La previsione è una manipolazione dei risultati che usa i modelli nei dati per prevedere i risultati futuri.
Le previsioni usano i valori dei campi data con almeno due cicli di dati. Un ciclo di dati è un periodo suddiviso in più valori. Ad esempio, un anno viene suddiviso per mese o settimana. In modalità automatica, la previsione riconosce ogni anno come un ciclo, quindi sono necessari due anni di dati per generare una previsione.
Questo articolo include i seguenti argomenti:
Nozioni di base sulle previsioni
Segui questa procedura per scoprire come aggiungere una previsione al report.
Per aggiungere una previsione al report
- Nello strumento di creazione report, crea un report basato sul tempo. Ad esempio, puoi aggiungere COUNT(Tickets) al pannello Metriche e Ticket creato - Anno al pannello Colonne .
- Fai clic sull’icona di manipolazione dei risultati (), quindi fai clic su Previsione.
- Nel menu Previsione , seleziona Calcola una previsione in base al risultato
Vengono visualizzate le opzioni per configurare le previsioni.
- Percorso determina se la previsione si basa sulle colonne o sulle righe del grafico. Qualunque sia la tua scelta, deve contenere un attributo basato sulla data. Il percorso contiene sempre l’attributo basato sulla data per la previsione.
- In Metodo, scegli Tendenza additiva e stagione moltiplicativa o Tendenza additiva e stagione additiva.
Per maggiori informazioni sui metodi di previsione che puoi usare, consulta Funzionamento delle previsioni qui sotto.
- In Valori da prevedere, scegli una delle opzioni seguenti:
- Automatico: Consenti a Explore di calcolare automaticamente il numero ottimale di valori per la previsione.
- Personalizzato: Specifica il numero di valori da prevedere. Ad esempio, se il tuo attributo è basato su un anno, dovrai specificare il numero di anni per il quale vuoi prevedere il futuro.
- In Valori per ciclo, puoi configurare il numero di punti dati da includere in ciascun ciclo. Ad esempio, per 12 mesi di dati, puoi selezionare 6 valori per ciclo. Se selezioni Auto, Explore calcola il numero ottimale di valori da usare.
- Al termine, fai clic su Applica.
- Dal menu di visualizzazione (), scegli un grafico a barre, a colonne, ad area, a linee o sparkline. I risultati delle previsioni non vengono visualizzati su altri tipi di grafici.
La portabilità prevista del grafico viene mostrata in uno stile diverso. Ad esempio, la parte prevista di un grafico a linee viene visualizzata come una linea tratteggiata, ad esempio:
Ad esempio, se il report contiene l’attributo Ticket creato - Mese e raccogli dati da oltre un anno, i valori in questo campo vengono aggregati e viene visualizzato il messaggio di errore. Aggiungi anche l’attributo Ticket creato - Anno per risolvere l’errore.
Funzionamento delle previsioni (avanzato)
Il metodo di previsione usato da Explore si basa sul modello degli inverni di Holt , che è un triplo livellamento esponenziale che si basa sul livello, la tendenza e la stagione di una serie temporale.
Explore, usa due sottomodelli che si adattano alla maggior parte dei casi d’uso e tiene conto delle variazioni stagionali.
Il metodo AA
Il modello AA (Trend additivo e stagione additiva) è quello predefinito, in quanto è il modello usato più di frequente e produce risultati estremamente realistici.
I valori iniziali vengono elaborati con la formula seguente:
Quindi, possiamo applicare il modello AA di Holt Winters:
Il metodo AM
Il modello AM (Additive trend and Multiplicative season) è, in alcuni casi, una tendenza temporale.
I valori iniziali vengono elaborati con la formula seguente:
Quindi, possiamo applicare il modello AM di Holt Winters:
Periodi per ciclo
Nel calcolo usiamo anche il valore “Periods per cycle”. Viene usato per determinare la durata di una stagione, necessaria per elaborare gli indici stagionali. Nelle formule qui sopra, questo valore è denominato “h”.
Parametri di smussamento
Prima di elaborare la previsione, è necessario definire altri tre parametri. Corrispondono ai parametri di livellamento, chiamati “α” per il livello, “β” per la tendenza, “γ” per la stagionalità. In breve, corrispondono a un rapporto tra l’importanza attribuita ai primi e agli ultimi valori delle serie temporali e influiranno sui risultati di ciascun periodo. Ecco un esempio:
“I valori stimati di alfa, beta e gamma sono rispettivamente 0,41, 0,00 e 0,96. Il valore di alfa (0,41) è relativamente basso, a indicare che la stima del livello nel momento attuale si basa sia su osservazioni recenti che su alcune osservazioni avvenute in un passato più lontano. Il valore di beta è 0,00, a indicare che la stima della pendenza b del componente di tendenza non viene aggiornata nelle serie temporali, ma viene impostata su un valore uguale al valore iniziale. Ciò ha un senso intuitivo, in quanto il livello cambia leggermente nel corso delle serie temporali, ma la pendenza b della componente di tendenza rimane più o meno la stessa. Al contrario, il valore di gamma (0,96) è alto, a indicare che la stima della componente stagionale nel momento attuale si basa solo su osservazioni molto recenti.
Per i tre parametri di ottimizzazione, non esiste un algoritmo ufficiale per trovare quelli migliori. Questo si trasforma in un problema NP-Complete, in cui il problema di ottimizzazione consiste nel ridurre al minimo l'errore al quadrato medio dei risultati previsti, con 0≤α≤1, 0≤β≤1, 0≤γ≤1.
Pertanto, Explore dispone di un proprio algoritmo per trovare in un tempo lineare i tre parametri migliori, con una precisione di 0,01.
Avvertenza sulla traduzione: questo articolo è stato tradotto usando un software di traduzione automatizzata per fornire una comprensione di base del contenuto. È stato fatto tutto il possibile per fornire una traduzione accurata, tuttavia Zendesk non garantisce l'accuratezza della traduzione.
Per qualsiasi dubbio sull'accuratezza delle informazioni contenute nell'articolo tradotto, fai riferimento alla versione inglese dell'articolo come versione ufficiale.