Olet tässä:
Ennustaminen
Käytä Data 360:ssa ennustamista ennustaaksesi tulevia arvoja historiallisista tiedoista. Ennustemallit tunnistavat trendit ja kausiluonnokset automaattisesti luodakseen ennusteita ilman datatieteen ammattitaitoa.
Oletusarvoinen algoritmi on Holt-Winters ja se soveltuu parhaiten rakenteellisille aikasarjan tiedoille, joilla on selkeät trendit ja toistuvat kausiluonnokset. Esimerkiksi vähittäismyynti, joka huipentuu neljännesvuosittain tai kuukausittainen tuotto, joka kasvaa tasaisesti ajan myötä.
Kaikki ennustemallit ja algoritmit käyttävät uutta runtime-metodia.
Ennustaminen tukee useita käyttötapoja.
- Tuottoennusteet: ennusta tulevia tuottotrendejä historiallisilla suorituskykytiedoilla
- Kysynnän suunnittelu: arvioi tuotteiden tai palveluiden kysyntää ajanjaksoilta
- Myynnin trendien analyysi: tunnistaa myyntiputken tai varausten kasvun tai hylkäyksen kuvioita
- Kapasiteetin suunnittelu: ennusta resurssien tarpeita historiallisten käyttötrendien perusteella
- Kausiluonteinen analyysi: analysoi liiketoiminnan toistuvia huippua ja laskua
Yksivarianttinen ennustaminen ottaa nämä käyttötarkoitukset käyttöön käyttämällä yhtä historiallista muuttujaa. Voit esimerkiksi ennustaa seuraavan kuukauden tuottoa käyttämällä vain menneitä tuottotietoja, kun selkeästi määritetty tilasto on olemassa.
Miten ennusteet toimivat
Ennustemallit oppivat historiallisista aikasarjatilastoista — eli arvojen sarjasta, joka tallennetaan säännöllisin väliajoin, kuten päivittäinen myynti tai kuukausittainen tuotto. Malli tunnistaa kuviot, kuten trendin suunta ja kausiluonteisuus, ja projisoi ne tulevaisuuteen ennusteiden luomiseksi.
Ennusteiden output-arvot sisältävät ennusteiden aikavälejä, jotka edustavat ennusteen epävarmuutta. Ylä- ja alhaiset rajat määrittävät odotettujen arvojen asteikon, jossa kapeammat asteikot osoittavat parempaa luottamusta.
Jokainen ennustettu tietue sisältää nämä tulokset:
- Ennustettu arvo — Ennustettu arvo jokaiselle tulevalle ajanjaksolle
- Ennusteen yläraja — Ennustetun asteikon korkein pääte
- Ennusteen alhainen rajoitus — Ennustetun asteikon alhainen pääte
Tutustu näihin ennusteiden käsitteisiin.
Osuuksien sarakkeet määrittävät, miten Data 360 ryhmittää dataa ennusteita varten. Kun esimerkiksi ennustat tuottoa tilin mukaan, tilikenttä on osio-sarake. Jokainen malli tukee enintään viittä osio-saraketta, mikä sallii segmentoidun ennusteen useissa ulottuvuuksissa.
Aikasarjan ryhmittely määrittää datan aggregointivälin, kuten minuutin, päivän, kuukauden tai vuoden. Malli laskee ennusteiden yleisyyden automaattisesti tästä ryhmityksestä, etkä määritä sitä erikseen.
Kausiluonteisuus sieppaa toistuvia kuvioita, jotka toistuvat tietyn aikavälin aikana, kuten viikoittaiset liikenneruiskut tai neljännesvuosittaiset myynnin kasvut. Määritä kausiluonteisuus manuaalisesti enintään 24 ajanjaksolle.
Null-arvojen käsittely imputoi puuttuvat arvot koulutusdatasta automaattisesti sisäänrakennetulla imputointimenetelmällä. Malli käyttää imputoituja arvoja vain koulutuksen aikana eikä kirjoita niitä ennusteiden tuloksiin.
Huomioitavaa
Ota seuraavat asiat huomioon.
-
Ennusteen päätelmä kuluttaa laskutusmittarin.
-
Erämuunnosten ennustaminen kuluttaa myös datamuunnos — eli erämittarin, joka perustuu käsiteltyihin riveihin.
-
Jos puuttuvia arvoja ei imputoida luotettavasti, ennusteen päätelmä pysähtyy.
- Käytä Holt Wintersin ennustamista
Ennusta tulevia arvoja yhden muuttujan historiallisten kuvioiden perusteella käyttämällä Holt-Winters-algoritmia. Käytä datamuunnos esimerkiksi ennustaaksesi myyntiä tilin perusteella mahdollisuuksien datan perusteella.
