Voorspellende prognose met machine learning

Dit verbetert de nauwkeurigheid van prognoses doordat u het ARIMA-algoritme kunt gebruiken om nauwkeurigere prognoses te genereren door rekening te houden met verschillende gegevenspatronen en ongebruikelijke gebeurtenissen.

Dit verbetert de verklaarbaarheid van prognoses door een nieuw functie-impactdiagram te bieden waarmee u meer inzicht krijgt in factoren en hoe de hefbomen (regressors) die u toevoegt, van invloed zijn op uw prognose.

Wanneer u de prognose voor het eerst maakt, worden de volgende velden automatisch ingevuld:

Prognoseversie
Metriek nauwkeurigheid:
Versie werkelijke waarden
Planversie
Seizoensgebondenheid automatisch detecteren

Wanneer u voor het eerst een waarde invoert in het veld Blad, worden de volgende velden automatisch ingevuld:

Beginperiode prognose
Eindperiode prognose
Niveaus
Dimensies
Beginperiode werkelijke waarden
Eindperiode werkelijke waarden

Wanneer u alle velden op deze pagina opnieuw instelt omdat u een andere blad- of prognoseversie hebt geselecteerd, worden deze velden automatisch ingevuld:

Beginperiode prognose
Eindperiode prognose
Niveaus
Dimensies
Beginperiode werkelijke waarden
Eindperiode werkelijke waarden

We werken de knopinfo voor het veld

Dimensies

bij.

We voegen

ARIMA

toe als optie in het veld Algoritme.

Er worden nu nieuwe bevestigingsdialoogvensters weergegeven wanneer u de waarden in deze velden wijzigt om u te waarschuwen dat de actie alle gerelateerde velden opnieuw instelt op hun standaardwaarden:

Blad:
Prognoseversie

Op het tabblad

Metriekwaarden vertrouwen

van de pagina

Prognosegeschiedenis

wordt een nieuw diagram Functie-effecten weergegeven.