Prognozowanie w Tableau i Alteryx, czyli jak prognozować dane w czasie bez znajomości programowania i zaawansowanej wiedzy statystycznej
Wiele decyzji biznesowych dotyczących planowania, kupna, sprzedaży czy zatrudnienia wymaga znajomości prognoz. W większej skali prognozowanie automatyczne w takich przypadkach, jak planowanie zapotrzebowania/dostaw produktów czy prognozowanie zużycia energii jest bardzo atrakcyjną kosztowo metodą planowania.
Szereg zjawisk wokół nas podlega zmianom, które dają się w pewnym przybliżeniu przewidzieć. Obserwując zachowania historyczne czy trendy, możemy zbudować model, który pomoże nam wyznaczyć przyszłe wartości i podjąć ewentualne decyzje z wyprzedzeniem.
Artykuł przedstawia praktyczne podejście do prognozowania danych w czasie, przy użyciu nowoczesnych narzędzi Tableau i Alteryx, które nie wymagają znajomości programowania ani zaawansowanej wiedzy statystycznej.
Zacznijmy od najprostszych, z życia wziętych przykładów prognozowania. Na Rysunku 1 przedstawiono wykres temperatur z domowej stacji pogodowej.
Wykres pokazuje średnią dzienną temperaturę, niebieska linia jest średnią kroczącą z poprzednich 30 dni. Na wykresie wyraźnie widać trend (wzrost/spadek) i sezonowość temperatur. Na tej podstawie bez trudu można przewidzieć średnie temperatury w następnych okresach.
Rysunek 2 przedstawia wykres pogodowy z prognozą miesięczną przy użyciu standardowych funkcji forecast w Tableau, wykonany na podstawie trendu i średnich kroczących.
Kolejny rysunek przedstawia wykres EUR/USD w interwale godzinowym.
Do prognozowania zostały wykorzystane średnie kroczące w dwóch konfiguracjach, które dają sygnał do zakupu. U góry zaznaczono przecięcie średniej kroczącej z 20 poprzednich okresów ze średnią z 50 okresów, co może oznaczać trend wzrostowy. Na dole widać potwierdzenie tego sygnału w bardzo popularnym wskaźniku MACD (moving averages convergence/divergence), również opartego na średnich kroczących.
Te przykłady pokazują, że użycie trendu i średnich kroczących w różnych konfiguracjach może być podstawą do działania algorytmów forecastingowych.
Przyjrzyjmy się teraz dokładniej możliwościom, jakie dają nam narzędzia Tableau i Alteryx przy prognozowaniu.
Tableau jest według Gartnera rozwiązaniem nr 1 w kategorii Business Intelligence, w szczególności wygrywa w kategoriach łatwości użycia.
Tableau umożliwia kilka ciekawych opcji dotyczących prognozowania, które – jak całe narzędzie – działają praktycznie automatycznie i nie wymagają zaawansowanej wiedzy.
Do prognozowania użyjemy danych o zawartości CO2 w atmosferze Ziemi. Dane historyczne w granuli miesięcznej można ściągnąć z Internetu. Po wrzuceniu do Tableau wyglądają jak na Rysunku 4.
Bardzo dobrze widać trend (linia przerywana) oraz sezonowość miesięczną, powinny więc być idealne do prognozowania.
Tableau ma automat, który wybiera z wbudowanych ośmiu modeli dających najlepsze wyniki. Wynik w pewnym zakresie można dostosowywać, dobierając parametry użycia opcji trendu i sezonowości.
|
Sezonowość |
|||
|
Trend |
N (None) |
A (Additive) |
M (Multiplicative) |
|
N (None) |
(N,N) |
(N,A) |
(N,M) |
|
A (Additive) |
(A,N) |
(A,A) |
(A,M) |
|
Ad (Additive damped) |
(Ad,N) |
(Ad,A) |
(Ad,M) |
|
M (Multiplicative) |
(M,N) |
(M,A) |
(M,M) |
|
M (Multiplicative damped) |
(Md,N) |
(Md,A) |
(Md,M) |
Wykorzystałeś swój limit bezpłatnych treści
Pozostałe 65% artykułu dostępne jest dla zalogowanych użytkowników portalu. Zaloguj się, wybierz plan abonamentowy albo kup dostęp do artykułu/dokumentu.
Zaloguj się
