時系列予測のベストプラクティス

効果的な予測の質問のヒント

具体的に: 「How will our sales perform? (今後の売上はどうなりますか?)」といった大雑把な質問ではなく、具体的な期間や指標について質問してください。たとえば、「What's the projected sales for the next quarter? (次の四半期の予測売上高は?)」などです。
自然言語を使用: [自動] は喋り言葉を理解します。同僚に質問するように、自然なやり方で質問を組み立ててください。
関連するアトリビュートを含める: [自動] が文脈を理解できるように、質問に必要なアトリビュートとメトリックを含めてください。
オートコンプリート機能を活用する: [自動] を使用して最適な予測を行うには、オートコンプリートの候補からメトリックとアトリビュートを選択することを推奨します。これにより、高精度の予測を [自動] が正確に理解できるようになります。
曖昧さを避ける: 質問は明確かつ一義的なものにしましょう。複雑で入り組んだクエリは不正確な回答につながる可能性があります。
その間Strategy自動を使用して、低いレベルのデータに対して高いレベルの時間ユニットを予測できるようにします (毎月のアトリビュートに基づいて来年のコスト予測など)。重要な考慮事項があります。

100 個の予測ポイントに対する制限: 下位レベルのデータに対して上位レベルの時間単位の予測を要求する場合、100 ポイントの予測限界に注意してください。たとえば、ダッシュボードデータが毎日レベルであるときに、来年の予測を要求した場合、予測には 100 ポイントの制限を超えて、1 年分の毎日のデータポイントが含まれます。
互換性のないレベルに対する予測の失敗: 上位レベルのデータに対して下位レベルのデータの予測を依頼すると、予測が失敗します。たとえば、ダッシュボードデータが毎月レベルの場合、次の週または翌日の値の予測を要求された場合、データレベルの不一致により実現できません。

正確な予測のために十分なデータ量を確保

より正確な予測結果を得るには、データ量を十分に確保することが重要です。本番環境ではStrategyデータの季節性を自動的に検出します。最適な予測結果を得るには、予測しようとするデータに少なくとも 2 シーズン分の過去データを用意しておくことを推奨します。
高品質な継続時間ベースのデータを予測に使用

その間Strategy重複データの削除や欠落しているメトリックデータの埋め込みなど、予測の前に簡単なデータ処理を実行します。予測は、継続的な高品質な時間ベースのデータで実行することを推奨します。欠落したメトリックデータが多すぎると、予測結果が危うくなる可能性があります。アトリビュートに NULL や NaN (Not-a-Number) 値が含まれる場合、予測に失敗したり、最適な結果が得られない可能性があるので注意が必要です。

予測線グラフのビジュアリゼーションを最大限に活用しましょう。

マウスカーソルを置いてインサイトを表示: 予測線グラフでデータポイントにマウスカーソルを置くと、ツールチップが表示されます。これらのツールチップでは、予測値、上限値、下限値に関する詳細な情報を参照できます。
情報アイコン: 情報アイコンにマウスカーソルを置くと、基礎となるモデルとそのパラメーターに関する情報が表示されます。
わかりやすくするために展開する: より詳細な情報を表示したり、データポイント全体を表示する必要がある場合は、ビジュアリゼーションを展開します。これにより、グラフが読みやすくなります。