Usted está aquí:
Previsiones
Utilice previsiones en Data 360 para predecir valores futuros desde datos históricos. Los modelos de previsiones identifican automáticamente tendencias y patrones estacionales para generar predicciones sin requerir experiencia en ciencia de datos.
El algoritmo predeterminado es Holt-Winters y es el más adecuado para datos de series temporales estructuradas con tendencias claras y patrones estacionales recurrentes. Por ejemplo, ventas minoristas que alcanzan su punto máximo cada trimestre o ingresos mensuales que crecen constantemente con el tiempo.
Todos los modelos y algoritmos de previsiones utilizan el nuevo tiempo de ejecución.
Las previsiones admiten varios casos de uso.
- Previsión de ingresos: predecir tendencias de ingresos futuras con datos de rendimiento histórico
- Planificación de demanda: estimar la demanda de productos o servicios entre periodos de tiempo
- Análisis de tendencias de ventas: identificar patrones de crecimiento o disminución en oportunidades en curso o reservas
- Planificación de capacidad: pronosticar necesidades de recursos basándose en tendencias de uso históricas
- Análisis de patrón estacional: analizar picos y caídas recurrentes en la actividad comercial
La previsión de una sola variable activa estos casos de uso utilizando una variable histórica. Por ejemplo, pronostique los ingresos del mes siguiente utilizando solo datos de ingresos pasados cuando existe una medición claramente definida.
Cómo funciona la previsión
Los modelos de previsiones aprenden de datos históricos de series temporales: una secuencia de valores registrados a intervalos regulares, como ventas diarias o ingresos mensuales. El modelo identifica patrones, como dirección de tendencia y estacionalidad, y proyecta esos patrones en el futuro para generar predicciones.
Los resultados de previsiones incluyen intervalos de predicción que representan incertidumbre en la previsión. Los límites superior e inferior definen el intervalo de valores esperados, donde intervalos más estrechos indican mayor confianza.
Cada registro previsto incluye estos resultados:
- Valor previsto: el valor predicho para cada periodo de tiempo futuro
- Límite superior de previsión: el extremo superior del intervalo predicho
- Límite inferior de previsión: el extremo inferior del intervalo predicho
Revise estos conceptos de previsiones.
Las columnas de partición definen cómo Data 360 agrupa datos para previsiones. Por ejemplo, al realizar previsiones de ingresos por cuenta, el campo de cuenta es la columna de partición. Cada modelo admite hasta cinco columnas de partición, permitiendo previsiones segmentadas entre múltiples dimensiones.
La agrupación de series temporales define el intervalo de agregación para los datos, como minuto, día, mes o año. El modelo infiere automáticamente la frecuencia de previsiones de esta agrupación, y no lo configura por separado.
La estacionalidad captura patrones recurrentes que se repiten durante un intervalo fijo, como picos de tráfico semanales o aumentos de ventas trimestrales. Defina la estacionalidad manualmente durante hasta 24 periodos.
La gestión nula imputa valores que faltan en datos de entrenamiento automáticamente con el método de imputación integrado. El modelo utiliza valores imputados solo durante el entrenamiento y no los escribe en resultados de previsiones.
Consideraciones
Revise estas consideraciones.
-
La inferencia de previsión consume el medidor de facturación de inferencia.
-
Las previsiones de transformaciones por lotes también consumen la Trasformación de datos: Medidor por lotes basado en filas procesadas.
-
Si los valores que faltan no se imputan de forma fiable, la inferencia de previsiones se detiene.
- Utilizar previsiones de Holt Winters
Predecir valores futuros basándose en patrones históricos en una única variable utilizando el algoritmo Holt-Winters. Por ejemplo, utilice una Trasformación de datos para pronosticar ventas por cuenta basándose en datos de oportunidad.
