado histórico da(s) variável(is) para projetar observações futuras. Dessa forma, se pode ter uma ideia, aproximada, de como a variável se comportará nos próximos períodos de tempo.
Podemos dar como exemplo, um conjunto ou coleção de registros de consumo de água em cada hora, ou segundo, por uma indústria de alimentos, por exemplo. O que isto significa? Significa que poderemos ter a informação de quantos litros de água a industria consome em cada hora do dia ou a cada segundo, por exemplo, e por isso temos que tratar estes dados sempre de forma sequencial. A princípio esta informação é um tanto inútil, certo? Sim, mas se tivermos os horários das atividades ou operações dentro desta mesma industria (outra Série temporal de dados) poderemos associar, ajudar e definir o custo em água em cada operação da industria. Transformando um simples dado em informação.
Outra forma de Séries Temporais é são coleções preços, dados meteorológicos, produção grãos, demandas e outras demandas ao longo do tempo. Como temos uma série de dados e comportamentos anteriores, usando métodos estatísticos, podemos identificar padrões e frequências que nos permitam prever o que ocorrerá em um dado momento futuro. Esta ferramenta é largamente usada no mundo dos negócios até mesmo para avaliar as empresas no mercado. Um exemplo objetivo é o preço de uma empresa de petróleo. Ela tem seu valor associado ao produto que ela vende, por tanto se a demanda por petróleo aumenta, o valor da commodity também sobe, e por sua vez fez o valor da empresa sobe também. Então, se podemos prever a demanda e entendermos as relações entre a demanda e o valor da empresa podemos calcular o preço futuro da empresa no mercado com uma certa precisão.
Atualmente os grandes geradores de séries temporais são os IoT, estes dispositivos estão constantemente coletando dados e alimentando banco de dados com timestamps com uma infinidade de informações associadas a um dado instante (time). Com isso as empresas coletam informações de hábitos de consumos da população, e produzindo conteúdos e serviços para atender as demandas do públicos de forma cada vez mais segmentados. Os dados de trânsito que são fornecidos pelos nossos celulares ao Google ou Waze nada mais são que série temporais. Com estes dados eles podem informar aos usuários quais horários há mais movimento em quais ruas ou avenidas das cidades. Ou qual é a previsão de tráfego em duas ou três horas para esta ou aquela região da cidade. Também temos acesso a volume de pessoas em determinados estabelecimentos ao longo do dia, da semana ou do mês. Claro que nem todas as informações são fornecidas gratuitamente, as análises mais profundas e as integrações com sistemas de gestão das cidades, por exemplo, são pagas por ter muito valor agregado.
Enfim, quis aqui discorrer de forma simples sobre o que é uma Time Series. E espero ter esclarecido e ajudado que se propôs a ler este texto. Para aprofundamento sobre este assunto indico o conteúdo do Prof. Victor Hugo Lachos Davila que entra mais a fundo no assunto aqui tratado.
