Holt Winters 예측 사용

Holt-Winters 알고리즘을 사용하여 단일 변수의 내역 패턴을 기반으로 향후 값을 예측합니다. 예를 들어 데이터 변환 사용하여 기회 데이터를 기반으로 계정별 세일즈를 예측합니다.

필수 Edition

지원 제품: Data 360에서 지원하는 모든 Edition. Data 360 Edition 가용성을 참조하십시오.

필요한 사용자 권한
사용자가 Einstein Studio에서 모델을 관리할 수 있도록 허용(AI 모델)	Data 360 AI 모델 탭에서 모델을 생성, 업데이트, 삭제할 수 있습니다.

권한 집합
Data Cloud 아키텍처	모델 생성, 업데이트, 삭제, 활성화를 비롯한 모든 AI 모델 기능에 대한 관리자 수준 액세스 권한
Data Cloud 사용자	모델에서 파생되는 예측 및 개선 사항 가져오기를 포함해 모델을 사용할 수 있는 제한된 액세스

시작하기 전에 다음을 수행합니다.

조직의 기회 데이터 모델 개체(DMO)에 구조화된 데이터가 포함되어 있는지 확인합니다. 고려할 필드에는 계정 이름, 계정 ID, 마감, 마감 날짜, 생성 날짜, 월, 세일즈가 포함됩니다.
기회별 세일즈 3개월과 같은 내역 데이터 포인트를 두 개 이상 사용합니다.

배치 데이터 변환 예측 모델 실행

배치 데이터 변환 사용하여 대규모 데이터 집합에 예측을 적용합니다.

Data 360에서 데이터 변환으로 이동하고 데이터 변환으로 이동을 클릭한 후 새로 만들기를 클릭합니다.
배치 데이터 변환을 선택합니다.
데이터 모델 개체 및 데이터 공간을 선택합니다.
입력 데이터를 추가하려면 데이터 모델 개체를 선택합니다. 이 예에서는 기회를 사용합니다.
노드를 추가하여 AI 함수를 선택합니다.
예측을 선택합니다.
Holt-Winters 예측 모델을 선택합니다.
다음 세부 사항 및 입력 필드를 구성합니다.
1. 3(월)과 같은 예측 구간을 지정합니다.
2. 자동 계절성을 선택된 상태로 유지합니다.
3. 예측할 집계 메트릭으로 총액 합계를 선택합니다.
4. 고객 계정 ID별로 데이터를 그룹화하고 연/월별로 마감 날짜 필드를 구성하여 월별 세분화를 보장합니다.
5. 마감 일자 필드와 같은 시계열을 지정하고 월별로 예측할 연도-월을 선택합니다.
6. 출력 필드(예측 값, 상한, 하한)를 매핑합니다. 이 작업을 수행하면 변환된 데이터가 새 DMO에 저장됩니다.
7. 설정을 저장합니다. 미리 보기에 구간 3을 기반으로 세 가지 예측 필드의 데이터가 표시됩니다.
8. 변환을 실행하여 내역 데이터를 출력 DMO에서 향후 예측된 행과 통합합니다.
9. 변환된 데이터를 계정 DMO에 다시 추가하려면 조인 노드를 사용합니다.
10. 조인에 추가할 예측 필드를 선택합니다.
11. 데이터 변환 출력에 조인 노드를 연결하여 출력 개체에 예측 값을 추가합니다.