도움말 및 모범 사례

추세 분석 사용 시 모범 사례

• 정확한 추세 분석을 위한 충분한 데이터 볼륨 확인

  보다 정확한 추세 분석 결과를 위해서는 데이터 볼륨이 충분한지 확인하는 것이 중요합니다. 추세 분석을 실행하려면 최소 3개의 데이터 포인트가 있어야 합니다.

• 추세 분석을 위해 고급 연속 시간 기반 데이터 사용

  동안MicroStrategy에서 누락된 메트릭 데이터 채우기 등의 추세 분석 전에 간단한 데이터 처리를 수행하므로 연속적인 품질의 시간 기반 데이터에 대해 추세 분석을 수행하는 것이 좋습니다. 상당히 많은 양의 누락된 메트릭 데이터가 있는 경우 추세 분석 결과가 손상될 수 있습니다. 애트리뷰트에 NULL 또는NaN(숫자 아님) 값이 포함된 경우 추세 분석이 실패하거나 최적의하지 않은 결과가 발생할 수 있다는 점에 유의하는 것이 중요합니다. 알고리즘이 누락된 메트릭 값을 채우는 동안 추세 분석이 정확하지 않을 수 있습니다.

• 통계적 의의

  시계열 선형 추세 분석을 수행할 때는 관찰된 추세의 통계적 유의성을 고려하는 것이 중요합니다. 통계적 의미는 관찰된 추세가 실제 기본 패턴으로 인한 것인지, 아니면 단순한 데이터의 임의 변동의 결과인지에 대한 객체 측정값을 제공합니다. 툴팁을 사용하여 R, R-제곱 및 p-value와 같은 중요한 메트릭에 액세스하십시오.

추세 분석 선 차트 해석 최적화

추세 분석 선 차트 시각적 개체를 최대한 활용하십시오!

• 정보 아이콘정보 아이콘 위에 마우스를 올리기만 하면 기본 모델 및 해당 매개 변수의 통계 속성에 대한 정보를 확인할 수 있습니다.

• 명확성을 위해 확장보다 자세한 정보가 필요하고 전체 데이터 포인트 세트를 표시하려면 시각화를 확장하거나 설정컨테이너 맞춤 ~ 없음 . 이렇게 하면 차트의 가독성이 향상됩니다.

추세 분석 자주하는 질문

현재 릴리스에서 사용되는 시계열 추세 분석 방법

최신 릴리스에서 사용된 시계열 추세 분석 방법은선형회귀 . 이 방법은 1887년에 설명되어 있습니다. O텍스트웹 사이트입니다. Statsmobile Python Module( 시계열 분석 tta - stats Models 0.14.0 ) 자세한 기술 세부 사항은

성공적인 추세 분석을 위해 어떤 유형의 애트리뷰트 및 메트릭이 필요합니까?

데이터의 추세를 플로팅하려면 다음 중 하나가 필요합니다.

• 날짜 또는 날짜/시간 유형의 단일 애트리뷰트 + 관심 단일 메트릭(권장)

• 정수 + 관심 메트릭 유형의 단일 애트리뷰트(날짜/날짜/시간 애트리뷰트를 시계열 추세 분석에 사용할 수 없는 경우)

추세 분석에서 누락된 데이터가 처리합니까?

예, 알고리즘이 해당 시계열 데이터가 있는 경우 메트릭에 대한 누락된 값을 자동으로 채울 수 있습니다. 이는 계산을 위해서만 수행되므로 결과 시각화는 여전히 누락 데이터를 표시합니다. 알고리즘은 방향에 따라 인접 값을 사용하여 정방향 및 역방향 채우기를 사용합니다. 기본 방법은 이전 인접 항목을 사용하는 정방향 가져오기입니다. 첫 번째 값이 누락된 경우 역방향 채우기가 실행되어 값을 추정합니다.

어떤 시간 기반 애트리뷰트 추세 분석 레벨이 지원합니까?

시간 기반 애트리뷰트 추세 분석은 날짜, DateTime 또는 정수 기반 시간 애트리뷰트에 대해 지원됩니다. 애트리뷰트가 위의 유형 중 하나인 한 알고리즘은 모든 시간 레벨을 지원합니다.