Zeitreihenprognoseanalyse

Die Analyse von Zeitreihenprognosen wird in MicroStrategy Cloud -Umgebungen unterstützt, und ab MicroStrategy ONE (März 2024) wird die Analyse von Zeitreihenprognosen auf der MicroStrategy Cloud for Government-Plattform unterstützt. Sie können diese Funktion in MicroStrategy Library (nur Webbrowser) und Workstation nur verwenden, wenn Sie eine Verbindung zu einem Library Server herstellen.

Start in MicroStrategy ONE (June 2024) in Auto Answers können Benutzer mehrere Elemente eines Attributs prognostizieren, z. B. die Umsatzsummen für verschiedene Mitarbeiter

MicroStrategy ONE Update 11 führt die Prognose von Zeitreihen ein. Zeitreihenprognosen sind eine leistungsstarke Methode, mit der Unternehmen zukünftige Trends und Ergebnisse auf der Grundlage von Verlaufsdatenmustern prognostizieren können. Im Kern geht es um die Analyse von über aufeinanderfolgende Zeitintervalle gesammelten Datenpunkte, um zugrunde liegende Muster, Trends und Fluktualisierungen zu identifizieren. Dieser prognostische Zugang ist besonders hilfreich, um zukünftige Änderungen zu prognostizieren und fundierte Entscheidungen zu treffen. Durch die Nutzung der Leistungsfähigkeit erweiterter Algorithmen des Maschinellen Lernens bieten die Zeitreihenprognosen von MicroStrategy Benutzern eine nahtlose und intuitive Möglichkeit, in ihren Daten geheime Erkenntnisse zu entdecken. Unabhängig davon, ob Sie ein Business-Analyst, ein Marketingmanager oder eine Führungskraft im Finanzbereich sind, bietet diese Funktion einen Einstiegspunkt, um proaktiv Pläne zu schöpfen, Ressourcen effektiv zuzuweisen und Chancen zu nutzen. Die Integration von Prognoseanalysen erspart Benutzern, die sich bisher auf manuelle Datenverarbeitung und aufwändige Analysepraktiken stützten, um zukünftige Ergebnisse zu prognostizieren, wichtige Zeit und Anstrengungen.

Auto Answers für Prognosen verwenden

Um die Leistungsfähigkeit der prognostischen Erkenntnisse in Auto Answers 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 basierend auf Ihrer Abfrage, seinem detaillierten Wissen über Ihre Datensatzobjekte und erweiterten Algorithmen für automatisches Lernen. Um eine „Aufteilen nach“-Analyse einzuschließen, können Sie die Frage „Wie ist die Prognose für den Umsatz mit Daten, die nach Kategorien aufgelöst sind?“ stellen.

Die Antwort von Auto Answers besteht aus einer eindeutigen Beschreibung der prognostizierten Daten in natürlicher Sprache mit einer zugehörigen Visualisierung eines Liniendiagramms mit Prognosen, die es leicht ermöglicht, zu verstehen, was vor Ihnen liegt. Während die Visualisierung bei der Visualisierung im engen Bereich des Chat-Abschnitts eine begrenzte Anzahl an Datenpunkte enthalten kann, wird durch das Erweitern der Antwort der Eingabeaufforderung der gesamte Satz bestehender und prognostizierter Datenpunkte angezeigt.

So können Sie Prognosen mit Auto Answers und Bots erstellen. Die folgenden Beispiele werden im erweiterten Modus angezeigt:

Prognose für die nächsten Monate Beginnen Sie mit einem bestimmten monatlichen Vertriebsdatensatz. Sie können Auto Answers um eine Prognose der Verkäufe für die nächsten Monate bitten. Der Algorithmus handhabt die Aufgabe geschickt, selbst wenn Sie Prognosen für ein ganzes Jahr auf Grundlage von monatlichen Daten anfordern.
Prognose auf einer höheren Ebene anhand von Daten niedrigerer Ebenen Beginnen Sie mit einem bestimmten monatlichen Vertriebsdatensatz. Sie können Auto Answers um eine Prognose der Umsätze für das nächste Jahr auf Grundlage von Monatsdaten bitten.
Hyper-Parameter-Optimierung Für diejenigen, die mehr Kontrolle möchten, gibt es eine erweiterte Option. Sie können Hyperparameterwerte in Ihrer Frage anpassen. Wenn die automatisch erkannte Saisonalität keine optimale Ergebnisse liefert, können Sie eine Saisonalitätslänge Ihrer Wahl angeben oder ein bestimmtes Konfidenzniveau festlegen. Diese Vielseitigkeit erstreckt sich auf die Verwendung verschiedener Saison- und Trend-Modelle, etwa auf das Umschalten zwischen Multiplikativen und Additionsmodellen.
Filter werden angewendet Prognosen können auch gefiltert werden. Das folgende Beispiel zeigt eine Prognose für die nächsten drei Monate unter Berücksichtigung einer bestimmten Kategorie, z. B. Musik. Beachten Sie, dass das Monatsattribut als Ganzzahl und nicht als zeitbasierter Wert dargestellt wird.
Aufteilen nach: Sie können prognostische Erkenntnisse über mehrere Datenelemente erhalten, indem Sie Fragen wie „Wie ist die Prognose für den Umsatz über [Datum] für jede Produktkategorie?“ stellen.