売上予測

売上予測により、特定のメジャメントの動きを予測する高度なアルゴリズムを有効化できます。

予測値は関連する日付に表示され、次の画像でわかるように売上予測期間の背景色はわずかに濃く表示されます。

売上予測を最適にするには、次の基本原則に従ってください。

• データが多いほうが良い — 売上予測が基づいている期間が長いほど、可能性の精度が高くなります。たとえば、1 か月以内からの週次データスライスの照会では、四半期全体からの日次データの照会と比べて売上予測の精度が低くなります。
• 定期的なパターン — 繰り返し可能なパターンを示すデータでは、売上予測の精度と信頼性が高くなります。
• 連続的なデータ — クエリにデータのない期間があると、売上予測アルゴリズムによる推定が行われることになり、売上予測の精度に影響する可能性があります。
• 最小限の異常値 — 異常値を最小限に抑えたデータセットでは、売上予測の精度と信頼性が高くなります。

売上予測を有効化すると、プラットフォームで自動的に 2 つの異なる売上予測モデルが実行され、品質が高いほうのモデルが選択されます。

売上予測モデルでは R 売上予測パッケージが使用され、2 つの使用可能なアルゴリズムがあります。

• ARIMA — 自己回帰和分移動平均モデル
• ETS — 指数平滑モデル

売上予測品質スコア (FQC) は、各アルゴリズムの平均絶対スケール誤差 (MASE) を計算し、1 ～ 100 のスコアになるように正規化して決定されます。 スコアが最も高い売上予測方法が選択されます。

• 売上予測の有効化
  売上予測は、日付ディメンション (日、月、または週) を使用する場合に棒グラフウィジェット内で使用できます。