Configurar uma previsão em uma visualização de série temporal
Se uma visualização de série temporal estiver configurada para mostrar previsões, você poderá configurar as previsões para essa visualização.
Antes de Iniciar
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
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 |