Time-series Database ประกอบด้วย Sequences ของ Values หรือ Events ที่เข้าถึงผ่าน Repeated Measurement ของ Time Values โดยทั่วไปคำนวณที่ Equal Time Intervals (เช่น Hourly, Daily, Weekly) Time-series Databases นิยมในหลาย Applications เช่น Stock Market Analysis, Economic และ Sales Forecasting, Budgetary Analysis, Utility Studies, Inventory Studies, Yield Projections, Workload Projections, Process และ Quality Control, Observation of Natural Phenomena (Atmosphere, Temperature, Wind, Earthquake), Numerical และ Engineering Experiments, และ Medical Treatments
Time-series Database ยังเป็น Sequence Database Sequence Database คือ Database ใดๆ ที่มี Sequences ของ Ordered Events ไม่ว่าจะมี Concrete Notion ของ Time หรือไม่ ตัวอย่าง: Web Page Traversal Sequences และ Customer Shopping Transaction Sequences เป็น Sequence Data แต่อาจไม่ใช่ Time-series Data
ด้วย Growing Deployment ของ Large Number ของ Sensors, Telemetry Devices, และ Online Data Collection Tools อื่นๆ ปริมาณ Time-series Data เพิ่มขึ้นอย่างรวดเร็ว บ่อยครั้งใน Order ของ Gigabytes Per Day (เช่น Stock Trading) หรือแม้แต่ Per Minute (เช่น NASA Space Programs)
Time Series ที่เกี่ยวข้องกับ Variable Y แทนเช่น Daily Closing Price ของ Share ใน Stock Market สามารถมองเป็น Function ของ Time t คือ Y = F(t) Trend Analysis มี 4 Major Elements หรือ Movements สำหรับ Characterize Time-series Data:
1. Trend หรือ Long-term Movements (แนวโน้ม/การเคลื่อนไหวยาวนาน)
บ่งชี้ General Direction ที่ Time Series Graph Moving ภายใน Long Interval of Time Movement นี้แสดงโดย Trend Curve หรือ Trend Line ตัวอย่าง: Trend Curve แสดงด้วย Dashed Curve Typical Methods สำหรับ Determine Trend Curve/Line รวม Weighted Moving Average Method และ Least-squares Method
2. Cyclic Movements หรือ Cyclic Variations (การเคลื่อนไหวแบบวัฏจักร)
อ้างถึง Cycles คือ Long-term Oscillations เกี่ยวกับ Trend Line/Curve ซึ่งอาจหรืออาจไม่ Periodic คือ Cycles ไม่จำเป็นต้อง Follow Exactly Similar Patterns หลัง Equal Intervals of Time
3. Seasonal Movements หรือ Seasonal Variations (การเคลื่อนไหวตามฤดูกาล)
เป็น Systematic หรือ Calendar-related ตัวอย่าง: Events ที่ Recur Annually เช่น Sudden Increase ใน Sales ของ Chocolates และ Flowers ก่อน Valentine's Day หรือ Department Store Items ก่อน Christmas Observed Increase ใน Water Consumption ใน Summer เนื่องจาก Warm Weather เป็นอีกตัวอย่าง ในตัวอย่างเหล่านี้ Seasonal Movements คือ Identical หรือ Nearly Identical Patterns ที่ Time Series ปรากฏว่าตามใน Corresponding Months ของ Successive Years
4. Irregular หรือ Random Movements (การเคลื่อนไหวไม่สม่ำเสมอ/สุ่ม)
Characterize Sporadic Motion ของ Time Series เนื่องจาก Random หรือ Chance Events เช่น Labor Disputes, Floods, หรือ Announced Personnel Changes ภายใน Companies
