Previsione serie temporale

Suggerimenti per domande efficaci sulle previsioni

Sii specifico Anziché porre domande generiche come "Come andranno le nostre vendite?", chiedi informazioni su un lasso di tempo o una metrica specifici. Ad esempio, "Quali sono le vendite previste per il prossimo trimestre?".
Usa linguaggio naturale Auto comprende il linguaggio conversazionale. Inquadra le domande in modo naturale, come se le stesse a un collega.
Includi attributi pertinenti Includi nella domanda gli attributi e le metriche necessari per garantire che Auto comprenda il contesto.
Sfruttare la funzione di completamento automatico Per ottenere previsioni ottimali utilizzando Auto, si consiglia di scegliere metriche e attributi dai suggerimenti per il completamento automatico. In questo modo Auto garantisce una comprensione precisa da parte di Auto per previsioni precise.
Evita ambiguità Mantieni le domande chiare e prive di ambiguità. Query complesse o contorte potrebbero causare risposte imprecise.
Sebbene MicroStrategy consenta di fare previsioni di unità di tempo di livello superiore rispetto ai dati di livello inferiore utilizzando Auto (come la previsione del costo dell'anno successivo sulla base di attributi mensili), ci sono alcune considerazioni fondamentali da fare:

Limite a 100 punti previsione Quando si richiede una previsione per un'unità di tempo di livello superiore rispetto ai dati di livello inferiore, prestare attenzione al limite di 100 punti. Ad esempio, se i dati della dashboard sono a livello giornaliero e si richiede una previsione per l'anno successivo, la previsione includerà 1 anno di punti dati giornalieri, superando il limite di 100 punti.
Errore di previsione per livelli non compatibili La richiesta di una previsione basata su dati di livello inferiore rispetto a dati di livello superiore determina un errore di previsione. Ad esempio, se i dati della dashboard sono a livello mensile e si chiede una previsione per i valori della settimana successiva o del giorno successivo, non sarà fattibile a causa della discrepanza a livello di dati.

Procedure consigliate per l'utilizzo della funzione Analisi previsione

Garantire un volume di dati sufficiente per previsioni accurate

Per ottenere risultati di previsione più accurati, è importante assicurarsi che il volume di dati sia sufficientemente elevato. Dietro le quinte, MicroStrategy rileva automaticamente la stagionalità dei dati. Per ottenere risultati di previsione ottimali, si consiglia che i dati per la previsione contengano almeno due stagioni complete di dati storici.
Utilizza dati basati sul tempo continui di alta qualità per le previsioni

Sebbene MicroStrategy esegua un'elaborazione leggera dei dati prima di fare previsioni, come l'eliminazione dei dati duplicati e il riempimento di alcuni dati di metrica mancanti, è consigliabile condurre le previsioni su dati continui, di alta qualità e basati sul tempo. I risultati delle previsioni possono essere compromessi se c'è una quantità significativa di dati delle metriche mancanti. È importante notare che le previsioni potrebbero non riuscire o ottenere risultati non ottimali se gli attributi contengono valori NULL o NaN (Non-a-Number).

Ottimizza interpretazione grafico a linee per previsione

Ottieni il massimo dalla visualizzazione del grafico a linee di previsione!

Passa il mouse per visualizzare insight Passare il cursore sopra i punti dati del grafico a linee di previsione per visualizzare i tooltip. Questi tooltip forniscono informazioni dettagliate sui valori previsti e sui limiti superiore e inferiore.
Icona informazioni È sufficiente passare il mouse sopra l'icona delle informazioni per visualizzare informazioni sul modello sottostante e sui suoi parametri.
Espandere per chiarezza Se sono necessarie informazioni più dettagliate e la possibilità di visualizzare l'intero set di punti dati, espandere la visualizzazione. Ciò migliora la leggibilità del grafico.

Risoluzione dei problemi

Le limitazioni indicate di seguito sono associate a MicroStrategy ONE Update 11 release. MicroStrategy sta lavorando attivamente per migliorare questa funzione e alcune di queste limitazioni potrebbero essere risolte nelle prossime versioni. Per ottenere gli aggiornamenti e le informazioni più recenti, si consiglia di visitare periodicamente questa pagina. Comprendendo e considerando questi limiti, è possibile ottenere il massimo dalla funzione di previsione e ottenere insight significativi.

Requisiti di attributi e metriche Per ottenere previsioni precise, assicurarsi di utilizzare nelle domande un solo attributo e una metrica da posizionare rispettivamente sull'asse X e Y. Le query che non soddisfano questo requisito potrebbero non restituire previsioni ottimali.
Dividi per attributi Quando si include un'attributo suddivisi per per rappresentare le previsioni per più elementi, ad esempio quando si prevedono ricavi di vendita per i 12 mesi successivi di ciascun dipendente, assicurarsi che il numero di elementi (in questo caso dipendenti) nell'attributo sia limitato per migliorare la leggibilità dell'attributo risultati dell’analisi.
Considerare moduli di attributo L'attributo utilizzato per la previsione deve avere almeno un modulo con tipo data, data e ora o numero intero. I dati di timestamp non sono supportati.
Attributi basati sul fuso orario Le previsioni con attributi smart basati sul fuso orario non sono attualmente supportate.
Consolidamento e raggruppamento Al momento non è possibile eseguire previsioni rispetto a elementi di attributo consolidati o raggruppati.
Livello di granularità Le previsioni non sono disponibili per dati di livello inferiore a quello giornaliero (come intervalli di ore, minuti o secondi).
Previsione basata su numeri interi Prestare attenzione quando si utilizzano rappresentazioni temporali basate su numeri interi nelle query (ad esempio 202101 per gennaio 2021). MicroStrategy non converte automaticamente queste rappresentazioni temporali nel formato data/ora, producendo risultati imprevisti come 202113 o 202114.
Punti previsione massimi È possibile prevedere fino a 100 punti dati futuri. Questo limite aiuta a garantire efficienza e previsioni precise.
Hindcasting e ottimizzazione Al momento, l'hindcasting rispetto a dati esistenti non è supportato. Inoltre, nella versione corrente la regolazione degli iperparametri dell'algoritmo può essere eseguita solo tramite Auto. Ad esempio, è possibile regolare l'intervallo di confidenza chiedendo a Auto di eseguire la previsione con un livello di confidenza specifico, ma questo non è ancora disponibile nell'interfaccia di creazione della dashboard.

Domande frequenti

Quale metodo di previsione per serie temporali è utilizzato nella versione corrente?

Viene richiamato il metodo di previsione delle serie temporali utilizzato nella versione corrente Livellamento esponenziale. Questo metodo supporta vari modelli non senza smorzamento descritti in OText sito. È possibile fare riferimento al modulo statsmodel Python (statsmodels.tsa.exponential_smoothing.ets.ETSModel - statsmodels 0.14.0 ) per maggiori dettagli tecnici.

Quali sono gli iperparametri predefiniti usati per le previsioni?

Se non specificati dall'utente, vengono utilizzati i seguenti iperparametri predefiniti:

Valore h Cinque punti dati avanti
Modello stagionale additivo (regolabile tramite Auto)
Modello di tendenza additivo (regolabile tramite Auto)
Lunghezza stagionalità auto (regolabile tramite Auto)
Intervallo di confidenza 95% (regolabile tramite Automatico)

I valori per i modelli di stagione e tendenza possono essere impostati su none, moltiplicativi o additivi tramite Auto. È possibile fare previsioni di vendite per i prossimi tre mesi con un modello di tendenze moltiplicative.

È possibile regolare gli iperparametri per la previsione?

Sì, è possibile regolare gli iperparametri per le previsioni tramite Auto. Sebbene questi iperparametri non siano esposti nel riquadro Formato in creazione di dashboard, è possibile ottimizzarli usando Auto.

Quali tipi di attributi e metriche sono necessari per una previsione corretta?

Per eseguire correttamente la previsione dei dati, sono necessari:

Singolo attributo di tipo data o data e ora, più una singola metrica di interesse (raccomandata)
Singolo attributo di tipo intero, più una metrica di interesse (quando l'attributo data/ora non è disponibile per la previsione delle serie temporali)

I dati mancanti vengono gestiti nelle previsioni?

Sì, l'algoritmo può integrare automaticamente i dati mancanti se i dati mancanti sono inferiori o uguali al 90% dei dati complessivi.

Quali livelli di previsione per attributi basati sul tempo sono supportati?

La previsione per attributi basata sul tempo è supportata per i seguenti livelli di dati: Giornaliera, settimanale, mensile, trimestrale e annuale.

Come funziona la previsione di interi?

Per la previsione di numeri interi, l'algoritmo genera il numero intero successivo nella sequenza. Se un numero intero viene utilizzato per rappresentare il tempo (come 202101, 202102), non è convertito nel formato data/ora e la previsione aggiunge numeri interi consecutivi come punti futuri.