Analyse de prévision des séries chronologiques

L'analyse de prévision des séries chronologiques est prise en charge dans les environnements MicroStrategy Cloud et à partir de MicroStrategy ONE (mars 2024), l'analyse de prévision des séries chronologiques est prise en charge sur la plateforme MicroStrategy Cloud for Government. Vous pouvez utiliser cette fonctionnalité uniquement dans MicroStrategy Library (navigateur Web uniquement) et Workstation lorsque vous vous connectez à un serveur Library.

Démarrage dans MicroStrategy ONE (Juin 2024), dans les réponses automatiques, les utilisateurs peuvent prévoir plusieurs éléments d'un attribut, par exemple la prévision du total des ventes pour différents employés

MicroStrategy ONE La Mise à jour 11 présente les prévisions en matière de séries chronologiques. La prévision des séries chronologiques est une technique puissante qui permet aux entreprises de prédire les tendances et les résultats à venir en se basant sur des schémas de données historiques. Elle consiste essentiellement à analyser des points de données collectés à des intervalles de temps successifs pour identifier les schémas, tendances et fluctuations sous-jacents. Cette approche prédictive est particulièrement précieuse pour anticiper les changements à venir et prendre des décisions éclairées. En exploitant la puissance d'algorithmes d'apprentissage automatique, la prévision des séries chronologiques de MicroStrategy fournit aux utilisateurs un moyen fluide et intuitif de découvrir des insights cachés dans leurs données. Que vous soyez ingénieur d'affaires, responsable marketing ou responsable financier, cette capacité offre une passerelle pour élaborer proactivement des stratégies, allouer efficacement les ressources et saisir les opportunités. L'intégration de l'analyse de prévision fait gagner un temps et des efforts précieux aux utilisateurs qui s'appuyaient auparavant sur le traitement manuel des données et sur des méthodes d'analyse complexes pour prédire les résultats futurs.

Utiliser les réponses automatiques pour les prévisions

Pour exploiter la puissance des insights prédictifs dans les Réponses automatiques, saisissez votre question de prévision en utilisant la langue naturelle. Par exemple, « Quelles sont les ventes prévues pour le prochain trimestre ? » Les réponses automatiques vous fournissent des prévisions précises en fonction de votre requête, de sa connaissance approfondie de vos objets de jeu de données et d'algorithmes d'apprentissage automatique avancés. Pour inclure l'analyse ventilée, vous pouvez demander « Quelle est la prévision de chiffre d'affaires pour les données ventilées par catégorie ? ».

La réponse d'Auto Answers se compose d'une description claire en langage naturel des données prévues, accompagnée d'une visualisation en graphique linéaire des prévisions, permettant de comprendre facilement ce qui nous attend. Bien que la visualisation puisse contenir un nombre limité de points de données lorsqu'elle est rendue dans l'espace confiné du panneau de discussion, l'extension de la réponse de l'invite affiche l'ensemble des points de données existants et prévus.

Voici comment vous pouvez plonger dans les prédictions à l'aide des réponses automatiques et des bots. Les exemples suivants sont présentés en mode développé :

Prévision des mois suivants Commencez avec un jeu de données de ventes mensuelles donné. Vous pouvez demander aux Réponses automatiques de prévoir les ventes pour les mois à venir. L'algorithme gère habilement la tâche, même si vous demandez des prédictions pour une année entière à partir des données mensuelles.
Effectuer une prévision à un niveau supérieur par rapport aux données de niveau inférieur Commencez avec un jeu de données de ventes mensuelles donné. Vous pouvez demander aux Réponses automatiques de prévoir les ventes de l'année suivante en se basant sur les données mensuelles.
Optimisation des paramètres Pour ceux qui souhaitent plus de contrôle, il existe une option avancée. Vous pouvez ajuster les valeurs des paramètres Hyper dans votre question. Par exemple, si la saisonnalité détectée automatiquement ne produit pas de résultats optimaux, vous pouvez indiquer la durée de votre choix ou définir un niveau de confiance spécifique. Cette flexibilité s'étend à l'utilisation de différents modèles de saisons et de tendances, comme le basculement entre les modèles multiplicatifs et additifs.
Application de filtres Les prédictions peuvent également être filtrées. L'exemple ci-dessous montre la prévision pour les trois prochains mois, en considérant une catégorie spécifique comme la musique. Gardez à l'esprit que l'attribut de mois est représenté sous forme de nombre entier, et non sous forme de valeur basée sur le temps.
Pour chaque : Vous pouvez obtenir des insights prédictifs sur plusieurs éléments de données en vous posant des questions telles que « Quelle est la prévision des chiffres d'affaires à [date] pour chaque catégorie de produits ? ».