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.

Erforderliche Editionen

Verfügbarkeit: Alle Editionen, die von Data 360 unterstützt werden. Siehe Data 360-Editionsverfügbarkeit.

Erforderliche Benutzerberechtigungen
Zulassen, dass Benutzer Modelle in Einstein Studio verwalten (AI-Modelle)	Ermöglicht Ihnen das Erstellen, Aktualisieren und Löschen von Modellen auf der Registerkarte "Data 360-AI-Modelle".

Berechtigungssätze
Data Cloud-Architekt	Zugriff auf Administratorebene auf alle Funktionen von AI-Modellen, einschließlich der Möglichkeit, Modelle zu erstellen, zu aktualisieren, zu löschen und zu aktivieren.
Data Cloud-Benutzer	Eingeschränkter Zugriff zum Verwenden eines Modells, einschließlich des Abrufens von Prognosen und der aus einem Modell abgeleiteten Verbesserungen.

Bevor Sie loslegen:

Stellen Sie sicher, dass das Opportunity-Datenmodellobjekt (DMO) in Ihrer Organisation strukturierte Daten enthält. Zu den zu berücksichtigenden Feldern zählen Accountname, Account-ID, Geschlossenheit, Schlusstermin, Erstelldatum, Monat und Umsatz.
Verwenden Sie mindestens zwei historische Datenpunkte, beispielsweise drei Monate Umsatz pro Opportunity.

Ausführen eines Prognosemodells mit einer Batch-Datentransformation

Verwenden Sie eine Batch-Datentransformation, um Prognosen auf große Datensets anzuwenden.

Wechseln Sie in Data 360 zu Datentransformationen, klicken Sie auf Zu Datentransformationen wechseln und dann auf Neu.
Wählen Sie Batch-Datentransformation aus.
Wählen Sie Datenmodellobjekte und den Datenbereich aus.
Wählen Sie zum Hinzufügen Ihrer Eingabedaten ein Datenmodellobjekt aus. Verwenden Sie in diesem Beispiel "Opportunity".
Fügen Sie einen Knoten hinzu, um eine AI-Funktion auszuwählen.
Wählen Sie Prognose aus.
Wählen Sie das Holt-Winters-Prognosemodell aus.
Konfigurieren Sie diese Details und Eingabefelder.
1. Geben Sie einen Prognosehorizont an, beispielsweise 3 (Monate).
2. Lassen Sie die automatische Saisonbedingtheit ausgewählt.
3. Wählen Sie die Summe des Gesamtbetrags als zu prognostizierende aggregierte Kennzahl aus.
4. Gruppieren Sie Daten nach Kundenaccount-ID und konfigurieren Sie das Schlussterminfeld nach Jahr/Monat, um die monatliche Granularität zu gewährleisten.
5. Geben Sie die Zeitreihe an, beispielsweise das Feld Schlusstermin, und wählen Sie Jahr-Monat aus, um die Prognose nach Monat vorzunehmen.
6. Ordnen Sie das Ausgabefeld zu (Prognosewert, Obergrenze und Untergrenze). Durch diese Aktion werden die umgewandelten Daten in einem neuen DMO gespeichert.
7. Speichern Sie Ihre Einstellungen. In einer Vorschau werden Daten in drei prognostizierten Feldern basierend auf Ihrem Horizont von 3 angezeigt.
8. Führen Sie die Transformation aus, um historische Daten in die zukünftig prognostizierten Zeilen im Ausgabe-DMO zu integrieren.
9. Wenn Sie die umgewandelten Daten wieder an das Account-DMO anhängen möchten, verwenden Sie den Knoten "Verknüpfen".
10. Wählen Sie die Prognosefelder aus, die der Verknüpfung hinzugefügt werden sollen.
11. Verbinden Sie in der Datentransformation den Knoten "Verknüpfen" mit "Ausgabe", um Prognosewerte an das Ausgabeobjekt anzuhängen.