--- sourceDocument: Xanadu プラットフォームアナリティクス sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/ja-JP/xanadu/now-intelligence Release : - xanadu ft:locale : - ja-JP ft:publication_title : - Xanadu プラットフォームアナリティクス ft:clusterId : - par bundleId : - par workflow : - Platform --- # パフォーマンスアナリティクススコア予測 # パフォーマンスアナリティクススコア予測 {#ariaid-title1} * リリースバージョン: Xanadu * * 更新日 2024年08月01日 * * ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 所要時間：7分 パフォーマンスアナリティクス を使用すると、過去の動作に基づいて将来のスコアを予測できます。時系列ウィジェット、時系列データの可視化、 KPI 詳細、および アナリティクスハブでスコアを予測できます。予測スコアは点線で表示されます。 予測は、インジケーター レコードの \[予測\] タブで設定します。予測に含まれるデータポイントの数は、インジケーター頻度と、インジケーターで構成されている 予測期間 の数によって異なります。期間は、インジケーターの頻度に基づいて設定されたスコア数です。設定や予測方法に関係なく、生成される予測データポイントは 2688 個までです。 **関連タスク** * [自動インジケーターの作成](https://servicenow-prod.fluidtopics.net/8qXeC_mwa8b64YV9uvkoNw#t_CreateAnAutomatedIndicator "ServiceNowテーブルに記録されているビジネスプロセスのパフォーマンスを分析するには、自動インジケーターを使用します。適切なインジケーターが プラットフォームアナリティクスソリューションに指定されていない場合は、新しいインジケーターを作成します。") ## インジケーターでの予測の設定 {#ariaid-title2} 自動インジケーターのレコードで、 アナリティクスハブ、 パフォーマンスアナリティクス ウィジェット、時系列データの可視化に表示されるとおりに予測を設定します。 ### 始める前に 必要なロール:pa_power_user、pa_admin、admin ### 手順 1. 移動先 Performance Analytics (パフォーマンスアナリティクス)インジケーター自動インジケーター. 2. 予測を構成する自動インジケーターを開きます。 3. \[ 予測 \] タブに移動します。 4. 以下の値を設定します: {#configure-forecasts-indicator__table_h5s_nhr_5xb__entry__2} | フィールド | Description (説明) | |-|-| | 使用した予測方法 | このインジケーターの値を予測するためにシステムが使用する統計手法。デフォルト値は \[自動\] です。これは、システムによってデータに最適な方法が選択されることを意味します。詳細については、「[予測方法の選択](https://servicenow-prod.fluidtopics.net/rhJpZDhwGwHeh1Dq5RMd0A#forecast-methods "統計の専門家は、予測方法を手動で選択できます。デフォルトでは、インスタンスはメソッドの適合性に基づいて最適なメソッドを自動的に選択します。")」を参照してください。 | | 予測期間 | スコアを予測する将来のデータ期間の数。 注: 期間の長さは、インジケーター頻度に基づいています。詳細については、「[インジケーター予測期間](https://servicenow-prod.fluidtopics.net/rhJpZDhwGwHeh1Dq5RMd0A#forecast-periods "スコアの頻度に応じて、異なる期間の長さが選択されます。表を参照して、シリーズに使用されている期間の長さを確認してください。")」を参照してください。 | | 予測下限 | 予測スコアの意味のある最小値。この値よりも低いスコアが予測されると、代わりにこの値が表示されます。 | | 予測上限 | 予測スコアの意味のある最高値。この値よりも高いスコアが予測されると、代わりにこの値が表示されます。 | [ ] {#configure-forecasts-indicator__table_h5s_nhr_5xb} 5. 予測の基にするスコアを選択します。 | オプション | 説明 | | すべてのスコア | このインジケーターについて収集されたすべてのスコア | | 前の期間 | 予測の基礎となる現在までのデータ期間の数。これらのデータ期間は、 予測する期間のデータ期間と同じ長さです。 \[前の期間\] を選択した場合は、\[ 期間 \] 項目に期間の数も指定します。 | | 開始日（固定） | 開始日以降に収集されたすべてのスコア。\[固定開始\] を選択した場合は、\[ 開始日\] も指定します。 | |-|-| {#configure-forecasts-indicator__choicetable_jhq_bkr_5xb} ## 予測方法の選択 {#ariaid-title3} 統計の専門家は、予測方法を手動で選択できます。デフォルトでは、インスタンスはメソッドの適合性に基づいて最適なメソッドを自動的に選択します。 最適な予測方法を決定するために、インスタンスは履歴データで各予測方法を使用して予測を生成します。インスタンスは、どの程度先まで予測するかに基づいて、それらの予測と最新のデータを比較します。インスタンスは、予測を表示するたびにこの評価を実行します。したがって、追加のスコアを収集したり、予測期間を変更したりすると、使用される予測方法が変更される可能性があります。 たとえば、2 期間先を予測するように日次頻度のインジケーターを設定した場合、インスタンスは 2 週間より前の履歴データに各予測方法を適用します。次に、インスタンスはそれらの予測を最新の 2 週間のデータと比較します。次に、最新の 2 週間分のデータに最も近い予測が、データ セット全体を使用して再計算されます。インスタンスは、この最終計算の結果を アナリティクスハブ または KPI 詳細で表示します。 ### 予測方法 {#forecast-methods__section_fsd_pzh_mz} パフォーマンスアナリティクス では、次の標準的な予測方法を使用できます。 {#forecast-methods__table_vhn_pmr_5xb__entry__2} | メソッド | 説明 | |-|-| | リニア | 定数と傾向を説明変数として使用し、履歴スコアに基づいて線形回帰予測を生成します。 | | 季節雇用 | 季節ダミーを説明変数として使用し、履歴スコアに基づいて線形回帰予測を生成します。 この分析の「季節」は 1 つの期間です。 | | 季節傾向 | 季節性がありますが、説明変数として傾向が含まれています。 | | Loess による季節傾向分解 (STL) | 最適な関数に基づいて季節予測を生成します。この方法は、指数関数的に重み付けされた移動平均アプローチを使用して、傾向、季節、およびランダムノイズプロセスをデータに適合させます。予測は完全なデータセットに基づいており、最近の観測結果ほど重み付けが高くなります この分析の「季節」は 1 つの期間です。 | | ランダムフォレスト (RF) | 意思決定ツリーの組み合わせを作成し、これらのツリーによって生成された予測を平均して単一の予測を取得します。ランダム性は、利用可能なデータと入力のランダムなサブセットからビルドされた各ツリーに由来します。ランダムフォレスト手法の詳細については、この「[Medium の記事](https://williamkoehrsen.medium.com/random-forest-simple-explanation-377895a60d2d)」を参照してください。 | | 自己回帰 (AR) | 自己回帰 (AR) モデルは、傾向、季節ダミー、および過去の値の線形結合を使用して、インジケーターの将来の値を予測します。ランダムフォレスト (RF) モデルと同様に、AR モデルは最適な遅延数をチェックします。ただし、AR モデルは現在と過去の値を直線的に関連付けますが、RF モデルは非線形です。 | [ ] {#forecast-methods__table_vhn_pmr_5xb} ## インジケーター予測期間 {#ariaid-title4} スコアの頻度に応じて、異なる期間の長さが選択されます。表を参照して、シリーズに使用されている期間の長さを確認してください。 {#forecast-periods__table_un2_vch_dt__entry__3} | スコアの周期 | 期間あたりのデータポイント数 | 総期間長 | |-|-|-| | 日次 | 7 | 1 週間 | | 週次 | 13 | 1 四半期 | | 隔週 | 6 | 1 四半期 | | 4 週間ごと | 13 | 1 年 | | 月次 | 12 | 1 年 | | 隔月 | 6 | 1 年 | | 四半期ごと | 4 | 1 年 | | 会計四半期ごと | 4 | 1 年 | | 半年ごと | 2 | 1 年 | | 年次 | 4 | 4 年 | | 会計年度ごと | 4 | 4 年 | [ ] {#forecast-periods__table_un2_vch_dt} ## 予測とターゲット {#ariaid-title5} インジケーターに対して予測が有効になっており、グローバルターゲットが定義されている場合、予測にはターゲットに到達するタイミングが表示されます。 さらに、インスタンスは、ターゲットへの到達が予想される 14 日前に通知を送信します。pa.job.forecast.target.days_to_check プロパティを設定することで、通知が何日前に送信されるかを変更できます。 この機能は、グローバル ターゲットでのみ使用できます。しきい値と個人のターゲットは、予測に関係しません。 **関連概念** * [パフォーマンスアナリティクス ターゲットとしきい値](https://servicenow-prod.fluidtopics.net/~08sdPwJN_T2F6z9RI~WqQ "ターゲットとしきい値を使用すると、データ内の重要なポイントを定義し、スコアが特定のポイントに達したときに通知を行うことができます。") ## 時系列集計による予測 {#ariaid-title6} インジケーターに時系列集計を適用すると、予測期間の長さが変更されます。変化は時系列のタイプによって異なります。 {#forecasting-time-aggregation__table_pzt_p5w_n4b__entry__3} | 時間アグリゲート | 予測期間への影響 | 例 | |-|-|-| | 実行中 | 期間内のポイント数は「範囲」フィールド値と等しくなります。 | 7 日間の移動合計の場合、予測期間には 7 つのデータポイントがあります。28 日間の実行合計の場合、28 個のデータポイントがあります。 | | 期間別 | 選択した期間は、インジケーター頻度であるかのように扱われます。 | 日次インジケーターに適用される「週別」時間アグリゲートには、予測期間 (四半期全体) ごとに 13 個のデータポイントがあります。この予測期間は、時間集計のない週次インジケーターの場合と同じです。 | | 終了日 | 期間の長さは、集計のタイムスパンと一致します。期間ごとのデータポイントの数は、この時間スパンとインジケーター頻度の積です。 | このセクションの残りの部分を参照してください。 | [表 : 1. 予測期間に対する時系列集計の影響] {#forecasting-time-aggregation__table_pzt_p5w_n4b} 頻度が日次であるインジケーターの場合、これまでの集計では、期間ごとに次の数のデータポイントがあります。{#forecasting-time-aggregation__table_ox4_b1q_l4b__entry__4} | 週度累計 | 月度累計 | 四半期累計 | 年度累計 | |-|-|-|-| | 7 | 30 | 91 | 365 | [表 : 2. 現在までの時間アグリゲーションを含む日次インジケーターの期間あたりのデータポイント] {#forecasting-time-aggregation__table_ox4_b1q_l4b} 1 つの例外を除き、非日次頻度のインジケーターは、過去累計の時間集計のうち年度累計のみをサポートします。月次インジケーターは例外です。また、四半期累計の時間集計もサポートされています。四半期累計集計の月次インジケーターには、期間ごとに 3 つのデータポイントがあります。さまざまなインジケーター頻度の予測期間あたりのデータポイントの数と年度累計の集計は次のとおりです。{#forecasting-time-aggregation__table_bbg_chq_l4b__entry__2} | インジケーターの周期 | 期間、年度累計あたりのデータポイント | |-|-| | 日次 | 365 | | 週次 | 52 | | 4 週間ごと | 13 | | 隔週 | 26 | | 四半期ごと (会計) | 4 | [表 : 3. 年初来の時系列集計の予測期間あたりのデータポイントの数] {#forecasting-time-aggregation__table_bbg_chq_l4b} **関連概念** * [時系列集計の適用](https://servicenow-prod.fluidtopics.net/7U7IjrfVlhnf3sO07SZIjg#applying-time-series-aggregations "インジケーターの変化を個別の時間間隔に集計できます。これらの集計により、傾向が見やすくなったり、ターゲットに対する進捗状況を追跡したりするのに役立ちます。") ## インジケータースコア予測の表示 {#ariaid-title7} クラシック環境では、時系列ウィジェットまたは アナリティクスハブに予測を表示します。構成可能ワークスペースでは、時系列データの可視化またはKPI 詳細で予測を表示します。 時系列ウィジェットに予測を表示するには、ウィジェットフォームの \[表示設定\] セクションで \[予測を表示\] を選択します。\[予測範囲を表示\] を選択すると、予測の 95% 信頼間隔を表示することもできます。詳細については、「[時系列ウィジェット](https://servicenow-prod.fluidtopics.net/lrRGnQ9AQpy7Y~6zQ~uS6Q "時系列ウィジェットは、インジケーター スコアの経時変化を示します。さまざまなチャート化によって、スコアの傾向またはスコアそのものを強調します。1 つのインジケーターを表示したり、複数のインジケーターを比較したりすることができます。")」を参照してください。 アナリティクスハブに予測を表示するには、グラフ設定アイコン (![]()) をクリックし、\[予測\] オプションを有効にします。同様に、 KPI 詳細 で \[Chart options\] を開き、\[ Forecast\] を有効にします。 時系列データの視覚化で予測を表示するには、\[Additional settings (追加設定)\] を展開して \[ Show forecast (予測を表示)\] をオンにします。その後、予測範囲を表示するオプションがあります。 KPI 詳細のインジケーターの予測を表示するには、[のチャートオプション KPI 詳細](https://servicenow-prod.fluidtopics.net/kBjj4BQ0dw_hpna1s3ZZaw "KPI 詳細 [チャートオプション] メニューを使用すると、インジケーターの可視化要素を表示、非表示、または変更できます。選択したグラフオプションは、各インジケーターのユーザーごとに保持されます。チャートオプションは、分析、時系列、およびチャートタイプのオプションに分けられます。")で予測をオンにします。 **関連概念** * [アナリティクスハブ 特定のインジケーターの](https://servicenow-prod.fluidtopics.net/qk1V021Uui6G33BEUBl21g "アナリティクスハブを使用して、データの集計、スコアの比較、経時変化の表示などにより、インジケーターデータを詳細に分析します。") **関連資料** * [時系列ウィジェットの追加設定](https://servicenow-prod.fluidtopics.net/K4k_zgiWEhzM7qQagBot0w#optional-settings-ts-widgets "時系列ウィジェットには、表示、日付範囲、および軸ラベルについて次のオプション設定があります。これらの設定を使用して、第 1 レベルのブレークダウン要素の代わりに要素フィルターを選択することもできます。") * [時系列可視化のインジケーターデータオプション](https://servicenow-prod.fluidtopics.net/QqFI1blDB2XSy6q62M1p~g "次のデータ構成オプションは、インジケータースコアのすべての時系列タイプの可視化で使用できます。") * [でのインジケーターの探索 KPI 詳細](https://servicenow-prod.fluidtopics.net/cNT~T4dhBkT04OuoAa~PrQ "KPI 詳細機能を使用すると、重要業績評価指標の背後にある情報を掘り下げることができます。予測、傾向、ターゲット、しきい値を適用します。ブレークダウン要素でフィルタリングするか、時系列集計を適用します。")