MicroStrategy ONE
Zeitreihenprognoseanalyse
Die Analyse von Zeitreihenprognosen wird unterstützt in MicroStrategy Cloud Umgebungen und beginnend in MicroStrategy ONE (März 2024) wird die Zeitreihenprognoseanalyse unterstützt auf dem MicroStrategy Cloud für die Regierungsplattform. Sie können diese Funktion nur verwenden in MicroStrategy Library (nur Webbrowser) und Workstation, wenn Sie eine Verbindung zu einem Library Server.
Zugriff auf Zeitreihenprognosen
Die Zeitreihenprognose ist Teil der MicroStrategy AI Add-on-Paket und ist verfügbar für MicroStrategy Cloud Environment (MCE) Kunden ab MicroStrategy ONE Update 11 (September 2023). Nur Benutzer und Benutzergruppen mit der Verwenden Sie Auto Assistant und ML-Visualisierungen können auf das Prognose-Liniendiagramm zugreifen.
Prognoseanalysen sind auf folgende Arten verfügbar:
-
Über die Visualisierungsgalerie in einem Dashboard können Sie mithilfe einer Drag & Drop-Oberfläche eine Visualisierung mit einem Prognose-Liniendiagramm erstellen.
-
Auto kann Abfragen in natürlicher Sprache nutzen, um Prognoseanalysen durchzuführen.
Erstellen eines Liniendiagramms für die Prognoseanalyse
-
Öffnen Sie ein Dashboard zum Bearbeiten.
-
Klicken Sie in der oberen Symbolleiste auf
-
Wählen Einblick > Prognose-Liniendiagramm
. -
Ziehen Sie eine Metrik und ein Zeitattribut aus dem Bereich „Datensätze“ in den Bereich „Editor“.
-
Sehen Sie sich rechts die gerenderte Visualisierung mit den prognostizierten Werten an.
-
Die Standardanzahl prognostizierter Punkte beträgt fünf. Um diese Zahl zu ändern, gehen Sie zum Formatfenster und klicken Sie auf Visualisierungsoptionen
. Ändern Sie unter „Prognoselänge“ die Anzahl der prognostizierten Punkte. Die maximale Anzahl prognostizierter Punkte beträgt 100.
Anpassen der Darstellung von Prognoseliniendiagrammen
Gestalten Sie Ihre Prognosen optisch ansprechend, indem Sie das Erscheinungsbild Ihres Prognose-Liniendiagramms anpassen. Passen Sie Farben, Schriftarten und Beschriftungen Ihren Wünschen an und erstellen Sie ein Diagramm, das nicht nur aufschlussreich ist, sondern auch großartig aussieht!
Standardmäßig verwendet der prognostizierte Bereich des Liniendiagramms die erste Farbe aus der ausgewählten Farbpalette. Sie können jedoch die Farbe, Datenbeschriftungen, Markierungen und Trennlinien über das Bedienfeld „Format“ anpassen.
Anpassen von Prognoselinien, Konfidenzbändern, Trennlinien und Prognoselinienmarkierungen
-
Klicken Sie im Bereich „Format“ auf Text und Form
. -
Wählen Vorhersage aus der Dropdown-Liste.
-
Wählen Sie Optionen zum Formatieren der Prognoselinien, Vertrauensband, Trennlinie, sowie die Aktivierung und Farbmarkierungen auf der Prognoselinie.
Linienfarbe und -stil anpassen
-
Klicken Sie im Bereich „Format“ auf Text und Form
. -
Wählen Datenbeschriftungen und Formen aus der Dropdown-Liste.
-
Unter Form, wählen Sie eine Linie Stil und Farbe.
Datenbeschriftungen anpassen
-
Klicken Sie im Bereich „Format“ auf Visualisierungsoptionen
. -
Aktivieren Datenaufkleber um sie anzuzeigen.
-
Standardmäßig sind nur die Beschriftungen sichtbar, die sich nicht überlappen. Abwählen Überlappende Beschriftungen ausblenden um alle Datenbeschriftungen zu aktivieren.
-
Klicken Sie im Bereich „Format“ auf Text und Form
-
Unter Schriftart, verwenden Sie die Textformatierungsoptionen, um die Schriftart und Farboptionen der Datenbeschriftung zu ändern.
Linienmarkierungen anpassen
-
Klicken Sie im Bereich „Format“ auf Text und Form
-
Wählen Datenbeschriftungen und Formen aus der Dropdown-Liste.
-
Unter Form, aktivieren Markierung einblenden um alle Markierungen in einer Zeile zu aktivieren.
-
Wenn Markierungen aktiviert sind, wählen Sie die Markierungsfarbe.
Automatische Antworten für Prognosen verwenden
Um die Leistungsfähigkeit prädiktiver Erkenntnisse in Auto zu nutzen, geben Sie Ihre Prognosefrage in natürlicher Sprache ein. Beispiel: „Wie hoch ist der prognostizierte Umsatz für das nächste Quartal?“ Auto Answers bietet Ihnen genaue Prognosen auf Grundlage Ihrer Abfrage, seines umfassenden Verständnisses Ihrer Datensatzobjekte und fortschrittlicher Algorithmen für maschinelles Lernen.
Die Antwort von Auto besteht aus einer klaren Beschreibung der prognostizierten Daten in natürlicher Sprache mit einer begleitenden Visualisierung eines Prognose-Liniendiagramms, sodass leicht verständlich ist, was vor uns liegt. Während die Visualisierung beim Rendern im begrenzten Raum des Chat-Panels möglicherweise nur eine begrenzte Anzahl von Datenpunkten enthält, wird beim Erweitern der Antwort der Eingabeaufforderung der gesamte Satz vorhandener und prognostizierter Datenpunkte angezeigt.
So können Sie mithilfe von Auto Answers tiefer in Vorhersagen eintauchen. In den folgenden Beispielen wird „Automatische Antworten“ im erweiterten Modus dargestellt:
-
Prognose für die nächsten Monate Beginnen Sie mit einem vorgegebenen monatlichen Verkaufsdatensatz. Sie können Auto Answers bitten, die Verkäufe für die nächsten Monate vorherzusagen. Der Algorithmus bewältigt die Aufgabe problemlos, selbst wenn Sie Vorhersagen für ein ganzes Jahr auf der Grundlage monatlicher Daten anfordern.
-
Prognose auf höherer Ebene anhand von Daten auf niedrigerer Ebene Beginnen Sie mit einem vorgegebenen monatlichen Verkaufsdatensatz. Sie können Auto Answers bitten, den Umsatz für das nächste Jahr auf Grundlage monatlicher Daten vorherzusagen.
-
Hyperparameter-Tuning Für diejenigen, die mehr Kontrolle wünschen, gibt es eine erweiterte Option. Sie können Hyperparameterwerte innerhalb Ihrer Frage anpassen. Wenn beispielsweise die automatisch erkannte Saisonalität keine optimalen Ergebnisse liefert, können Sie eine Saisonalitätslänge Ihrer Wahl angeben oder ein bestimmtes Konfidenzniveau festlegen. Diese Flexibilität erstreckt sich auch auf die Verwendung verschiedener Saison- und Trendmodelle, etwa das Umschalten zwischen multiplikativen und additiven Modellen.
-
Anwenden von Filtern Vorhersagen können auch gefiltert werden. Das folgende Beispiel zeigt eine Prognose für die nächsten drei Monate unter Berücksichtigung einer bestimmten Kategorie wie Musik. Beachten Sie, dass das Monatsattribut als Ganzzahl und nicht als zeitbasierter Wert dargestellt wird.
Tipps und bewährte Vorgehensweisen
Tipps für effektive Prognosefragen
-
Sei genau Stellen Sie keine allgemeinen Fragen wie „Wie werden sich unsere Verkäufe entwickeln?“, sondern fragen Sie nach einem konkreten Zeitraum oder einer bestimmten Kennzahl. Beispiel: „Wie hoch ist der prognostizierte Umsatz für das nächste Quartal?“.
-
Verwenden Sie natürliche Sprache Auto versteht Umgangssprache. Formulieren Sie Ihre Fragen auf natürliche Weise, als würden Sie sie einem Kollegen stellen.
-
Relevante Attribute einbeziehen Fügen Sie Ihrer Frage die erforderlichen Attribute und Metriken hinzu, um sicherzustellen, dass Auto den Kontext versteht.
-
Nutzen Sie die Autovervollständigungsfunktion Für eine optimale Prognose mit „Auto“ empfiehlt es sich, Kennzahlen und Attribute aus den Auto-Vervollständigungsvorschlägen auszuwählen. Dadurch wird sichergestellt, dass Auto die Daten präzise versteht und eine genaue Prognose ermöglicht.
-
Vermeiden Sie Mehrdeutigkeiten Formulieren Sie Ihre Fragen klar und eindeutig. Komplexe oder komplizierte Abfragen können zu ungenauen Antworten führen.
-
Während MicroStrategy ermöglicht die Prognose von Zeiteinheiten höherer Ebene gegenüber Daten niedrigerer Ebene mithilfe von „Auto“ (z. B. die Prognose der Kosten des nächsten Jahres basierend auf monatlichen Attributen). Dabei sind wichtige Überlegungen anzustellen:
-
Begrenzung auf 100 Prognosepunkte Wenn Sie eine Prognose einer Zeiteinheit auf höherer Ebene im Vergleich zu Daten auf niedrigerer Ebene anfordern, beachten Sie die Prognosegrenze von 100 Punkten. Wenn Ihre Dashboard-Daten beispielsweise auf Tagesebene vorliegen und Sie eine Prognose für das nächste Jahr anfordern, würde die Prognose die täglichen Datenpunkte eines Jahres umfassen und damit die 100-Punkte-Grenze überschreiten.
-
Prognosefehler für inkompatible Ebenen Das Anfordern einer Prognose von Daten auf niedrigerer Ebene im Vergleich zu Daten auf höherer Ebene führt zu einem Prognosefehler. Wenn Ihre Dashboard-Daten beispielsweise auf Monatsebene vorliegen und Sie eine Prognose für die Werte der nächsten Woche oder des nächsten Tages anfordern, ist dies aufgrund der Diskrepanz auf Datenebene nicht möglich.
Bewährte Vorgehensweisen bei der Verwendung der Prognoseanalysefunktion
-
Sorgen Sie für ausreichend Datenvolumen für genaue Prognosen
Um genauere Prognoseergebnisse zu erzielen, müssen Sie sicherstellen, dass Ihr Datenvolumen groß genug ist. Hinter den Kulissen, MicroStrategy erkennt automatisch die Saisonalität Ihrer Daten. Um optimale Prognoseergebnisse zu erzielen, empfehlen wir, dass die Daten, die Sie prognostizieren möchten, mindestens zwei komplette Saisons historischer Daten umfassen.
-
Nutzen Sie qualitativ hochwertige, kontinuierliche, zeitbasierte Daten für die Prognose
Während MicroStrategy führt vor der Prognose eine einfache Datenverarbeitung durch, z. B. das Entfernen doppelter Daten und das Einfügen fehlender Messdaten. Es ist jedoch ratsam, Prognosen auf der Grundlage kontinuierlicher, qualitativ hochwertiger und zeitbasierter Daten durchzuführen. Wenn eine erhebliche Menge an Messdaten fehlt, können die Prognoseergebnisse beeinträchtigt werden. Es ist wichtig zu beachten, dass Prognosen fehlschlagen oder suboptimale Ergebnisse liefern können, wenn Attribute NULL- oder NaN-Werte (Not-a-Number) enthalten.
Optimieren Sie die Interpretation des Prognoseliniendiagramms
Holen Sie das Beste aus Ihrer Prognose-Liniendiagramm-Visualisierung heraus!
-
Für Einblicke den Mauszeiger darüber bewegen Bewegen Sie den Mauszeiger über Datenpunkte im Prognoseliniendiagramm, um QuickInfos anzuzeigen. Diese Tooltips bieten detaillierte Informationen zu prognostizierten Werten sowie Ober- und Untergrenzen.
-
Infosymbol Bewegen Sie den Mauszeiger über das Infosymbol, um Informationen zum zugrunde liegenden Modell und seinen Parametern anzuzeigen.
-
Zur Verdeutlichung erweitern Wenn Sie detailliertere Informationen und die Möglichkeit zur Anzeige des gesamten Datenpunktsatzes benötigen, erweitern Sie die Visualisierung. Dies verbessert die Lesbarkeit des Diagramms.
Prognosebeschränkungen verstehen
-
Attribut- und Metrikanforderungen Um genaue Vorhersagen zu erhalten, achten Sie darauf, in Ihren Fragen an Auto genau ein Attribut und eine Metrik zu verwenden. Abfragen, die diese Anforderung nicht erfüllen, führen möglicherweise nicht zu optimalen Prognosen.
-
Attributformulare berücksichtigen Das für die Prognose verwendete Attribut sollte mindestens ein Formular vom Typ „Datum“, „Datum/Uhrzeit“ oder „Ganzzahl“ haben. Zeitstempeldaten werden nicht unterstützt.
-
Zeitzonenbasierte Attribute Prognosen mit zeitzonenbasierten Smart-Attributen werden derzeit nicht unterstützt.
-
Konsolidierung und Gruppierung Prognosen auf der Grundlage konsolidierter oder gruppierter Attributelemente sind derzeit nicht möglich.
-
Granularitätsebene Für Daten auf weniger als täglicher Ebene (wie etwa Stunden-, Minuten- oder Sekundenintervalle) sind keine Prognosen verfügbar.
-
Ganzzahlbasierte Prognosen Seien Sie vorsichtig, wenn Sie in Ihren Abfragen ganzzahlige Zeitdarstellungen verwenden (z. B. 202101 für Januar 2021). MicroStrategy konvertiert diese Zeitdarstellungen nicht automatisch in das Datums-/Uhrzeitformat, was zu unerwarteten Ergebnissen wie 202113 oder 202114 führt.
-
Maximale Prognosepunkte Sie können bis zu 100 zukünftige Datenpunkte prognostizieren. Diese Begrenzung trägt dazu bei, Effizienz und genaue Vorhersagen sicherzustellen.
-
Rückprognose und Feinabstimmung Derzeit wird die Rückprognose anhand vorhandener Daten nicht unterstützt. Darüber hinaus kann die Anpassung der Algorithmus-Hyperparameter in der aktuellen Version nur über „Auto“ erfolgen. Sie können beispielsweise das Konfidenzintervall optimieren, indem Sie Auto anweisen, eine Prognose mit einem bestimmten Konfidenzniveau zu erstellen. Dies ist in der Dashboard-Authoring-Schnittstelle jedoch noch nicht verfügbar.
Prognoseanalyse – Häufig gestellte Fragen
Welche Methode zur Zeitreihenprognose wird in der aktuellen Version verwendet?
Die in unserer aktuellen Version verwendete Methode zur Zeitreihenprognose heißt exponentielle Glättung. Diese Methode unterstützt verschiedene ungedämpfte Modelle, die auf der OTexte Website. Sie können sich auf das Python-Modul statsmodel beziehen (statsmodels.tsa.exponential_smoothing.ets.ETSModel - statsmodels 0.14.0) für weitere technische Einzelheiten.
Welche Hyperparameter werden standardmäßig für Prognosen verwendet?
Wenn vom Benutzer nichts anderes angegeben wird, werden die folgenden Standard-Hyperparameter verwendet:
-
h-Wert Fünf Datenpunkte vorwärts
-
Saisonmodell additiv (einstellbar über Auto)
-
Trendmodell additiv (einstellbar über Auto)
-
Saisonalitätslänge auto (einstellbar über Auto)
-
Konfidenzintervall 95 % (einstellbar über Auto)
Die Werte für die Saison- und Trendmodelle können über Auto auf Keine, Multiplikativ oder Additiv eingestellt werden. Mit einem multiplikativen Trendmodell können Sie den Umsatz der nächsten drei Monate prognostizieren.
Können Hyperparameter für Prognosen angepasst werden?
Ja, Sie können Hyperparameter für Prognosen automatisch anpassen. Obwohl diese Hyperparameter beim Erstellen des Dashboards nicht im Bereich „Format“ angezeigt werden, können Sie sie mit „Auto“ feinabstimmen.
Welche Arten von Attributen und Metriken werden für eine erfolgreiche Prognose benötigt?
Um Daten erfolgreich vorherzusagen, benötigen Sie entweder:
-
Einzelnes Attribut eines Datums- oder Datums-/Uhrzeittyps plus eine einzelne Metrik von Interesse (empfohlen)
-
Einzelnes Attribut eines ganzzahligen Typs plus eine relevante Metrik (wenn das Datums-/Datumsuhrzeit-Attribut für die Zeitreihenprognose nicht verfügbar ist)
Werden fehlende Daten bei der Prognose berücksichtigt?
Ja, der Algorithmus kann fehlende Daten automatisch ergänzen, wenn die fehlenden Daten weniger als oder gleich 90 % der Gesamtdaten ausmachen.
Welche zeitbasierten Attributprognoseebenen werden unterstützt?
Die zeitbasierte Attributprognose wird für die folgenden Datenebenen unterstützt: Täglich, wöchentlich, monatlich, vierteljährlich und jährlich.
Wie funktioniert die ganzzahlige Prognose?
Bei der Ganzzahlprognose generiert der Algorithmus die nächste Ganzzahl in der Sequenz. Wenn zur Darstellung der Zeit eine Ganzzahl verwendet wird (z. B. 202101, 202102), wird diese nicht in das Datums-/Uhrzeitformat konvertiert und die Prognose fügt aufeinanderfolgende Ganzzahlen als zukünftige Punkte hinzu.