Du är här:
Använd Holt Winters-prognoser
Förutsäg framtida värden baserat på historiska mönster i en enskild variabel genom att använda Holt-Winters-algoritmen. Använd till exempel en datatransformering för att prognostisera försäljning efter konto baserat på säljprojektdata.
Versioner som krävs
| Tillgängliga i: Alla versioner stöds av Data 360. Se Tillgänglighet för Data 360-version. |
| Användarbehörigheter som krävs | |
|---|---|
| Låt användare hantera modeller i Einstein Studio (AI-modeller) | Gör att du kan skapa, uppdatera och ta bort modeller på fliken Data 360 AI-modeller. |
| Behörighetsuppsättningar | |
|---|---|
| Data Cloud-arkitekt | Administratörsåtkomst till alla funktioner i AI-modeller, inklusive möjligheten att skapa, uppdatera, ta bort och aktivera modeller. |
| Data Cloud-användare | Begränsad åtkomst för att använda en modell, inklusive att få förutsägelser och förbättringar deriverade från en modell. |
Innan du börjar:
- Se till att datamodellobjektet för säljprojekt (DMO) i din organisation innehåller strukturerade data. Fält att överväga inkluderar kontonamn, konto-ID, avslutsdatum, avslutsdatum, skapandedatum, månad och försäljning.
- Använd minst två historiska datapunkter, till exempel tre månaders försäljning per säljprojekt.
Kör en prognosmodell med en sats av datatransformering
Använd en batch datatransformering för att tillämpa prognoser över stora datauppsättningar.
- Från Data 360, gå till Datatransformationer och klicka på gå till Datatransformationer och klicka på Ny.
- Välj Batchdatatransformering.
- Välj Datamodellobjekt och datautrymmet.
-
För att lägga till dina indata, välj ett datamodellobjekt. För detta exempel, använd Säljprojekt.
-
Lägg till en nod för att välja en AI-funktion.
- Välj Prognos.
- Välj prognosmodellen Holt-Winters.
-
Konfigurera dessa detaljer och inmatningsfält.
- Ange en prognoshorisont, till exempel 3 (månader).
- Behåll den automatiska säsongsmässigheten vald.
-
Välj Summa av totalt belopp som det aggregerade måttet att prognostisera.
-
Gruppera data efter kundkonto-ID och konfigurera avslutsdatumfältet efter år/månad för att säkerställa månatlig detaljnivå.
- Specificera tidsserien, till exempel fältet Avslutsdatum, och välj År-Månad för att prognostisera efter månad.
- Mappa utdatafältet (prognostiserat värde, övre gräns och nedre gräns). Denna åtgärd sparar de transformerade data till en ny DMO.
-
Spara dina inställningar. En förhandsvisning visar data i tre prognostiserade fält baserat på din horisont på 3.
- Kör transformationen för att införliva historiska data med framtida prognostiserade rader i utdata-DMO.
-
För att lägga tillbaka de transformerade data till Konto-DMO, använd noden Sammanslagning.
- Välj prognosfälten att lägga till i sammanslagningen.
- I datatransformering, anslut noden Sammanslagning till Utdata för att lägga till prognostiserade värden till utdataobjektet.
Löste denna artikel ditt problem?
Berätta för oss vad vi kan förbättra!

