---
title: "Zaman Serisi Verisi Nedir? Örnekler ve Analiz"
description: "Zaman serisi verisi, aynı şeyin zaman içinde art arda ölçülen değerleridir: günlük fiyatlar, sunucu ölçümleri. Örnekler, bileşenler, saklama ve analiz."
url: https://proxynet.io/tr/blog/what-is-time-series-data
date: 2026-11-19
author: "Acar Diveroli"
category: "Kullanım Alanları"
lang: tr
---

# Zaman Serisi Verisi Nedir? Örnekler ve Analiz

Bir fiyatlandırma analisti, bir rakibin bir kahve öğütücüsü için bir yıl boyunca kaydedilen günlük fiyatlarını dışa aktarıyor: her biri bir tarih ve bir sayıdan oluşan 365 satır. Fiyata göre sıralanınca dosya neredeyse hiçbir şey söylemiyor. Tarihe göre sıralanınca ise ilkbahar boyunca yavaş bir yükseliş, kasımın son haftasında bir düşüş ve kasım başında fiyatın 0,99 göründüğü bir sabah ortaya çıkıyor. Ürün pahalılaşıyor mu, kasım her yıl mı ucuz, o 0,99 gerçek bir kampanya mıydı yoksa bozuk bir sayfa mı?

Zaman serisi verisi tam olarak bu üç soru içindir. Bu yazıda bir verinin ne zaman zaman serisi sayıldığını, yatay kesit ve panel veriden farkını, dört bileşenini, durağanlığın sade bir dille ne demek olduğunu, verinin nasıl toplanıp saklandığını, analiz ve tahminin temellerini ve bir seriyi sessizce bozan hataları anlatıyoruz.

> **Not: Kısa cevap**
>
> Zaman serisi verisi, aynı şeyin art arda gelen zaman noktalarında ölçülmüş, her biri zaman damgasıyla saklanan ve zaman sırasıyla tutulan değerleridir: bir ürünün her günkü fiyatı, bir sunucunun 15 saniyede bir ölçülen işlemci yükü, bir ülkenin aylık enflasyon oranı. Bilgiyi sıra taşır: analiz trendi (uzun vadeli yönü), mevsimselliği (takvime bağlı tekrar eden örüntüyü), döngüleri ve gürültüyü arar; bunları izlemek, karşılaştırmak ve tahmin etmek için kullanır.

## Zaman serisi verisi nedir?

Zaman serisi verisi, tek bir değişkenin her biri ölçüldüğü ana bağlanmış ve zaman sırasına dizilmiş gözlemleridir. Her satırda en az iki parça bulunur: bir zaman damgası ve bir değer. Çoğu zaman bir üçüncüsü de vardır: neyin ölçüldüğünü söyleyen bir tanımlayıcı (bir ürün, bir sensör, bir sunucu).

ABD'nin standartlar kurumu NIST'in SEMATECH ile hazırladığı istatistik yöntemleri el kitabı zaman serisini [eşit aralıklı zaman noktalarında ölçülen bir değişkenin sıralı değerleri](https://www.itl.nist.gov/div898/handbook/pmc/section4/pmc41.htm) diye tanımlar. Buradaki anahtar sözcük "sıralı"dır: satırları karıştırırsanız anlam kaybolur, çünkü dünkü fiyat bugünkü fiyatı rastgele bir satırın açıklayamayacağı biçimde açıklar. "Eşit aralıklı" ise ders kitaplarındaki klasik durumdur; uygulamada birçok seri düzensiz anlarda gelir, ilerideki bir bölümde bunu ele alıyoruz.

Öğütücü örneğinden kısa bir kesit, verinin biçimini gösteriyor:

| Zaman (UTC) | Ürün | Fiyat |
|---|---|---|
| 2026-11-04 09:00 | Öğütücü X | 26,50 |
| 2026-11-05 09:00 | Öğütücü X | 24,90 |
| 2026-11-06 09:00 | Öğütücü X | 0,99 |
| 2026-11-07 09:00 | Öğütücü X | 24,90 |

Tek ürün, günde tek değer, günün hep aynı saati. İkinci bir ürün eklerseniz aynı tabloda iki seri olur; onları ürün sütunu birbirinden ayırır.

## Zaman serisi verisine örnekler nelerdir?

Zaman içinde tekrar tekrar ölçülen her şey bir zaman serisi oluşturur. En sık karşılaşılan örnekler:

- **Fiyatlar:** bir ürünün günlük raf fiyatı, bir otelin gecelik ücreti, günlük kur.
- **Sunucu ölçümleri:** birkaç saniyede bir ölçülen işlemci yükü, bellek kullanımı, saniyedeki istek sayısı ve hata sayısı.
- **Sensör okumaları:** cihazların kaydettiği sıcaklık, enerji tüketimi ya da makine titreşimi.
- **İş verileri:** günlük ziyaret, saatlik sipariş, depo başına stok seviyesi.
- **Ekonomik istatistikler:** aylık enflasyon, çeyreklik GSYH, aylık işsizlik oranı.
- **Hava durumu:** saatlik yağış, günlük hava kalitesi, yıllık ortalama sıcaklık.

Bunları birleştiren şey arkalarındaki sorudur: bu değer nasıl değişiyor ve sıradaki değer ne olacak?

## Düzenli ve düzensiz zaman serisi arasındaki fark nedir?

Düzenli bir zaman serisinde değerler her dakika ya da her gün gibi sabit aralıklarla gelir; düzensiz bir seride ise değer yalnızca bir şey olduğunda oluşur. Her 60 saniyede bir ölçüm gönderen bir sıcaklık sensörü düzenli bir seri üretir. Borsadaki işlemler, bir log dosyasındaki hata kayıtları ya da yalnızca değiştiğinde kaydedilen bir fiyat ise düzensiz seriler üretir: bir dakikada üç değer gelir, sonraki bir saat boyunca hiç gelmeyebilir.

Bu aralığa serinin sıklığı (frekansı) denir: saniyelik, saatlik, günlük, aylık. Birçok araç düzenli seri beklediği için düzensiz veri sabit aralıklara yeniden örneklenir (resampling) ve her aralığın nasıl doldurulacağı gerçek bir karardır: fiyatta son bilinen değer ileri taşınır, satışlar toplanır, sıcaklığın ortalaması alınır. Boş kalan aralık için de bir kural gerekir, çünkü "ölçüm yok" ile "sıfır" farklı bilgilerdir.

## Zaman serisi verisinin yatay kesit ve panel veriden farkı nedir?

Fark, neyin değiştiğindedir: zaman serisi verisi tek bir birimi birçok an boyunca izler, yatay kesit verisi birçok birimi tek bir anda karşılaştırır, panel veri ise birçok birimi birçok an boyunca izler. Aynı fiyat dosyası üç biçimde de kesilebilir:

| Veri türü | Ne değişir? | Örnek | Tipik soru |
|---|---|---|---|
| Zaman serisi | Zaman | Tek öğütücünün bir yıllık günlük fiyatı | Yükseliyor mu? |
| Yatay kesit | Birimler | 200 öğütücünün tek gündeki fiyatı | Bugün en ucuz kim? |
| Panel (boylamsal) | Birimler ve zaman | 200 öğütücü, bir yıl boyunca her gün | Fiyatı ilk kim düşürüyor, kim ardından geliyor? |

Panel veri en çok bilgiyi veren ama en çok özen isteyen türdür: her birimin değişmeyen bir tanımlayıcısı olmalıdır, yoksa sayfa tasarımı yenilendiğinde aynı ürün iki ayrı birim gibi görünür.

## Bir zaman serisinin bileşenleri nelerdir?

Zaman serilerinin çoğu, birbirine eklenen ya da birbiriyle çarpılan dört bileşenle tarif edilebilir: trend, mevsimsellik, döngüler ve gürültü. Her biri farklı bir soruyu cevapladığı için bunları ayırmak neredeyse her analizin ilk adımıdır.

- **Trend**, uzun vadeli artış ya da azalıştır. Düz bir çizgi olmak zorunda değildir; bir fiyat önce hızla tırmanıp sonra yatay seyre geçebilir.
- **Mevsimsellik**, takvime bağlı, sabit ve bilinen bir periyotla tekrar eder: hafta sonu ofis trafiğindeki düşüş, perakende satışlardaki aralık zirvesi gibi.
- **Döngüler**, sabit bir periyodu olmayan yükseliş ve düşüşlerdir; birkaç yıl süren ve uzunluğu değişen ekonomik dalgalanmalar buna örnektir.
- **Gürültü** (kalıntı), geriye kalandır: rastgele dalgalanmalar, tek seferlik olaylar ve ölçüm hataları.

En sık karıştırılan ikili mevsimsellik ve döngüdür: örüntü takvime bağlı bir düzenle geri geliyorsa mevsimseldir, ne zaman geleceği önceden bilinemiyorsa döngüdür. Rob J Hyndman ve George Athanasopoulos'un açık erişimli ders kitabı *Forecasting: Principles and Practice*, [trend, mevsimsel ve döngüsel örüntüleri](https://otexts.com/fpp3/tspatterns.html) grafiklerle anlatır ve internette ücretsiz okunabilir.

## Zaman serisinde durağanlık ne demektir?

Durağan bir zaman serisi, ortalama düzeyi ve ne kadar dalgalandığı gibi istatistiksel davranışı baktığınız zamana bağlı olmayan seridir. Durağan bir seriden hangi bölümü seçerseniz seçin, kabaca diğer bölümlere benzer.

Trendi olan bir seri durağan değildir, çünkü düzeyi tarihe bağlıdır; mevsimsel bir seri de durağan değildir, çünkü aralık ayı mart ayından farklı davranır. Trendi ya da mevsimselliği olmayan ama döngüleri olan bir seri ise yine durağan sayılabilir, çünkü tepe noktalarının zamanı önceden kestirilemez.

Bunun önemi şudur: birçok klasik tahmin modeli durağanlık varsayar, bu yüzden analistler seriyi önce dönüştürür. En yaygın araç fark almadır: her değerin yerine bir önceki gözlemden bu yana olan değişim yazılır ve "0,40 arttı" bilgisi çoğu zaman "26,90" bilgisinden daha istikrarlıdır. Dalgalanmalar düzeyle birlikte büyüyorsa, birçok fiyatta olduğu gibi, logaritma almak işe yarar.

## Zaman serisi verisi nasıl toplanır?

Zaman serisi verisi, aynı şeyi aynı yöntemle planlanmış zamanlarda ölçüp her değeri zaman damgasıyla birlikte kaydederek toplanır. Kaynak ister bir sensör, ister bir sunucu, ister herkese açık bir web sayfası olsun, güvenilir bir toplama işi beş adımı izler:

1. **Ölçüyü tanımlayın.** Tek bir değerin tam olarak ne anlama geldiğine karar verin: misafir kullanıcıya mı yoksa oturum açmış alıcıya mı gösterilen fiyat, kargo dahil mi değil mi, hangi para biriminde.
1. **Sıklığı seçin.** Sıklığı değerin ne kadar hızlı değiştiğine göre belirleyin. Raf fiyatlarının çoğu için günde bir ölçüm yeter; sunucu ölçümleri saniyeler ister.
1. **Zaman damgasını UTC ile yazın.** Her değeri belirsizlik bırakmayan bir zamanla ve UTC farkıyla birlikte, [RFC 3339](https://www.rfc-editor.org/rfc/rfc3339) standardının internet zaman damgaları için tanımladığı biçimde saklayın: `2026-11-06T09:00:00Z`; buradaki `Z`, UTC demektir. Yerel saate yalnızca gösterirken çevirin.
1. **Tanımlayıcıyı sabit tutun.** Tasarım değişikliklerinden etkilenmeyen bir ürün kodu ya da URL kullanın ki seri ikiye bölünmesin.
1. **Değerin nasıl elde edildiğini kaydedin.** Yöntemi, konumu ve bunlardaki her değişikliği not edin; böylece kendi düzeneğinizden kaynaklanan bir sıçrama gerçek bir değişim sanılmaz.

Web kaynaklarında sayfaları belirli aralıklarla kontrol eden bir izleme aracı zaten sayfa sürümlerinden oluşan bir zaman serisi üretir; [Web Sitesi Değişiklik Takibi Nasıl Yapılır?](/tr/blog/website-change-monitoring) yazısı bu kontrollerin nasıl kurulduğunu ve siteye binen yükün nasıl düşük tutulacağını gösteriyor.

## Zaman serisi verisi nasıl saklanır?

Küçük zaman serileri bir elektronik tabloya ya da zaman damgası sütunu indekslenmiş sıradan bir ilişkisel veritabanına rahatça sığar. Binlerce seri ve birkaç saniyede bir gelen yeni değerler söz konusu olduğunda ise veri çoğunlukla bir zaman serisi veritabanına gider: zaman sırasıyla gelen, çoğunlukla sona eklenen ve nadiren düzenlenen veri için tasarlanmış bir veritabanı.

Zaman serisi veritabanları veriyi zaman aralıklarına göre parçalar hâlinde saklar, böylece "son 24 saat" sorgusu yalnızca en yeni parçaları okur; çoğu zaman birbirine benzeyen komşu değerleri sıkıştırır ve eski veriyi silmeyi ucuzlatır. Açık kaynaklı izleme sistemi Prometheus iyi belgelenmiş bir örnektir: [depolama belgelerine](https://prometheus.io/docs/prometheus/latest/storage/) göre gelen örnekleri iki saatlik bloklarda toplar, bu blokları arka planda daha uzun bloklara birleştirir ve veriyi varsayılan olarak 15 gün saklar.

Her depolama planında iki terim karşınıza çıkar. **Saklama süresi** (retention), ham verinin silinmeden önce ne kadar tutulacağıdır. **Altörnekleme** (downsampling), eski yüksek çözünürlüklü veriyi özetlerle değiştirir; örneğin iki hafta boyunca dakikalık değerler, bir yıl boyunca saatlik değerler tutulur. Saatlik ortalamanın yanında en küçük ve en büyük değeri de saklayın, çünkü ortalama beş dakikalık bir kesintiyi gizler.

## Zaman serisi verisi nasıl analiz edilir?

Bir zaman serisi önce grafiğe dökülerek, sonra trendi görmek için yumuşatılarak, ardından mevsimsellik ayrılarak analiz edilir; ölçme ya da tahmin en sona kalır. Grafiği atlamak pahalıya patlayan bir kestirmedir, çünkü grafik özet sayıların gizlediği boşlukları, sıçramaları ve düzey kaymalarını gösterir.

**Hareketli ortalama.** Hareketli ortalama her noktanın yerine son birkaç noktanın ortalamasını koyar ve günlük gürültüyü yumuşatır. Temizliğin neden önce gelmesi gerektiğini de gösterir. Fiyatın 2 ve 3 Kasım'da 24,90 olduğu öğütücü verisinde 0,99 değeri üç günlük ortalamayı üç gün boyunca aşağı çeker:

| Tarih | Fiyat | 3 günlük ortalama |
|---|---|---|
| 4 Kasım | 26,50 | 25,43 |
| 5 Kasım | 24,90 | 25,43 |
| 6 Kasım | 0,99 | 17,46 |
| 7 Kasım | 24,90 | 16,93 |
| 8 Kasım | 23,50 | 16,46 |

Hareketli medyan bu aykırı değeri neredeyse fark etmezdi; daha iyisi, 0,99 herhangi bir ortalamaya girmeden önce sayfayı kontrol edip değerin gerçek olup olmadığına karar vermektir. Toplanan verinin metinden veri tiplerine ve aykırı değerlere kadar temizlenme adımları [Kazınan Veri Pandas ile Nasıl Temizlenir?](/tr/blog/clean-scraped-data-with-pandas) yazısında anlatılıyor.

**Ayrıştırma.** Ayrıştırma (decomposition) bir seriyi trend, mevsimsel ve kalıntı parçalarına böler; böylece her birine ayrı ayrı bakabilirsiniz. İstatistik kurumları birçok göstergeyi "mevsimsellikten arındırılmış" olarak da yayımlar: Eurostat [mevsimsel düzeltmeyi](https://ec.europa.eu/eurostat/statistics-explained/index.php?title=Glossary:Seasonal_adjustment) (seasonal adjustment), tekrar eden mevsimsel etkilerin çıkarılarak alttaki hareketin daha kolay görülmesini sağlayan bir teknik olarak tanımlar. Perakende satışlardaki aralık sıçramasının arındırılmış rakamda kaybolabilmesinin nedeni budur.

**Tahmin.** Tahmin (forecasting), gelecekteki değerleri geçmiştekilerden kestirir. İşe iki temel tahminle (baseline) başlayın: naif tahmin (yarın bugüne eşittir) ve mevsimsel naif tahmin (gelecek pazartesi geçen pazartesiye eşittir). Üstel düzeltme yakın tarihli değerlere daha fazla ağırlık verir, ARIMA modelleri farkı alınmış serinin geçmiş değerlerinden ve geçmiş hatalarından tahmin yapar, makine öğrenmesi modelleri ise kampanya gibi dış etkenleri de hesaba katabilir. Karmaşık bir model, ancak ayırdığınız yakın bir dönemde bu temel tahminleri geride bırakıyorsa yerini hak eder.

## Saat dilimleri zaman serisini neden bozar?

Saat dilimleri zaman serisini bozar, çünkü yerel saatler bazı saatleri atlar, bazılarını iki kez yaşar; dolayısıyla yerel saatle bir "gün" her zaman 24 saat sürmez. Test makinemizde Node.js 24, kendi saat dilimi verisiyle Berlin'de 25 Ekim 2026'nın 25 saat, 29 Mart 2026'nın ise yalnızca 23 saat sürdüğünü gösterdi; 25 Ekim'de bir saat arayla gelen iki an, UTC ile 00.30 ve 01.30, yerel saatte ikisi de 02.30 olarak göründü. Aynı testte Europe/Istanbul saat diliminde 29 Mart 2026 günü 24 saat sürdü; ancak veriniz yaz saati uygulayan ülkelerden de geliyorsa sorun sizi yine bulur.

Yerel saatleri UTC farkı olmadan saklarsanız o sonbahar gecesi aynı zaman damgasını taşıyan iki okuma üretir, ilkbahar gecesinde ise bir saat boyunca hiç okuma olmaz; günlük toplamlar bir saat fazla ya da eksik çıkar. Çözüm, toplama adımlarındaki kuraldır: zamanı UTC olarak ve farkını açıkça yazarak saklayın, yerel saate yalnızca bir rapor yerel güne göre gruplarken çevirin.

## Zaman serisi verisi toplarken proxy'ler nerede devreye girer?

Proxy'ler, ihtiyaç duyduğunuz zaman serisi ülkeye göre değişen herkese açık web sayfalarından geliyorsa önem kazanır. Bir perakendeci fiyatı, stok durumunu ve teslimat seçeneklerini çoğu zaman ziyaretçinin konumuna göre gösterir; bu yüzden ofisinizden toplanan bir fiyat serisi her gün incelediğiniz pazarın değil, ofisinizin bulunduğu ülkenin sürümünü kaydeder.

Çözüm, yukarıdaki toplama kurallarından çıkar: aynı sayfaları, aynı aralıkla ve her seferinde aynı ülkeden isteyin ki seride değişen tek şey fiyat olsun. [Residential Proxy](https://proxynet.io/tr/residential-proxy), her kontrolü serinin ait olduğu ülkedeki, hatta şehirdeki bir ev bağlantısı üzerinden, sitenin rahatça karşılayabileceği bir hızla gönderebilir.

[Fiyat takibi](/tr/price-monitoring) çözümümüz, fiyatların, stok durumunun ve MAP (minimum advertised price) uyumunun düzenli aralıklarla izlenmesini kapsar.

Proxy, neyi toplayabileceğinizi değiştirmez: sitenin kullanım koşulları ve robots.txt dosyası geçerli olmaya devam eder. Ürünleri eşleştirmenin ve kontrol aralıklarını seçmenin pratik tarafı [E-Ticarette Rakip Fiyat Takibi Nasıl Yapılır?](/tr/blog/competitor-price-tracking) yazısında anlatılıyor.

## Zaman serisi verisi nerelerde kullanılır?

Zaman serisi verisi, bir kararın bir şeyin zaman içinde nasıl değiştiğine bağlı olduğu her yerde kullanılır:

- **E-ticaret:** fiyat geçmişi, stok seviyeleri, satın alma için talep tahmini.
- **Finans:** hisse fiyatları, döviz kurları, kayan pencerelerle ölçülen risk.
- **BT operasyonları:** sunucu ölçümleri üzerine kurulan panolar ve alarmlar.
- **Enerji:** yük tahmini, sayaç okumaları, güneş ve rüzgâr üretimi.
- **Üretim:** arızadan önce aşınmayı ortaya çıkaran makine sensörleri.
- **Ekonomi:** enflasyon, istihdam ve dış ticaret istatistikleri.

## Zaman serisi verisinde sık yapılan hatalar

Zaman serisi sorunlarının çoğu toplama sırasında doğar ve ancak analiz sırasında fark edilir:

- **UTC farkı olmayan yerel zaman damgaları.** Her yaz saati geçişinde yinelenen ve eksik saatler.
- **Boşluğu sıfır saymak.** Yüklenemeyen bir sayfa sıfır fiyat göstermiş olmaz.
- **Seri ortasında yöntemi değiştirmek.** Yeni bir kaynak, konum ya da tanım gerçek bir değişim gibi görünen bir basamak yaratır. Tarihini not edin.
- **Mevsimsel bir ayı bir önceki ayla karşılaştırmak.** Bu yılın aralık ayını geçen yılın aralık ayıyla karşılaştırın ya da arındırılmış rakamları kullanın.
- **Temizlemeden önce yumuşatmak.** Tek bir hatalı değer, dokunduğu her ortalamayı bozar.
- **Tahmini zaten gördüğü veriyle sınamak.** En son dönemi sınama için ayırın.
- **Kanıtı altörneklemeyle silmek.** Ortalamalar sıçramaları gizler; en küçük ve en büyük değeri de saklayın.

## Karar rehberi

| İhtiyaç | Öneri |
|---|---|
| Günlük güncellenen birkaç seri | Zaman indeksli bir elektronik tablo ya da ilişkisel tablo |
| Binlerce seri, birkaç saniyede bir değer | Saklama kuralları olan bir zaman serisi veritabanı |
| Gürültülü verinin altındaki yönü görmek | Hareketli ortalama ya da medyan |
| Ayları adil karşılaştırmak | Arındırılmış rakamlar ya da geçen yılın aynı ayı |
| Gelecek ayı tahmin etmek | Önce mevsimsel naif tahmin, sonra üstel düzeltme ya da ARIMA |
| Birden çok saat diliminden gelen veri | UTC'yi farkıyla saklayın, raporda çevirin |
| Ülkeye göre değişen web fiyatları | O ülkeden, sabit aralıkla toplayın |
| Düzensiz olayları grafiğe dökmek | Açık bir doldurma kuralıyla sabit aralıklara yeniden örnekleyin |

## Sıkça sorulan sorular

### Zaman serisi verisi basitçe nedir?

Zaman serisi verisi, aynı şeyin zaman içinde art arda alınmış, her biri tarihi ve saatiyle kaydedilmiş ölçümlerinin listesidir. Günlük fiyat geçmişi, aylık elektrik tüketimi ve bir akıllı saatin dakikalık nabız kaydı birer zaman serisidir.

### Zaman serisi ile panel veri arasındaki fark nedir?

Zaman serisi verisi tek bir birimi zaman içinde izler, panel veri ise birçok birimi aynı dönem boyunca izler. Tek bir ürünün bir yıllık günlük fiyatı bir zaman serisidir; 200 ürünün aynı yıldaki günlük fiyatları ise bir panel oluşturur ve farklı birimlerin nasıl değiştiğini karşılaştırmanızı sağlar.

### Mevsimsellikten arındırılmış ne demek?

Mevsimsellikten arındırılmış, bir seriden takvime bağlı düzenli örüntünün çıkarıldığı, böylece alttaki hareketin daha kolay görüldüğü anlamına gelir. Mevsimsellikten arındırılmış bir perakende rakamı her aralık ayında sıçramaz; bu yüzden içindeki bir artış yılbaşı sezonunu değil, gerçek bir değişimi gösterir.

### Zaman serisi veritabanına ihtiyacım var mı?

Az sayıda seri için hayır. Zaman damgası indekslenmiş bir elektronik tablo ya da sıradan bir veritabanı tablosu yıllar boyunca biriken günlük veriyi rahatça kaldırır. Zaman serisi veritabanı, birçok seriye saniyede çok sayıda değer yazdığınızda ve saklama süresi ile altörnekleme kurallarına ihtiyaç duyduğunuzda değerini göstermeye başlar.

### Durağan zaman serisi nedir?

Durağan zaman serisi, ortalaması ve varyansı gibi istatistiksel özellikleri zaman içinde aynı kalan seridir. Trendi ya da mevsimselliği olan seriler durağan değildir; analistler onları çoğu zaman fark alarak, yani bir gözlemden sonrakine olan değişimle çalışarak durağan hâle getirir.

### Zaman serisi analizi Excel'de yapılabilir mi?

Temel düzeyde evet. Excel bir seriyi grafiğe dökebilir, basit bir formülle hareketli ortalama hesaplayabilir ve Excel 2016 ve sonraki sürümlerde Veri sekmesindeki Tahmin grubunda bulunan Tahmin Sayfası komutuyla bir tahmin oluşturabilir. Bu özellik zaman ekseninde tutarlı aralıklar beklediği için düzensiz veriyi önce yeniden örnekleyin.

## Özet

Zaman serisi verisi, zaman içinde tekrarlanan aynı ölçümdür; zaman damgasıyla saklanır ve sırayla okunur. Bir sayının hangi yöne gittiğini, takvimde neyin tekrar ettiğini, neyin gürültü olduğunu ve sırada ne gelebileceğini söyler. Veriyi tutarlı biçimde toplayın, zaman damgasını UTC ile yazın, tanımlayıcıları sabit tutun, yumuşatmadan önce temizleyin ve tahminleri basit temel tahminlerle sınayın. Seri ülkeye göre değişen web sayfalarından geliyorsa her kontrolü serinin ait olduğu ülkeden yapın; böylece verinizde değişen tek şey ölçmek istediğiniz değer olur.
