Вы находитесь здесь:
Прогнозирование
Используйте прогнозирование в Data 360 для прогнозирования будущих значений на основе архивных данных. Модели прогнозирования автоматически определяют тренды и сезонные схемы для создания прогнозов, не требуя экспертных знаний в области данных.
Алгоритм по умолчанию — Холт-Винтерс, он лучше подходит для структурированных временных рядов данных с четкими трендами и повторяющимися сезонными схемами. Например, розничные продажи, которые достигают пика каждый квартал, или ежемесячный доход, который постоянно растет в динамике.
Все модели и алгоритмы прогнозирования используют новую среду выполнения.
Прогнозирование поддерживает разные сценарии использования.
- Прогнозирование дохода: прогнозирование будущих тенденций дохода с помощью архивных данных производительности
- Планирование спроса: оценка спроса на продукт или услугу в периодах времени
- Анализ тенденций продаж: определение схем роста или снижения в ожидаемых продажах или резервированиях
- Планирование нагрузки: прогнозирование потребностей в ресурсах на основе архивных тенденций использования
- Анализ сезонных схем: анализировать повторяющиеся пики и падения деловой активности
Одновариантное прогнозирование включает эти сценарии использования посредством одной архивной переменной. Например, прогнозируйте доход следующего месяца, используя только прошлые данные дохода при наличии четко определенного показателя.
Как работает прогнозирование
Модели прогнозирования обучаются на основе архивных данных временных рядов - последовательности значений, записанных через регулярные интервалы, например, ежедневные продажи или ежемесячный доход. Модель определяет схемы, например, направление тренда и сезонность, и проецирует эти схемы на будущее для создания прогнозов.
Выводы прогноза содержат интервалы прогноза, представляющие неопределенность в прогнозе. Верхняя и нижняя границы определяют диапазон ожидаемых значений, где более узкие диапазоны обозначают более высокую надежность.
Каждая прогнозируемая запись содержит следующие результаты:
- Прогнозируемое значение: прогнозируемое значение для каждого будущего периода времени
- Верхняя граница прогноза: верхняя граница прогнозируемого диапазона
- Нижняя граница прогноза: нижняя граница прогнозируемого диапазона
Просмотрите данные концепции прогнозирования.
Столбцы разделов определяют способ группировки данных Data 360 для прогнозирования. Например, при прогнозировании дохода по организации поле организации является столбцом раздела. Каждая модель поддерживает не более пяти столбцов разделения, включительно с сегментированным прогнозированием в нескольких измерениях.
Группировка временных рядов определяет интервал агрегации для данных, например, минута, день, месяц или год. Модель автоматически выводит частоту прогнозирования из этой группировки, и вы не настраиваете ее отдельно.
Сезонность собирает повторяющиеся тенденции, повторяющиеся в течение определенного интервала времени, например, еженедельные скачки трафика или ежеквартальное увеличение продаж. Определите сезонность вручную до 24 периодов.
Нулевая обработка автоматически инициирует отображение отсутствующих значений в данных обучения посредством встроенного метода импликации. Модель использует условные значения только во время обучения и не записывает их в результаты прогноза.
Рекомендации
Просмотрите данные рекомендации.
-
Вывод прогнозирования использует счетчик вывода.
-
Пакетное прогнозирование трансформации также использует трансформацию данных — пакетный измеритель на основе обработанных строк.
-
Если отсутствующие значения не рассчитаны надежно, вывод прогнозирования прекращается.
- Использование прогнозирования Holt Winters
Прогнозирование будущих значений на основе архивных схем в одной переменной посредством алгоритма Холта-Винтерса. Например, используйте трансформацию данных для прогнозирования продаж по организациям на основе данных о возможностях.
