時系列傾向分析のベスト プラクティス

効果的な傾向分析の質問のヒント

• 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。

• 関連するオブジェクトを含める: [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] を使用して最適な傾向分析を行うには、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、高精度の傾向分析を [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。

• 互換性のないレベルに対する傾向分析の失敗: 上位レベルのデータに対して下位レベルのデータの傾向分析を依頼すると、傾向分析が失敗します。たとえば、ダッシュボード データが毎月のレベルである場合、週の値または日の値の傾向分析を要求された場合、データ レベルの不一致により実行できません。

• 統計的有意性: [自動] が高い p 値または低い R 二乗値を検出した場合、傾向は有意ではないという規定がその回答に含まれます。つまり、観測された傾向はおそらく、実際の基礎となるパターンまたはモデルがデータにうまく適合しているためではなく、データのランダムな変動によるものです。

  Strategy傾向分析の統計的プロパティを常に確認することを推奨しますビジュアリゼーションの右上にある情報アイコンにマウス カーソルを置くと、R、R 二乗、p 値などの重要なメトリックにアクセスできます。

傾向分析の使用時のベスト プラクティス

• 正確な傾向分析のために十分なデータ量を確保

  より正確な傾向分析結果を得るには、データ量を十分に確保することが重要です。傾向分析を行うには、少なくとも 3 つのデータ ポイントが必要です。

• 継続的で高品質の時間ベースのデータを傾向分析に使用

  その間Strategyは、傾向分析の前に、欠落しているメトリック データの塗りつぶしなどの簡易なデータ処理を実行します。傾向分析は、継続的な高品質な時間ベースのデータで実施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、傾向分析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、傾向分析に失敗したり、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。アルゴリズムは、欠落しているメトリック値を補完するものの、不正確な傾向分析になる可能性があります。

• 統計的有意性

  時系列線形傾向分析を行う際には、観測傾向の統計的有意性を考慮することが不可欠です。統計的有意性は、観察傾向が実際の基礎的なパターンによるものか、単にデータのランダムな変動の結果によるものかを客観的に測定する指標です。ツールチップを使用して、R、R 二乗、p 値などの重要なメトックにアクセスします。

傾向分析線グラフ解釈の最適化

傾向分析線グラフのビジュアルを最大限に活用しましょう。

• 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の統計プロパティ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するか、 [コンテナーに合わせる] を [なし] に設定します。これにより、グラフが読みやすくなります。