머신러닝 예측 생성
실제값 데이터 요구사항:
- 이력 데이터에 알고리즘을 지원하기에 충분한 데이터 요소가 있어야 합니다. 참조 참조: Adaptive Planning을 위한 머신러닝 알고리즘.
- 실제값 데이터 요소와 예측 데이터 요소의 비율이 3:2 이상이어야 합니다. 예: 2년을 예측하려면 3년의 실제값 데이터가 필요합니다.
- 캘린더 구조와 관계없이 커스텀 계절성 옵션을 사용하려면 다음이 필요합니다.
- 연간 계절성에 대한 실제값의 3년
- 연 2회 계절성을 나타내는 경우 18개월의 실제값
- 분기별 계절성에 대한 실제값의 9개월
레버 요구사항:
- AutoFit,ARIMA,LightGBM,Orbit DLT또는Prophet알고리즘을 선택합니다.
- 레버 시트의 계정, 레벨, 날짜 및 커스텀 디멘션을 기록합니다. 예측을 생성하는 데 필요합니다.
보안:
- 예측에 포함할 레벨, 버전 및 계정에 액세스할 수 있습니다.
- Predictive Forecaster권한
머신러닝(ML) 예측을 생성하여 계획의 효율성과 정확성을 높일 수 있습니다. Predictive Forecaster는 선택한 ML 알고리즘을 사용하여 계획 버전의 시트를 자동으로 입력합니다. 알고리즘은 실제값에 정의된 이력 참조를 기반으로 데이터를 예측합니다. 알고리즘이 이력 데이터로 참조할 추가 계획 버전을 지정할 수도 있습니다. 예측을 생성하고 저장한 다음 나중에 다시 돌아와서 예측을 실행할 수 있습니다.
특정 시간 간격으로 실행되도록 예측을 스케줄링할 수도 있습니다.
실행 이력을 확인하고, 인스턴스에 사용가능한 신뢰도 메트릭이 있으면
Confidence Metrics를
검토할 수도 있습니다. 선택한 계획 버전의 시트에 있는 기존 데이터가 예측으로 대체됩니다. 예측을 성공적으로 실행한 후에는 예측 데이터를 되돌릴 수 없습니다.
- 주 메뉴에서모델링을 선택합니다.
- Predictive Forecaster 를클릭합니다.
- 신규 항목 추가를클릭하고예측을선택합니다.
- 고유한이름을129자 미만으로 입력하십시오.
- 다음과 같이예측섹션을 완료합니다.
옵션 설명 시트예측 데이터로 자동입력할 표준 또는 큐브 시트를 선택합니다.예측 버전예측 데이터로 자동입력하려는 계획 버전을 선택합니다. 예측이 실패하므로 잠긴 버전을 선택하지 마십시오. 예측이 실패한 후 이력을 확인하고 오류를 리뷰하면 추가 지침을 받을 수 있습니다.롤링 예측참조 데이터로 선택한실제값 버전의 실제값표시 종료일 기간에 다음 기간을 자동으로 맞추려면 이 확인란을 선택합니다.- 예측 시작 기간
- 실제값 시작 기간
필요한 경우 예측 버전의계획 시작을예측일을 이동하는 기준 기간으로 사용합니다.최상의 결과를 얻으려면 다음을 수행하십시오.- 신규 실제값 데이터를 로드할 때마다 모델링 > 버전에서실제값 표시 종료일기간을 업데이트합니다.
- 자동으로 실행되도록 스케줄에 예측을 추가합니다.
롤링 예측 기간롤링 예측확인란을 선택하면 표시됩니다.이동하려는 기간을 선택합니다.교대근무 예측 시작 기간 및 종료 기간: 두 기간을 실제값 버전의실제값 표시 종료 값또는 예측 버전의계획 시작과 동기화합니다. 최상의 결과를 얻으려면실제값 표시종료일 기간을 정기적으로 업데이트합니다.교대근무 전용 예측 시작 기간: 이 옵션을 사용하면예측 시작 기간이예측 종료 기간이후가 될 수 있습니다. 이 경우스케줄페이지에 경고가 표시됩니다.예측 시작 기간머신러닝 데이터를 시작해야 하는 시기를 선택합니다.롤링 예측의 경우 이 날짜는 읽기 전용이며 다음 중 더 늦은 기간과 동일합니다.- 실제값 버전의실제값 표시종료일 이후 1개 기간
- 예측 버전의계획 시작
예측 종료 기간예측 시작 기간이후의 기간을 선택하여 머신러닝 데이터를 중지해야 하는 시기를 나타냅니다.롤링 예측의 경우예측 시작 기간 및 종료 기간 이동라디오 버튼도 선택하면 이 날짜가예측 시작 기간과 동일한 기간 수만큼 앞으로 이동합니다.예측 범위사용가능 시간 제한: 이 기능에 대한 자격이 있는지 문의하십시오.이 확인란을 클릭하여 2개의 추가 예측을 생성합니다. 1은 예측의 상한을 포함합니다. 다른 하나는 예측의 하한을 포함합니다. 이 옵션은 또한 예측 이력을 조회할 때Confidence Metrics탭에 부채꼴 차트를 생성합니다. 차트는 시간 경과에 따른 범위를 보여줍니다. 참조 개념: Predictive Forecaster를 사용한 예측 범위 및 정확도.확률 레벨사용가능 시간 제한: 이 기능에 대한 자격이 있는지 문의하십시오.예측 범위를선택하면 표시됩니다.55에서 95 사이의 퍼센트를 선택합니다. 퍼센트가 높을수록 하한과 상한 사이의 범위가 더 넓습니다.상한 버전사용가능 시간 제한: 이 기능에 대한 자격이 있는지 문의하십시오.예측 범위를선택하면 표시됩니다.예측의 가능성이 가장 높은 값으로 자동입력하려는 계획 버전을 선택합니다. 버전은 예측 범위 내에 있어야 합니다.하한 버전사용가능 시간 제한: 이 기능에 대한 자격이 있는지 문의하십시오.예측 범위를선택하면 표시됩니다.예측의 가능한 최저 값으로 자동입력하려는 계획 버전을 선택합니다. 버전은 예측 범위 내에 있어야 합니다.정확도 메트릭사용가능 시간 제한: 이 기능에 대한 자격이 있는지 문의하십시오.기존 실제값에 대해 예측의 백테스트를 실행하려면 이 확인란을 선택합니다. 정확도 정도는 예측 이력을 조회할 때 의Confidence Metrics탭에 퍼센트로 표시됩니다.예측 설명예측 실행 후 신뢰도 메트릭 탭에서 다음 항목을 생성하려면 이 확인란을 선택합니다.- 계절성, 추이 및 잔여 구성요소(해당하는 경우)가 예측 값에 기여하는 방식을 나타내는 차트입니다.
- 차트 구성요소를 설명하는 텍스트입니다.
- 필터섹션을 완료하면 다음이 수행됩니다.
옵션 설명 계정필수입니다. 머신러닝 데이터로 자동입력할 계정을 선택합니다.레벨디멘션(옵션) 머신러닝 데이터로 자동입력할 레벨 및 커스텀 디멘션을 선택합니다.레벨 및 디멘션 필터를 사용하여 예측에서 시계열 수를 제한하는 것이 좋습니다.필터를 지정하지 않으면 모든 레벨 및 디멘션에서 예측이 실행됩니다.예를 들어레벨에서 아무것도 선택하지 않습니다. 시트에 포함된 모든 레벨에서 예측이 실행됩니다. 모든 레벨 및 디멘션을 포함하여 더 큰 시트의 경우 에서 예측을 완료하는 데 걸리는 시간을 늘릴 수 있습니다.필터에는예측섹션에서 선택한 시트에 이미 있는 계정, 레벨 및 디멘션만 포함됩니다.각 필터에 대해 다음을 수행합니다.- 계정, 레벨 또는 디멘션을 하나 이상 선택할 수 있습니다.
- parent 항목을 선택하면 descendant 항목이 자동으로 선택됩니다.
- 선택항목탭에서 선택항목을 리뷰하고 제거할 수 있습니다.
- 다음과 같이참조 데이터섹션을 완료합니다.
옵션 설명 실제값 버전알고리즘이 이력 데이터로 참조할 실제값 버전을 선택합니다.실제값 시작 기간예측 종료 기간이후의 기간을 선택합니다.실제값 종료 기간실제값 시작 기간이후의 기간을 선택합니다. 실제값과 예측값의 비율이 3:2 이상이어야 합니다. 선택한 알고리즘에 필요한 데이터 요소 수도 필요합니다.롤링 예측의 경우 이 날짜는 읽기 전용이며 실제값 버전의실제값 표시종료일과 일치합니다.실제값 표시종료일이 비어 있으면 예측 버전의계획 시작전 기간으로 조정됩니다.계획 버전 추가더 많은 참조 데이터에 대한 계획 버전을 추가하려면 클릭합니다. 계획 참조의 시간 범위가 예측 또는 실제값 시간 범위와 중복되지 않는지 확인합니다.예: 예측은 2023년 1월에 시작하여 2023년 3월에 종료됩니다. 실제값 참조는 2022년 1월에 시작하여 2022년 12월에 종료됩니다. 플랜 참조는 2022년 1월과 2023년 3월 사이의 기간이 중복되지 않아야 합니다. - 고급 설정섹션의알고리즘하위 섹션을 완료합니다.
옵션 설명 알고리즘알고리즘을 선택합니다. 데이터에 가장 적합한 알고리즘을 찾기 위해 시행착오 프로세스를 거쳐야 할 수 있습니다.자세한 내용은 다음을 참조하십시오. 참조: Adaptive Planning을 위한 머신러닝 알고리즘.계절적 변동 자동 감지ML 시스템이 참조 데이터에서 계절성을 자동으로 감지하도록 하려면 선택된 상태로 둡니다. 계절성을 수동으로 구성하려면 이 확인란을 선택취소합니다.계절적 변동계절성 자동 감지를선택취소하면 표시됩니다.다음 알고리즘에 사용할 수 있습니다.- AutoFit
- Holt-Winters
- 칼만 필터
- Orbit DLT
- Prophet
자동 맞춤은 계절성을 지원하는 알고리즘에 대해 정의한 계절성만 적용합니다.다음을 선택하는 경우:- 매년- 3년의 실제값 데이터가 있어야 합니다.
- 연 2회- 18개월의 실제값 데이터가 있어야 합니다.
- Quarterly- 9개월의 실제값 데이터가 있어야 합니다.
- 없음- 데이터에 계절성이 없습니다.
Kalman 필터 알고리즘의 경우 계절성을 고려하여 모델링함을 나타내려면데이터가 계절적 변동 있음확인란을 선택합니다. 계절성을 고려하지 않으려면 확인란을 선택취소합니다.주별 계절적 변동사용가능 대상:- 자동 맞춤
- Prophet
알고리즘에서 주별 패턴도 고려하도록 하려면 이 확인란을 선택합니다. 이 옵션을 사용하려면 예측 및 참조 버전의 시간 범위에 일일 케이던스가 있어야 합니다.자동 맞춤을 선택하면 주간 계절성이 Prophet을 사용하는 데이터에만 적용됩니다.곱셈 기법 계절적 변동계절성 자동 감지를선택취소하면 표시됩니다.사용가능 대상:- 자동 맞춤
- Holt-Winters
- Prophet
계절성이 추이의 변동에 비례함을 나타내려면 이 확인란을 선택합니다.값 반올림예측에 음수를 사용하지 않으려면 이 확인란을 선택합니다.레버 시트사용가능 대상:- 자동 맞춤
- ARIMA
- LightGBM.
- 궤도 DLT
- Prophet
알고리즘이 참조할 회귀 데이터가 포함된 시트를 최대 3개까지 선택합니다. 이 옵션을 선택하기 전에 다음을 수행합니다.자동 맞춤의 경우, 회귀 변수 데이터가 Prophet 또는 Orbit DLT를 사용하는 데이터에 적용됩니다. - 고급 설정섹션의신뢰도 메트릭하위 섹션을 완료합니다.
옵션 설명 예측 범위사용가능 시간 제한: 이 기능에 대한 자격이 있는지 문의하십시오.이 확인란을 클릭하여 2개의 추가 예측을 생성합니다. 1은 예측의 상한을 포함합니다. 다른 하나는 예측의 하한을 포함합니다. 이 옵션은 또한 예측 이력을 조회할 때신뢰도 메트릭하위 섹션에 부채꼴 차트를 생성합니다. 차트는 시간 경과에 따른 범위를 보여줍니다. 참조 개념: Predictive Forecaster를 사용한 예측 범위 및 정확도.확률 레벨사용가능 시간 제한: 이 기능에 대한 자격이 있는지 문의하십시오.예측 범위를선택하면 표시됩니다.55에서 95 사이의 퍼센트를 선택합니다. 퍼센트가 높을수록 하한과 상한 사이의 범위가 더 넓습니다.상한 버전사용가능 시간 제한: 이 기능에 대한 자격이 있는지 문의하십시오.예측 범위를선택하면 표시됩니다.예측의 가능성이 가장 높은 값으로 자동입력하려는 계획 버전을 선택합니다. 버전은 예측 범위 내에 있어야 합니다.하한 버전사용가능 시간 제한: 이 기능에 대한 자격이 있는지 문의하십시오.예측 범위를선택하면 표시됩니다.예측의 가능한 최저 값으로 자동입력하려는 계획 버전을 선택합니다. 버전은 예측 범위 내에 있어야 합니다.예측 설명예측 실행 후신뢰도 메트릭하위 섹션에서 다음 항목을 생성하려면 이 확인란을 선택합니다.- 계절성, 추이 및 잔여 구성요소(해당하는 경우)가 예측 값에 기여하는 방식을 나타내는 차트입니다.
- 차트 구성요소를 설명하는 텍스트입니다.
- 실행을클릭하여 예측을 시작합니다.저장을클릭하여 나중에 실행할 수도 있습니다.
예측이 다음 상태로 목록에 표시됩니다.
상태 | 설명 |
|---|---|
공백 | 예측의 매개변수를 저장했지만 아직 실행하지 않았습니다. |
대기 중
| 예측을 실행했지만 대기 중인 예측이 완료될 때까지 시작할 수 없습니다. |
진행 중
| 예측이 실행 중입니다. 예측 이력 페이지의상태 섹션에 완료율과 상태 표시줄이 제공됩니다. |
성공
| 계획 버전에 예측 데이터가 입력되었습니다. 예측 목록에서 시트명을 클릭하여 시트를 엽니다. 예측 데이터에 대해 선택한 버전을 사용하고 있는지 확인합니다. 예측 데이터를 리뷰합니다. |
실패
| 예측에 오류가 있습니다. 문제를 해결하고 다시 시도하는 데 도움이 되도록 예측 이력 페이지의상태 섹션에 오류 목록이 표시됩니다. |
취소
| 누군가가 예측 완료를 중지했습니다. |
최상의 결과를 얻으려면, 특히 롤링 예측인 경우 예측을 스케줄에 추가합니다. 참조 머신러닝 예측 스케줄링.