---
sourceDocument: Yokohama Platform Analytics
sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/fr-FR/yokohama/now-intelligence

 Release :

    - yokohama

ft:locale :

    - fr-FR

ft:publication_title :

    - Yokohama Platform Analytics

ft:clusterId :

    - par

bundleId :

    - par

workflow :

    - Platform


---

# Prévisions de score

# Prévisions des scores d'Analyse des performances {#ariaid-title1}

* Rversion finale: Yokohama
* 
* Mis à jour 30 janv. 2025
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 8 minutes de lecture

Analyse des performances vous permet de prévoir les scores futurs en fonction du comportement passé. Vous pouvez prévoir les scores sur les widgets de séries chronologiques, Détails des KPI les visualisations de données de séries chronologiques et le .Centre d'analyse Les scores de prévision s'affichent sous la forme d'une ligne pointillée.

La prévision est définie dans l'onglet Prévision de l'enregistrement d'indicateur. Le nombre de points de données inclus dans la prévision dépend de la fréquence de l'indicateur et du nombre de périodes de prévision configurées dans l'indicateur. Une période est un nombre défini de scores basé sur la fréquence de l'indicateur. Quels que soient les paramètres et la méthode de prévision, pas plus de 2688 points de données de prévision sont générés.
**Tâches associées**   

* [Créer un indicateur automatisé](https://servicenow-prod.fluidtopics.net/iEoePnaNNeyOUZgLn~REUA#t_CreateAnAutomatedIndicator "Pour analyser les performances d’un processus business enregistré dans une ServiceNow table, utilisez un indicateur automatisé. Si un indicateur approprié n’est pas fourni dans un Solution Platform Analytics, créez-en un.")

## Configurer les prévisions sur un indicateur {#ariaid-title2}

Dans l'enregistrement d'un indicateur automatisé, configurez les prévisions telles qu'elles apparaîtront sur les , les widgets et les Centre d'analyseAnalyse des performances visualisations de données de séries chronologiques.

### Avant de commencer

Rôle requis : pa_power_user, pa_admin, admin

### Procédure

1. Accédez à Analyse des performancesIndicateursIndicateurs automatisés.
2. Ouvrez l'indicateur automatisé pour lequel vous souhaitez configurer des prévisions.
3. Accédez à l'onglet Prévision .
4. Définissez les valeurs suivantes :  
   {#configure-forecasts-indicator__table_h5s_nhr_5xb__entry__2}

   | Champ | Description |
   |-|-|
   | Méthode de prévision utilisée | Méthode statistique utilisée par le système pour prévoir les valeurs de cet indicateur. La valeur par défaut est Auto, ce qui signifie que le système choisit la méthode qui correspond le mieux aux données. Pour plus d'informations, consultez [Sélection de la méthode de prévision](https://servicenow-prod.fluidtopics.net/wnCezAM2YndmbLdVGfGbxw#forecast-methods "Si vous êtes un expert en statistiques, vous pouvez sélectionner une méthode de prévision manuellement. Par défaut, l’instance choisit automatiquement la meilleure méthode pour vous, en fonction de l’ajustement de la méthode."). |
   | Périodes avant la prévision | Nombre de périodes de données dans le futur pour lesquelles prévoir les scores. Remarque : La durée des périodes est basée sur la fréquence de l'indicateur. Pour plus d'informations, consultez [Périodes de prévision des indicateurs](https://servicenow-prod.fluidtopics.net/wnCezAM2YndmbLdVGfGbxw#forecast-periods "En fonction de la fréquence du score, une durée de période différente est sélectionnée. Consultez le tableau pour connaître la durée de la période utilisée pour votre série."). |
   | Limite inférieure de la prévision | La valeur significative la plus basse d'un score de prévision. Si un score inférieur à cette valeur est prévu, cette valeur s'affiche à la place. |
   | Limite supérieure de la prévision | La valeur significative la plus élevée d'un score de prévision. Si un score supérieur à cette valeur est prévu, cette valeur s'affiche à la place. |
   [ ]

   {#configure-forecasts-indicator__table_h5s_nhr_5xb}
5. Sélectionnez les scores sur lesquels baser la prévision.

   | Option | Description |
   | Tous les scores | Tous les scores qui ont été collectés pour cet indicateur |
   | Périodes précédentes | Nombre de périodes de données avant le présent sur lesquelles baser les prévisions. Ces périodes de données ont la même longueur que celles de Périodes de prévision. Si vous sélectionnez Périodes précédentes, spécifiez également le nombre de périodes dans le champ Périodes . |
   | Début fixe | Tous les scores collectés après une date de début. Si vous sélectionnez Début fixe, spécifiez également la date de début. |
   |-|-|

   {#configure-forecasts-indicator__choicetable_jhq_bkr_5xb}

## Sélection de la méthode de prévision {#ariaid-title3}

Si vous êtes un expert en statistiques, vous pouvez sélectionner une méthode de prévision manuellement. Par défaut, l'instance choisit automatiquement la meilleure méthode pour vous, en fonction de l'ajustement de la méthode.

Pour déterminer la méthode de prévision la mieux adaptée, l'instance génère des prévisions à l'aide de chaque méthode de prévision avec vos données historiques. L'instance compare ensuite ces prévisions avec les dernières données en fonction de l'avance que vous souhaitez obtenir. L'instance effectue cette évaluation chaque fois qu'elle affiche la prévision. Par conséquent, la collecte de scores supplémentaires ou la modification de la période de prévision peut modifier la méthode de prévision utilisée.

Par exemple, si vous configurez un indicateur avec une fréquence quotidienne pour prévoir deux périodes à l'avance, l'instance applique chaque méthode de prévision à vos données historiques de plus de deux semaines. Ensuite, l'instance compare ces prévisions aux deux dernières semaines de données. La prévision qui correspond le mieux aux deux dernières semaines de données est ensuite recalculée à l'aide de l'ensemble des données. L'instance affiche les résultats de ce calcul final dans le Centre d'analyse ou dans Détails des KPI.

### Méthodes de prévision {#forecast-methods__section_fsd_pzh_mz}

Analyse des performances peut utiliser les méthodes de prévision standard suivantes.  
{#forecast-methods__table_vhn_pmr_5xb__entry__2}

| Méthode | Description |
|-|-|
| Linéaire | Génère une prévision de régression linéaire basée sur les scores historiques, en utilisant la constante et la tendance comme variables explicatives. |
| Saisonnier | Génère une prévision de régression linéaire basée sur les scores historiques, en utilisant des variables indicatrices saisonnières comme variables explicatives. Une \<\< saison \>\> pour cette analyse est une période. |
| Tendance saisonnière | Comme saisonnier, mais inclut une tendance comme variable explicative. |
| Tendance saisonnière basée sur Loess (STL) | Génère une prévision saisonnière basée sur une fonction la mieux adaptée. Cette méthode ajuste une tendance, une saison et un processus de bruit aléatoire aux données en utilisant une approche de moyenne mobile à pondération exponentielle. La prévision est basée sur l'ensemble des données, avec plus de poids accordé aux observations plus récentes Une \<\< saison \>\> pour cette analyse est une période. |
| Forêt aléatoire (RF) | Crée une combinaison d'arbres de décision où la moyenne des prédictions produites par ces arbres est calculée pour obtenir une seule prédiction. Le caractère aléatoire vient du fait que chaque arbre est construit à partir d'un sous-ensemble aléatoire de données et d'entrées disponibles. Pour plus d'informations sur la méthode de la forêt aléatoire, consultez cet [article de Medium](https://williamkoehrsen.medium.com/random-forest-simple-explanation-377895a60d2d). |
| Auto-régressif (AR) | Le modèle autorégressif (AR) prévoit les valeurs futures d'un indicateur en utilisant une combinaison linéaire d'une tendance, de variables indicatrices saisonnières et de valeurs passées. Comme le modèle Random Forest (RF), le modèle AR recherche le meilleur nombre de décalages. Cependant, le modèle AR relie linéairement les valeurs actuelles aux valeurs passées, tandis que le modèle RF n'est pas linéaire. |
[ ]

{#forecast-methods__table_vhn_pmr_5xb}

## Périodes de prévision des indicateurs {#ariaid-title4}

En fonction de la fréquence du score, une durée de période différente est sélectionnée. Consultez le tableau pour connaître la durée de la période utilisée pour votre série.
{#forecast-periods__table_un2_vch_dt__entry__3}

| Fréquence des scores | Nombre de points de données par période | Durée totale de la période |
|-|-|-|
| Tous les jours | 7 | 1 semaine |
| Toutes les semaines | 13 | 1 trimestre |
| Deux fois par semaine | 6 | 1 trimestre |
| Quatre fois par semaine | 13 | 1 année |
| Mensuel | 12 | 1 année |
| Deux fois par mois | 6 | 1 année |
| Trimestriel | 4 | 1 année |
| Par trimestre fiscal | 4 | 1 année |
| Semestriel | 2 | 1 année |
| Annuel | 4 | 4 années |
| Par exercice fiscal | 4 | 4 années |
[ ]

{#forecast-periods__table_un2_vch_dt}

## Prévisions et cibles {#ariaid-title5}

Lorsque la prévision est activée pour un indicateur et qu'une cible globale est définie, la prévision indique quand la cible sera atteinte.

En outre, l'instance envoie une notification 14 jours avant de s'attendre à ce que la cible soit atteinte. Vous pouvez modifier le nombre de jours avant l'envoi de la notification en définissant la pa.job.forecast.target.days_to_check propriété.

Cette fonctionnalité n'est disponible que pour les cibles globales. Les seuils et les cibles personnelles n'interagissent pas avec les prévisions.
**Concepts associés**   

* [Analyse des performances Cibles et seuils](https://servicenow-prod.fluidtopics.net/D9AhcXBaoyzggyWinzDprQ "Les cibles et les seuils vous permettent de définir des points importants dans vos données et de fournir des notifications lorsqu’un score atteint un point spécifique.")

## Prévision à l'aide d'agrégations de séries chronologiques {#ariaid-title6}

Si vous appliquez une agrégation de série chronologique à un indicateur, la durée de la période de prévision change. Le changement dépend du type de série chronologique.
{#forecasting-time-aggregation__table_pzt_p5w_n4b__entry__3}

| Agrégat de temps | Effet sur la période de prévision | Exemple |
|-|-|-|
| En cours d'exécution | Le nombre de points dans la période est égal à la valeur du champ \<\< plage \>\>. | Pour une somme cumulée sur 7 jours, la période de prévision comporte 7 points de données. Pour une somme cumulée sur 28 jours, elle comporte 28 points de données. |
| Par période | La période sélectionnée est traitée comme s'il s'agissait de la fréquence de l'indicateur. | Un agrégat de temps \<\< Par semaine \>\> appliqué à un indicateur quotidien comporte 13 points de données par période de prévision, soit un trimestre. Cette période de prévision est la même que pour un indicateur hebdomadaire sans agrégat de temps. |
| À la date | La durée de la période correspond à la période de l'agrégation. Le nombre de points de données par période est un produit de cet intervalle de temps et de la fréquence de l'indicateur. | Voir le reste de cette section. |
[Tableau 1. Effets de l'agrégation de séries chronologiques sur les périodes de prévision]

{#forecasting-time-aggregation__table_pzt_p5w_n4b}  
Pour un indicateur avec la fréquence quotidienne, vous disposez du nombre suivant de points de données par période pour les agrégations à ce jour :{#forecasting-time-aggregation__table_ox4_b1q_l4b__entry__4}

| Semaine jusqu'à ce jour | Mois jusqu'à ce jour | Trimestre jusqu'à ce jour | Cumul annuel jusqu'à ce jour |
|-|-|-|-|
| 7 | 30 | 91 | 365 |
[Tableau 2. Points de données par période pour un indicateur quotidien avec une agrégation de temps à ce jour]

{#forecasting-time-aggregation__table_ox4_b1q_l4b}  
À une exception près, les indicateurs à fréquence non quotidienne ne prennent en charge que les agrégations de temps depuis le début de l'année. Les indicateurs mensuels sont l'exception. Ils prennent également en charge les agrégations de temps trimestrielles à ce jour. Un indicateur mensuel avec une agrégation trimestrielle à ce jour comporte trois points de données par période. Le nombre de points de données par période de prévision pour différentes fréquences d'indicateurs avec des agrégations depuis le début de l'année est le suivant :{#forecasting-time-aggregation__table_bbg_chq_l4b__entry__2}

| Fréquence de l'indicateur | Points de données par période, année jusqu'à ce jour |
|-|-|
| Tous les jours | 365 |
| Toutes les semaines | 52 |
| Quatre fois par semaine | 13 |
| Deux fois par semaine | 26 |
| Trimestriel (fiscal) | 4 |
[Tableau 3. Nombre de points de données par période de prévision pour les agrégations de séries chronologiques depuis le début de l'année]

{#forecasting-time-aggregation__table_bbg_chq_l4b}
**Concepts associés**   

* [Application d'agrégations de séries chronologiques](https://servicenow-prod.fluidtopics.net/wnwaBEcEX7NNSGXKV696Uw#applying-time-series-aggregations "Vous pouvez agréger les changements des indicateurs en intervalles de temps distincts. Ces agrégations peuvent rendre les tendances plus facilement visibles ou aider à suivre les progrès par rapport à une cible.")

## Affichage des prévisions de score d'indicateur {#ariaid-title7}

Dans l'environnement classique, affichez les prévisions sur un widget de séries chronologiques ou sur le Centre d'analyse fichier . Sur un espace de travail configurable, afficher les prévisions sur une visualisation de données de séries chronologiques ou Détails des KPI.

Pour afficher la prévision sur un widget de séries chronologiques, sélectionnez Afficher la prévision dans la section Paramètres d'affichage du formulaire Widget. Vous pouvez également afficher l'intervalle de confiance de 95 % de la prévision en sélectionnant Afficher la plage de prévision. Pour plus d'informations, consultez [Widgets de séries chronologiques](https://servicenow-prod.fluidtopics.net/LOYoRv~mL6vCc5MGXPjdIw "Les widgets de séries chronologiques affichent les changements dans un score d’indicateur au fil du temps. Différentes visualisations mettent l’accent sur la tendance des scores ou sur les scores eux-mêmes, et peuvent afficher un indicateur ou comparer plusieurs indicateurs.").

Pour afficher la prévision sur le Centre d'analyse, cliquez sur l'icône des paramètres du graphique (![]()) et activez l'option Prévision . De même, dans Détails des KPI, ouvrez les options Graphique et activez Prévision.

Pour afficher la prévision dans une visualisation de données de séries chronologiques, développez Paramètres supplémentaires et activez l'option Afficher la prévision. Vous avez alors la possibilité d'afficher la plage de prévision.

Pour afficher la prévision d'un indicateur sur Détails des KPI, activez la prévision dans le [Options de graphique dans Détails des KPI](https://servicenow-prod.fluidtopics.net/xuiJqm__G_CxoiuD5pxLqA "Le menu Détails des KPI Options du graphique vous permet d’afficher, de masquer ou de modifier des aspects d’une visualisation d’indicateur. Les options de graphique sélectionnées persistent par utilisateur pour chaque indicateur. Les options de graphique sont divisées en options d’analyse, de séries chronologiques et de type de graphique.").
**Concepts associés**   

* [Centre d'analyse pour un indicateur spécifique](https://servicenow-prod.fluidtopics.net/B_GzfOv82zLDx1td~EQGFw "Utilisez pour Centre d'analyse analyser les données de l’indicateur en profondeur, par exemple en agrégeant des données, en comparant des scores ou en visualisant les changements au fil du temps.")  
**Référence associée**   

* [Paramètres supplémentaires pour les widgets de séries chronologiques](https://servicenow-prod.fluidtopics.net/ZmTumF3PcQmwmsMy1eUkdQ#optional-settings-ts-widgets "Les widgets de séries chronologiques disposent des paramètres facultatifs suivants pour l’affichage, la plage de dates et les étiquettes d’axe. Vous pouvez également utiliser ces paramètres pour sélectionner un filtre d’éléments à la place d’un élément de répartition de premier niveau.")
* [Options des données de l'indicateur pour les visualisations de séries chronologiques](https://servicenow-prod.fluidtopics.net/UxB4gdzoGlvWhXg769DFaQ "Les options de configuration de données suivantes sont disponibles pour toutes les visualisations de type série chronologique des scores d’indicateur.")
* [Examen des indicateurs avec Détails des KPI](https://servicenow-prod.fluidtopics.net/dG~y9NUEgha1OT6vSCDkDw "Cette Détails des KPI fonctionnalité vous permet d’explorer les informations qui sous-tendent vos indicateurs clés de performance. Appliquez des prévisions, des tendances, des cibles et des seuils. Filtrer par élément de répartition ou appliquer des agrégations de séries chronologiques.")