Strategy ONE

Hinweise und Best Practices

Best Practices bei der Verwendung der Trendanalyse

  • Stellen Sie eine ausreichende Datenmenge für eine genaue Trendanalyse sicher

    Für genaue Trendanalysen-Ergebnisse ist es wichtig, dass Ihr Datenvolumen umfangreich genug ist. Es müssen mindestens drei Datenpunkte vorhanden sein, um eine Trendanalyse durchzuführen.

  • Verwenden Sie kontinuierliche zeitbasierte Daten von hoher Güte für Trendanalysen

    Während Strategy eine leichtgewichtige Datenverarbeitung vor der Trendanalyse durchführt, z. B. das Auffüllen fehlender Metrikdaten, wird empfohlen, die Trendanalyse mit kontinuierlichen, zeitbasierten Daten von hoher Güte durchzuführen. Trendanalysen-Ergebnisse können gefährdet sein, wenn eine wesentliche Menge an Metrikdaten fehlt. Es ist wichtig zu beachten, dass die Trendanalyse fehlschlagen oder nicht optimale Ergebnisse liefern kann, wenn Attribute NULL- oder NaN-Werte (Not-a-Number) enthalten. Der Algorithmus gleicht fehlende Metrikwerte aus, dies kann jedoch zu einer ungenauigkeiten Trendanalyse führen.

  • Statistische Signifikanz

    Bei der Durchführung von linearen Trendanalysen in Zeitreihen ist es wichtig, die statistische Signifikanz des überwachten Trends zu berücksichtigten. Die statistische Signifikanz ist eine objektive Kennzahl dafür, ob der festgestellte Trend wahrscheinlich auf ein tatsächliches zugrunde liegendes Muster bezogen ist oder nur das Ergebnis von statistischen Fluktualisierungen in den Daten ist. Verwenden Sie den Tooltip, um auf kritische Metriken wie R, R-Squated und p-Wert zuzugreifen.

Optimiert die Interpretation von Trendanalyse-Liniendiagrammen

Machen Sie das Beste aus der Visualisierung Ihres Trendanalyse-Liniendiagramms!

  • Info-Symbol Bewegen Sie den Mauszeiger über das Infosymbol, um Informationen über die statistischen Eigenschaften des zugrunde liegenden Modells und seine Parameter anzuzeigen.

  • Erweitern Sie es zur Verdeutlichung Wenn Sie detailliertere Informationen benötigen und den gesamten Satz von Datenpunkte anzeigen, erweitern Sie die Visualisierung oder den Satz Containeranpassung bis Nicht vorhanden. Dies verbessert die Lesbarkeit des Diagramms.

Trendanalysen – häufig gestellte Fragen

Welche Zeitreihen-Trendanalysemethode wird in der aktuellen Version verwendet?

Die in der neuesten Version verwendete Zeitreihen-Trendanalysemethode heißt lineare Regression. Diese Methode ist auf beschrieben OTexts Website. Sie können auf das Python-Stattmodell-Modell verweisen (Zeitreihenanalyse tsa - StatsModels 0.14.0 ) für weitere technische Details.

Welche Typen von Attributen und Metriken sind für eine erfolgreiche Trendanalyse erforderlich?

Um einen Trend für Ihre Daten erfolgreich zeichnen zu können, benötigen Sie entweder:

  • Einzelnes Attribut des Typs date oder datetime + einzelne Metrik von Interesse (empfohlen)

  • Einzelnes Attribut des Typs int + Metrik von Interesse (wenn das Attribut „Date/Datetime“ für Zeitreihen-Trendanalysen nicht verfügbar ist)

Werden fehlende Daten in der Trendanalyse behandelt?

Ja, der Algorithmus kann fehlende Werte für eine Metrik automatisch auffüllen, wenn sie über entsprechende Zeitreihendaten verfügt. Dies wird nur für die Berechnung durchgeführt. In der Ergebnisvisualisierung werden daher weiterhin fehlende Daten angezeigt. Der Algorithmus verwendet je nach Richtung Vorwärts- und Rückwärtsfüllungen unter Verwendung des benachbarten Werts. Die primäre Methode ist der Vorwärtszugriff, der den vorherigen Kandidaten übernimmt. Wenn der erste Wert fehlt, wird eine Rückwärtsfüllung ausgeführt, um einen Wert zu geschätzt.

Welche Ebenen der zeitbasierten Attributtrendanalyse werden unterstützt?

Die Trendanalyse des zeitbasierten Attributs wird für Datum-, DateTime- und ganzzahlbasierte Zeitattribute unterstützt. Soweit ein Attribut einem der oben genannten Typen entspricht, unterstützt der Algorithmus alle Zeitebenen.