Previsión de serie temporal

Sugerencias para formular preguntas de previsión eficaces

Sea específico En lugar de hacer preguntas amplias como "¿Cuál será el rendimiento de nuestras ventas?", pregunte acerca de un período de tiempo o métrica específicos. Por ejemplo: "¿Cuáles son las ventas previstas para el próximo trimestre?".
Utilizar lenguaje natural Auto entiende el lenguaje conversacional. Formule sus preguntas con naturalidad, como si se las estuviera preguntando a un colega.
Incluir los atributos relevantes Incluya los atributos e indicadores necesarios en su pregunta para asegurarse de que Auto entiende el contexto.
Aproveche la función de autocompletar Para una previsión óptima con el uso automático, se recomienda elegir indicadores y atributos de las sugerencias de autocompletar. Esto garantiza una comprensión precisa por parte de Auto para una previsión precisa.
Evitar ambigüedad Haga preguntas claras e inequívocas. Las consultas complejas o enrevesadas pueden dar lugar a respuestas inexactas.
Mientras Strategy habilita la previsión de unidades de tiempo de alto nivel frente a datos de nivel inferior mediante Auto (como la previsión del coste del próximo año en función de los atributos mensuales), hay consideraciones clave:

Límite de 100 puntos de previsión Cuando solicite una previsión de una unidad de tiempo de nivel superior para datos de nivel inferior, tenga en cuenta el límite de previsión de 100 puntos. Por ejemplo, si los datos del dashboard son diarios y solicita una previsión para el próximo año, la previsión abarcaría los puntos de datos diarios de un año, lo que superaría el límite de 100 puntos.
Error de previsión para niveles incompatibles Solicitar una previsión de datos de nivel inferior con datos de nivel superior producirá un error de previsión. Por ejemplo, si los datos de su dashboard son mensuales y solicita una previsión para los valores de la próxima semana o del día siguiente, no será factible debido a la discrepancia en el nivel de datos.

Prácticas recomendadas para utilizar la función de análisis de previsión

Garantizar suficiente volumen de datos para una previsión precisa

Para obtener resultados de previsión más precisos, es importante asegurarse de que el volumen de datos es lo suficientemente importante. Detrás de escena, Strategy detecta automáticamente la estacionalidad de sus datos. Para lograr resultados de previsión óptimos, recomendamos que los datos que desee pronosticar tengan al menos dos temporadas completas de datos históricos.
Usar datos continuos de alta calidad con base en el tiempo para previsiones

Mientras Strategy realiza un procesamiento ligero de datos antes de realizar la previsión, como eliminar los datos duplicados y rellenar algunos datos del indicador que faltan, es recomendable realizar la previsión con datos continuos, de alta calidad y basados en el tiempo. Los resultados de la previsión pueden verse comprometidos si falta una cantidad significativa de datos del indicador. Es importante tener en cuenta que las previsiones pueden fallar o producir resultados subóptimos si los atributos contienen valores NULL o NaN (No es un número).

Interpretación del gráfico de líneas de previsión de Optimize

¡Saca el máximo partido a la visualización del gráfico de líneas de previsión!

Pasa el ratón por encima para ver información detallada Desplace el cursor sobre los puntos de datos en el gráfico de líneas de previsión para ver la información sobre herramientas. Esta sugerencia proporciona información detallada sobre los valores previstos, así como sobre los límites superior e inferior.
Icono de información Pase el ratón por encima del icono de información para ver información sobre el modelo subyacente y sus parámetros.
Expandir para mayor claridad Si necesita información más detallada y la capacidad de mostrar el conjunto completo de puntos de datos, expanda la visualización. Mejora la legibilidad del gráfico.

Solución de problemas

Las limitaciones que se abordan a continuación están asociadas con el MicroStrategy ONE. Versión de la actualización 11. Strategy está trabajando activamente para mejorar esta función. Es posible que algunas de estas limitaciones se solucionen en las próximas versiones. Para obtener la información y las actualizaciones más recientes, le recomendamos que visite esta página periódicamente. Si comprende y tiene en cuenta estas limitaciones, podrá sacar el máximo partido a la función de previsión y obtener información detallada significativa.

Requisitos de los atributos y los indicadores Para realizar predicciones precisas, asegúrese de utilizar exactamente un atributo y un indicador en las preguntas que se colocarán en los ejes X e Y, respectivamente. Es posible que las consultas que no cumplan este requisito no arrojen previsiones óptimas.
Atributos de División Cuando incluya una división por atributo para representar previsiones de varios elementos, como cuando prevea los ingresos por ventas de cada empleado durante los próximos 12 meses, asegúrese de que el número de elementos (empleados en este caso) del atributo está limitado para mejorar la legibilidad del resultados del anlisis.
Considere los campos de atributo El atributo utilizado para la previsión debe tener al menos un campo con tipo de fecha, fechahora o entero. Los datos de marca horaria no son compatibles.
Atributos basados en la zona horaria Actualmente no se admiten las previsiones con atributos inteligentes basados en la zona horaria.
Consolidación y agrupamiento En este momento no es posible realizar previsiones frente a elementos de atributo consolidados o agrupados.
Nivel de granularidad Las previsiones no están disponibles para datos de nivel inferior a diario (como intervalos de hora, minuto o segundo).
Previsión basada en enteros Tenga cuidado al utilizar representaciones de tiempo basadas en enteros en sus consultas (como 202101 para enero de 2021). Strategy no convierte automáticamente estas representaciones de tiempo al formato de fecha/hora, lo que produce resultados inesperados como 202113 o 202114.
Puntos de previsión máximos Puede pronosticar hasta 100 puntos de datos futuros. Este límite ayuda a garantizar la eficacia y las predicciones precisas.
Pronóstico retroactivo y ajuste Actualmente, no se admite la predicción retrospectiva con los datos existentes. Además, el ajuste de los hiperparámetros del algoritmo solo puede realizarse a través de Auto en la versión actual. Por ejemplo, puede ajustar el intervalo de confianza pidiéndole a Auto que realice la previsión con un nivel de confianza específico; pero esta opción aún no está disponible en la interfaz de creación de dashboards.

Preguntas frecuentes

¿Qué método de previsión de serie temporal se utiliza en la versión actual?

El método de previsión de serie temporal utilizado en nuestra versión actual se denomina suavización exponencial. Este método admite varios modelos no amortiguados descritos en la OTexts sitio. Puede consultar el módulo de Python de statsmodel (statsmodels.tsa.exponential_smoothing.ets.ETSModel - statsmodels 0.14.0 ) para obtener más detalles técnicos.

¿Cuáles son los hiperparámetros por defecto que se utilizan para la previsión?

Si el usuario no los especifica, se utilizan los siguientes hiperparámetros por defecto:

valor h Cinco puntos de datos hacia adelante
Modelo de temporada aditivo (ajustable en Auto)
Modelo de tendencia aditivo (ajustable en Auto)
Duración de la estacionalidad auto (ajustable en Auto)
Intervalo de confianza 95 % (ajustable en Auto)

Los valores de los modelos de tendencia y temporada se pueden establecer en ninguno, multiplicativo o aditivo mediante Auto. Puede pronosticar los próximos tres meses de ventas con un modelo de tendencia multiplicativa.

¿Se pueden ajustar los hiperparámetros para la previsión?

Sí, puede ajustar los hiperparámetros para previsión en Auto. Aunque estos hiperparámetros no se muestran en el panel Formato en la creación de dashboards, puede ajustarlos con precisión mediante Auto.

¿Qué tipos de atributos e indicadores son necesarios para una previsión correcta?

Para pronosticar datos correctamente, necesita:

Único atributo de tipo fecha o fechahora más un único indicador de interés (recomendado)
Atributo único de tipo entero más una métrica de interés (cuando el atributo de fecha/fechahora no está disponible para la previsión de serie temporal)

¿Los datos que faltan se tratan en la previsión?

Sí, el algoritmo puede completar automáticamente los datos que faltan si los datos que faltan son inferiores o iguales al 90 % de los datos totales.

¿Qué niveles de previsión de atributos con base temporal son compatibles?

La previsión de atributos con base temporal es compatible con los siguientes niveles de datos: Diariamente, Semanalmente, Mensualmente, Trimestralmente y Anualmente.

¿Cómo funciona la previsión de enteros?

Para la previsión de enteros, el algoritmo genera el siguiente entero de la secuencia. Si se utiliza un número entero para representar el tiempo (como 202101, 202102), no se convierte al formato de fecha/hora y la previsión añade enteros consecutivos como puntos futuros.