三、時間序列資料在數據分析中扮演的角色

我們最先收集的數據會是怎樣的數據呢？讓我從歷史的記錄來談起。

歷史的軌跡

從最原始時代，人類開始有記事時，現在稱為「結繩記事」。只要部落發生一個大事就結一個繩。而大事不會在同一時間發生，而是過段時間發生。所以結繩記事只有記事者才知道發生什麼事情，其他人只知道這是過去某個時間記下的大事。

後來有文字記錄開始，史書依體例又可分為時間為主或個體為主。

個體：

• 紀傳體（以人物為主軸）
• 別史體（以國為主軸）
• 雜史體（以遺文舊事為主軸）
• 政書體（以典制為主軸）
• 譜牒體（以宗譜為主軸）

時間：

• 編年體（以時間為主軸）
• 紀事本末體（以事件為主軸）
• 史評體（以史事評論為主軸）
• 綱目體（以年表為主軸）

如此就能發現人類在記錄事情時不外乎是「特定時間下不同區域/人物的記錄」，或是「隨著時間在特定區域發生的事情記錄」。

時間序列資料

隨著時間記錄下的數據量其實很龐大。人類會因為不同的人、事、物、地，成為分類指標，再各自依照時間記錄。多久記錄一次會受限人、事、物、地的規模與細節等因素影響。

所以時間序列資料可以分為

• 年度數據/年度資料
• 季度數據/季度資料
• 月度數據/月度資料
• 週數據/週資料
• 日數據/日資料

當然還有更高頻的數據。所謂高頻數據就是指記錄的時間間距很短，例如一分鐘的數據，或一秒鐘的數據。

不同的時間序列資料記錄因為頻率低於年，就可能產生「季節波動」，又可稱為「週期變動」。這是因為在一年內數據值會有固定月份、週次、日等的特殊高低起伏。

長短期觀念

「長期」與「短期」是我們經常聽到但卻不易定義的兩個概念。那麼，長期究竟是多久？短期又該如何定義呢？

在金融領域，短期一般指一年以下，且長期指一年或以上。在經濟學中，長期通常意味著一個足夠長的時間讓資源皆可變動，而短期指至少一種資源不能變動。在機器學習中的RNN（循環神經網絡），長短期記憶由激勵函數的閾值所控制。

讓我們回到時間序列數據的例子。當橫軸表示時間，向右代表未來，縱軸表示某個指標的數值，數值越大，點越高。

按照金融上的時間分法，年度數據是沒有短期這一說法。但是實際情況中，有些20年的數據仍可分辨出短期趨勢。

視覺化的圖像通常使用平滑折線圖（見圖一）來表示趨勢。許多網站還提供互動功能，讓使用者能將滑鼠移動到特定位置查看具體數字。

圖一隱含你需要具備一定的想像力，想像趨勢線（見圖二）。如果想像力不夠，那就像是在聽故事。

然而，依靠分析方法的原則和AI的運算與判斷，進行逐點運算，AI可以產生更加精準的趨勢線，客觀地反映短期趨勢。

作為數據分析師的你，可以利用AI產生的多條趨勢線進行解讀，並比較長短期趨勢。