Usar previsões Holt Winters

Preveja valores futuros com base em padrões históricos em uma única variável usando o algoritmo Holt-Winters. Por exemplo, use uma transformação de dados para prever vendas por conta com base nos dados de oportunidade.

Edições obrigatórias

Disponível em: Todas as edições suportadas pelo Data 360. Consulte Disponibilidade da edição do Data 360.

Permissões de usuário necessárias
Permitir que usuários gerenciem modelos no Einstein Studio (Modelos de IA)	Permite criar, atualizar e excluir modelos na guia Modelos de IA do Data 360.

Conjuntos de permissões
Arquiteto do Data Cloud	Acesso em nível de administrador a todos os recursos de Modelos de IA, incluindo a capacidade de criar, atualizar, excluir e ativar modelos.
Usuário do Data Cloud	Acesso restrito para usar um modelo, incluindo obter previsões e melhorias derivadas de um modelo.

Antes de começar:

Certifique-se de que o objeto de modelo de dados (DMO) Oportunidade na sua organização contenha dados estruturados. Os campos a serem considerados incluem nome da conta, ID da conta, data de fechamento, data de fechamento, data de criação, mês e vendas.
Use pelo menos dois pontos de dados históricos, como três meses de vendas por oportunidade.

Executar um modelo de previsão com uma transformação de dados em lote

Use uma transformação de dados em lote para aplicar previsões em conjuntos de dados grandes.

No Data 360, acesse Transformações de dados e clique em ir para Transformações de dados e clique em Novo.
Selecione Transformação de dados em lote.
Selecione Objetos de modelo de dados e o espaço de dados.
Para adicionar seus dados de entrada, selecione um objeto de modelo de dados. Neste exemplo, use Oportunidade.
Adicione um nó para selecionar uma função de IA.
Selecione Previsão.
Selecione o modelo de previsão Holt-Winters.
Configure estes detalhes e campos de entrada.
1. Especifique um horizonte de previsão, como 3 (meses).
2. Mantenha a sazonalidade automática selecionada.
3. Selecione a Soma do valor total como a métrica agregada a ser prevista.
4. Agrupe dados por ID da conta do cliente e configure o campo de data de fechamento por ano/mês para garantir a granularidade mensal.
5. Especifique a série temporal, como o campo Data de fechamento, e selecione Ano-Mês para prever por mês.
6. Mapeie o campo de saída (valor previsto, limite superior e limite inferior). Essa ação salva os dados transformados em um novo DMO.
7. Salve suas configurações. Uma visualização mostra dados em três campos previstos com base em seu horizonte de 3.
8. Execute a transformação para incorporar dados históricos às linhas previstas futuras no DMO de saída.
9. Para anexar os dados transformados de volta ao DMO da conta, use o nó Junção.
10. Selecione os campos de previsão a serem adicionados à junção.
11. Na transformação de dados, conecte o nó Unir à saída para acrescentar valores previstos ao objeto de saída.