A previsão é uma manipulação de resultado que usa padrões em seus dados para prever resultados futuros.
A previsão usa valores de campos de dados com pelo menos dois ciclos de dados. Um ciclo de dados é um período dividido em diversos valores. Por exemplo, um ano é dividido por mês ou semana. No modo automático, a previsão reconhecerá cada ano como um ciclo, portanto, você precisará de dois anos de dados para gerar uma previsão.
Este artigo contém os seguintes tópicos:
Noções básicas de previsão
Use este procedimento para ver como adicionar uma previsão ao seu relatório.
Como adicionar uma previsão ao seu relatório
- No Criador de relatórios, crie um relatório baseado em tempo. Por exemplo, você pode adicionar COUNT(Tickets) ao painel Métricas e Ticket criado - ano ao painel Colunas.
- Clique no ícone de manipulação de resultado (
) e depois em Previsão. - No menu Previsão, verifique Calcular uma previsão do resultado
As opções para configurar a previsão são exibidas.
-
O Caminho determina se a previsão se baseia nas colunas ou nas linhas de seu gráfico. Seja qual for sua escolha, ele precisa conter um atributo baseado em data. O caminho sempre contém o atributo baseado em data de sua previsão.
- Em Método, escolha Tendência aditiva e temporada multiplicativa ou Tendência aditiva e temporada aditiva.
Para saber mais sobre os métodos de previsão que você pode usar, consulte Funcionamento da previsão abaixo.
- Em Valores a prever, escolha uma das opções:
- Automático: deixe que o Explore calcule automaticamente o número ideal de valores futuros para prever.
- Personalizado: especifique o número de valores futuros a analisar. Por exemplo, se o atributo se baseia em ano, você especificará o número de anos que deseja prever.
- Em Valores por ciclo, você pode configurar o número de pontos de dados a incluir em cada ciclo. Por exemplo, no caso de 12 meses de dados, você pode selecionar 6 valores por ciclo. Se você selecionar Automático, o Explore calcula o número ideal de valores a usar.
- Ao terminar, clique em Aplicar.
- No menu de visualização (
), escolha um gráfico de barra, coluna, área, linha ou minigráfico. Os resultados da previsão não são exibidos em outros tipos de gráfico.
A porção prevista do gráfico é mostrada em um estilo diferente. Por exemplo, a porção prevista de um gráfico de linha é mostrada como uma linha pontilhada:
Por exemplo, se o seu relatório contém o atributo Ticket criado - mês e você coletou dados ao longo de um ano, os valores nesse campo são agregados e você verá a mensagem de erro. Adicione também o atributo Ticket criado - ano para resolver o erro.
Funcionamento da previsão (avançado)
O método de previsão que o Explore usa se baseia no modelo de Holt-Winters, que é uma suavização exponencial tripla que considera o nível, a tendência e a temporada de uma série temporal.
O Explore usa dois submodelos que são adequados para a maioria dos casos de uso e também consideram variações sazonais.
O método AA
O modelo AA (tendência aditiva e temporada aditiva) é o padrão, pois é o mais normalmente usado e produz resultados mais realistas.
Os valores iniciais são processados com a fórmula abaixo:
Depois, podemos aplicar o método AA de Holt-Winters:
O método AM
O modelo AM (tendência aditiva e temporada multiplicativa) é, em alguns casos, uma tendência baseada no tempo.
Os valores iniciais são processados com a fórmula abaixo:
Depois, podemos aplicar o método AM de Holt Winters:
Períodos por ciclo
No cálculo, também usamos o valor "Períodos por ciclo". Ele é usado para determinar a duração de uma temporada e é necessário para processar os índices sazonais. Nas fórmulas acima, esse valor é chamado de "h".
Parâmetros de suavização
É preciso definir três outros parâmetros antes do processamento da previsão. Eles correspondem aos parâmetros de suavização, denominados "α" para o nível, "β" para a tendência e "γ" para a sazonalidade. Em resumo, eles correspondem a uma razão da importância dada aos primeiros e últimos valores da série temporal e influenciarão os resultados de cada período. Eis um exemplo:
"Os valores estimados de alfa, beta e gama são 0,41, 0,00 e 0,96, respectivamente. O valor de alfa (0,41) é relativamente baixo, indicando que a estimativa do nível no ponto temporal atual está baseada em observações recentes e em algumas observações no passado mais distante. O valor de beta é 0,00, indicando que a estimativa da inclinação b do componente da tendência não é atualizada ao longo da série temporal e, em vez disso, é definida como igual a seu valor inicial. Intuitivamente, isso faz sentido, pois o nível muda bastante ao longo da série temporal, mas a inclinação b do componente da tendência permanece quase a mesma. Em contraste, o valor de gama (0,96) é alto, indicando que a estimativa do componente sazonal no ponto temporal atual se baseia apenas em observações bastante recentes."
Não existe um algoritmo oficial para encontrar os três melhores parâmetros de otimização. Isso resulta em um problema NP-completo, onde o problema de otimização é minimizar o erro quadrático médio dos resultados previstos, com 0≤α≤1, 0≤β≤1, 0≤γ≤1.
Assim, o Explore tem seu próprio algoritmo para encontrar num tempo linear os três melhores parâmetros, com uma precisão de 0,01.