Sie befinden sich hier:
Prognosen
Verwenden Sie Prognosen in Data 360, um künftige Werte aus historischen Daten zu prognostizieren. Prognosemodelle identifizieren automatisch Trends und saisonale Muster, um Prognosen zu generieren, ohne dass datenwissenschaftliches Fachwissen erforderlich ist.
Der Standardalgorithmus lautet Holt-Winters und eignet sich am besten für strukturierte Zeitreihendaten mit klaren Trends und wiederkehrenden saisonalen Mustern. Beispielsweise Einzelhandelsumsätze, die in jedem Quartal ihren Höchststand erreichen, oder monatliche Umsätze, die im Laufe der Zeit stetig wachsen.
Alle Prognosemodelle und Algorithmen verwenden die neue Laufzeit.
Prognosen unterstützen verschiedene Anwendungsfälle.
- Umsatzprognose: Prognose künftiger Umsatztrends mit historischen Leistungsdaten
- Bedarfsplanung: Schätzen der Produkt- oder Servicenachfrage über Zeiträume hinweg
- Vertriebstrendanalyse: Erkennen von Wachstums- oder Rückgangsmustern in der Pipeline oder bei Buchungen
- Kapazitätsplanung: Prognostizieren des Ressourcenbedarfs anhand historischer Nutzungstrends
- Analyse saisonaler Muster: Analysieren wiederkehrender Spitzen und Einbrüche in der Geschäftsaktivität
Bei Prognosen mit einer einzelnen Variante werden diese Anwendungsfälle mithilfe einer historischen Variablen aktiviert. Prognostizieren Sie beispielsweise den Umsatz des nächsten Monats, indem Sie nur vergangene Umsatzdaten verwenden, wenn eine klar definierte Kennzahl vorhanden ist.
Funktionsweise von Prognosen
Prognosemodelle lernen aus historischen Zeitreihendaten – einer Abfolge von Werten, die in regelmäßigen Abständen aufgezeichnet werden, beispielsweise tägliche Umsätze oder monatliche Umsätze. Das Modell identifiziert Muster wie Trendrichtung und Saisonbedingtheit und projiziert diese Muster in die Zukunft, um Prognosen zu generieren.
Prognoseausgaben enthalten Prognoseintervalle, die die Unsicherheit in der Prognose darstellen. Die Ober- und Untergrenze definieren den Bereich der erwarteten Werte, wobei schmalere Bereiche auf eine höhere Konfidenz hinweisen.
Jeder prognostizierte Datensatz enthält die folgenden Ausgaben:
- Prognostizierter Wert: der prognostizierte Wert für jeden künftigen Zeitraum
- Obere Prognosegrenze – das obere Ende des prognostizierten Bereichs
- Prognoseuntergrenze – das untere Ende des prognostizierten Bereichs
Lesen Sie diese Prognosekonzepte.
In Partitionsspalten wird definiert, wie Data 360 Daten für Prognosen gruppiert. Wenn Sie beispielsweise den Umsatz nach Account prognostizieren, ist das Accountfeld die Partitionsspalte. Jedes Modell unterstützt bis zu fünf Partitionsspalten und ermöglicht segmentierte Prognosen über mehrere Dimensionen hinweg.
Die Zeitreihengruppierung definiert das Aggregationsintervall für die Daten, beispielsweise Minute, Tag, Monat oder Jahr. Das Modell leitet die Prognosehäufigkeit automatisch aus dieser Gruppierung ab und Sie konfigurieren es nicht separat.
Die Saisonabhängigkeit erfasst wiederkehrende Muster, die sich über ein festes Intervall wiederholen, beispielsweise wöchentliche Datenverkehrsspitzen oder vierteljährliche Umsatzsteigerungen. Definieren Sie die Saisonbedingtheit manuell für bis zu 24 Zeiträume.
Bei der vollständigen Verarbeitung werden fehlende Werte in Trainingsdaten automatisch mit der integrierten Zurechnungsmethode zugerechnet. Das Modell verwendet nur während des Trainings zugerechnete Werte und schreibt sie nicht in Prognoseausgaben.
Überlegungen
Lesen Sie diese Überlegungen.
-
Bei der Prognoserückschlussfolgerung wird der Abrechnungszähler für Rückschlüsse verwendet.
-
Die Batch-Transformationsprognose verwendet auch die Datentransformation – Batch-Messung basierend auf verarbeiteten Zeilen.
-
Wenn fehlende Werte nicht zuverlässig zugerechnet werden, wird die Prognoserückleitung angehalten.
- Verwenden von Holt-Winterprognosen
Prognostizieren Sie künftige Werte anhand historischer Muster in einer einzelnen Variablen mithilfe des Holt-Winters-Algorithmus. Verwenden Sie beispielsweise eine Datentransformation, um anhand von Opportunity-Daten Umsätze nach Account zu prognostizieren.
