Brug Holt Winters-prognoser

Forudsig fremtidige værdier baseret på historiske mønstre i en enkelt variabel ved brug af Holt-Winters-algoritmen. Brug f.eks. en datatransformering til at prognosticere salg efter konto baseret på salgsmulighedsdata.

EditionsHeading

Tilgængelig i: Alle versioner understøttes af Data 360. Se tilgængelighed af Data 360-versionen.

Brugertilladelser påkrævet
Tillad brugere at administrere modeller i Einstein Studio (AI Models)	Giver dig mulighed for at oprette, opdatere og slette modeller på fanen Data 360 AI-modeller.

Tilladelsessæt
Data Cloud-arkitekt	Adgang på administratorniveau til alle AI-modelfunktioner, herunder muligheden for at oprette, opdatere, slette og aktivere modeller.
Data Cloud-bruger	Begrænset adgang til at bruge en model, herunder at få forudsigelser og forbedringer afledt fra en model.

Før du starter:

Sørg for, at DMO (Salgsmulighedsdatamodelobjekt) i din organisation indeholder strukturerede data. Felter, du bør overveje, omfatter kontonavn, konto-id, lukkedato, lukkedato, oprettelsesdato, måned og salg.
Brug mindst to historiske datapunkter, f.eks. tre måneders salg pr. salgsmulighed.

Kør en prognosemodel med en batchdatatransformering

Brug en batchdatatransformering til at anvende prognoser på tværs af store datasæt.

Fra Data 360 skal du gå til Datatransformationer og klikke på Gå til Datatransformationer og klikke på Ny.
Vælg batch datatransformering.
Vælg datamodelobjekter og dataområdet.
Hvis du vil tilføje dine inputdata, skal du vælge et datamodelobjekt. Brug Salgsmulighed til dette eksempel.
Tilføj en node for at vælge en AI-funktion.
Vælg Prognose.
Vælg Holt-Winters-prognosemodellen.
Konfigurer disse detaljer og inputfelter.
1. Angiv en prognosehorisont, f.eks. 3 (måneder).
2. Bevar den automatiske sæsonudsving valgt.
3. Vælg Summen af samlet beløb som den aggregerede metrik, der skal prognosticeres.
4. Grupper data efter kundekonto-id, og konfigurer lukkedatofeltet efter år/måned for at sikre månedlig detaljerighed.
5. Angiv tidsserierne, f.eks. feltet Lukkedato, og vælg År-måned, som du vil prognosticere efter måned.
6. Tilknyt outputfeltet (prognoseværdi, øverste grænse og nederste grænse). Denne handling gemmer de transformerede data i et nyt DMO.
7. Gem alle indstillinger. En eksempelvisning viser data i tre prognosticerede felter baseret på din horisont på 3.
8. Kør transformationen for at indarbejde historiske data med fremtidige prognoserækker i output-DMO.
9. Hvis du vil føje de transformerede data tilbage til konto-DMO'et, skal du bruge sammenføjningsnoden.
10. Vælg de prognosefelter, der skal føjes til sammenføjningen.
11. I datatransformeringen skal du tilslutte sammenføjningsnoden til Output for at føje prognosticerede værdier til outputobjektet.