Configurar uma previsão em uma visualização de série temporal

  • Versão de lançamento: Yokohama
  • Atualizado 30 de jan. de 2025
  • 5 min. de leitura
  • Se uma visualização de série temporal estiver configurada para mostrar previsões, você poderá configurar as previsões para essa visualização.

    Antes de Iniciar

    Este procedimento pressupõe que você criou uma visualização de série temporal para uma fonte de dados fora da tabela e deseja configurar a previsão para essa visualização.
    Nota:
    Não há suporte para agregações de Hora do dia ou Dia da semana nos dados da tabela.

    Função necessária: qualquer função que possa criar uma visualização de série temporal. Para fontes de dados que não sejam de indicador, uma assinatura de Performance Analytics também é necessária.

    Por Que e Quando Desempenhar Esta Tarefa

    Ao configurar a previsão em uma visualização de dados, você substitui qualquer configuração de previsão definida na fonte de dados, como um indicador. A substituição se aplica somente à visualização de dados específica.

    Procedimento

    1. Abra o painel de configuração da visualização da série temporal.
    2. Em Configurações adicionais, ative Mostrar previsão.
      As fontes de dados da tabela não são compatíveis com a previsão.
    3. Selecione Configurar previsão.
      O painel Configurar previsão é aberto.
    4. Preencha os seguintes campos:
      Campo Descrição
      Método de previsão O método estatístico que o sistema usa para prever valores para este indicador. O valor padrão é Automático, o que significa que o sistema escolhe um método que melhor se ajusta aos dados. Para obter mais informações, consulte Métodos de previsão e Seleção automática de métodos de previsão.
      Duração do período O número de pontos de dados necessários para estabelecer um padrão na série temporal.

      Se você selecionar Usar padrão, a duração do período dependerá da frequência da fonte de dados. Por exemplo, a duração do período para uma série temporal com uma frequência diária é de 7 pontos de dados por padrão. Para obter mais informações, consulte Durações do período de previsão padrão.

      Número de períodos de antecipação Número de períodos de dados no futuro para os quais as pontuações serão previstas.
      Limite inferior do intervalo de previsão O menor valor significativo de uma pontuação de previsão. Se uma pontuação inferior a este valor for prevista, este valor será exibido.
      Limite superior do intervalo de previsão O maior valor significativo de uma pontuação de previsão. Se uma pontuação maior do que este valor for prevista, este valor será exibido.
    5. Selecione em quais dados basear a previsão.
      OpçãoDescrição
      Intervalo de datas de visualização Todos os dados dentro do intervalo de datas da visualização
      Períodos anteriores O número de períodos de dados antes do presente para basear as previsões. Esses períodos de dados têm o mesmo tamanho que os em Duração do período.

      Se você selecionar Períodos anteriores, especifique também o número de períodos no campo Número de períodos a serem considerados.

      Data inicial específica Todas as pontuações coletadas após uma data de início. Se você selecionar Data de início específica, especifique também a Data de início.
      Aviso:
      Se houver pontos de dados insuficientes para gerar uma previsão, nada será mostrado, nem a previsão nem uma mensagem.

    Métodos de previsão

    A previsão usa métodos estatísticos padrão. Você pode selecionar um método ou permitir que o sistema escolha um automaticamente.

    Método Descrição
    Lineares Gera uma previsão de regressão linear com base nas pontuações históricas, usando constante e tendência como variáveis explicativas.
    Sazonal Gera uma previsão de regressão linear com base nas pontuações históricas, usando simulações sazonais como variáveis explicativas.

    Uma "temporada" para esta análise é um período.

    Tendência sazonal Como Sazonal, mas inclui uma tendência como uma variável explicativa.
    Tendência Sazonal Loess (STL) Gera uma previsão sazonal com base em uma função de melhor ajuste. Este método ajusta uma tendência, uma estação e um processo de ruído aleatório aos dados usando uma abordagem de média móvel exponencialmente ponderada. A previsão é baseada no conjunto de dados completo, com mais peso dado às observações mais recentes

    Uma "temporada" para esta análise é um período.

    Floresta aleatória (RF) Cria uma combinação de árvores de decisão em que as previsões produzidas por essas árvores são calculadas para obter uma única previsão. A aleatoriedade vem de cada árvore que está sendo criada a partir de um subconjunto aleatório dos dados e entradas disponíveis. Para obter mais informações sobre o método de floresta aleatória, consulte este artigo Médio.
    Autorregressivo (AR) O modelo autorregressivo (AR) prevê valores futuros de um indicador usando uma combinação linear de uma tendência, simulações sazonais e valores anteriores. Como o modelo de Floresta Aleatória (RF), o modelo de AR verifica o melhor número de atrasos. No entanto, o modelo AR relaciona valores atuais a valores anteriores linearmente, enquanto o modelo RF é não linear.

    Seleção automática de métodos de previsão

    Se você for um especialista em estatísticas, poderá selecionar um método de previsão manualmente. Por padrão, a instância escolhe o melhor método para você automaticamente, com base no ajuste do método.

    Para determinar o método de previsão mais adequado, a instância gera previsões usando cada método de previsão com seus dados históricos. A instância compara essas previsões com os dados mais recentes com base em quão à frente você deseja prever. A instância executa essa avaliação sempre que exibe a previsão. Portanto, coletar pontuações adicionais ou alterar o período de previsão pode alterar o método de previsão usado.

    Considere uma visualização de série temporal de um indicador Performance Analytics com uma frequência diária. Configure a previsão na visualização para usar um período de 7 dias e basear as previsões nos dois períodos anteriores. A instância aplica cada método de previsão aos dados históricos com mais de duas semanas. Em seguida, a instância compara essas previsões com os dados das duas semanas mais recentes. A previsão que mais se ajusta às duas últimas semanas de dados é recalculada usando o conjunto de dados inteiro. A visualização mostra os resultados deste cálculo final.

    Durações do período de previsão padrão

    Os períodos de previsão têm um comprimento padrão que depende da frequência das fontes de dados. Nem todas as fontes de dados têm as mesmas frequências.

    Durações de período padrão comuns a todas as fontes de dados

    Frequência de pontuação Número de pontos de dados por período Duração total do período
    Diariamente 7 1 Semana
    Semanalmente 13 1 trimestre
    Bissemanalmente 6 1 trimestre
    Quatro por semana 13 1 ano
    Mensalmente 12 1 ano
    Bimestralmente 6 1 ano
    Trimestralmente 4 1 ano
    Trimestralmente fiscal 4 1 ano
    Semestralmente 2 1 ano
    Anual 4 4 anos
    Anualmente 4 4 anos

    Durações do período padrão exclusivas até MetricBase

    Frequência de pontuação Número de pontos de dados por período Duração total do período
    Por minuto 100 Dinâmico, controlado pela fonte de dados dependendo da consulta