La previsione consente agli analisti di aggiungere rapidamente proiezioni di dati alle query Esplora nuove o esistenti per aiutare gli utenti a prevedere e monitorare punti dati specifici. Le visualizzazioni e i risultati dell'esplorazione prevista possono essere aggiunti alle dashboard e salvati come Look. Le visualizzazioni e i risultati previsti possono essere creati e visualizzati anche in contenuti Looker incorporati.
Puoi prevedere i dati se disponi dell'autorizzazione per creare previsioni.
Come vengono creati e visualizzati i risultati previsti
La funzionalità Previsione utilizza i risultati dei dati nella tabella dati di un'esplorazione per calcolare i punti dati futuri. I calcoli di previsione includono solo i risultati visualizzati di una query Esplora; non sono inclusi i risultati che non vengono visualizzati a causa dei limiti di righe. Per ulteriori informazioni sull'algoritmo utilizzato per calcolare le previsioni, consulta la sezione Algoritmo ARIMA in questa pagina.
I risultati previsti vengono mostrati come continuazione delle visualizzazioni di Esplora esistenti e sono soggetti alle impostazioni di visualizzazione configurate. I punti dati previsti vengono distinti da quelli non previsti nei seguenti modi:
- Nei grafici cartesiani supportati, i punti dati previsti vengono differenziati da quelli non previsti mediante il rendering in una tonalità più chiara o con linee tratteggiate.
- Nei tipi di grafici di testo e a tabella supportati, i punti dati previsti sono in corsivo e presentano un asterisco.
I dati previsti sono identificati esplicitamente anche nella descrizione comando che viene visualizzata quando passi il mouse sopra un punto dati previsto.
Come descritto nella sezione seguente, solo alcuni tipi di visualizzazioni supportano i dati previsti.
Algoritmo ARIMA
La previsione utilizza un algoritmo di media mobile integrata autoregressiva (ARIMA) per creare un'equazione che corrisponde meglio ai dati inseriti in una previsione. Per trovare la corrispondenza migliore per i dati, Looker esegue ARIMA con un insieme di variabili iniziali, crea un elenco di varianti delle variabili iniziali ed esegue di nuovo ARIMA con queste varianti. Se una delle varianti crea un'equazione che si adatta meglio ai dati di input, Looker utilizza queste varianti come nuove variabili iniziali e crea ulteriori varianti che vengono poi valutate. Looker continua a ripetere il processo fino a quando non vengono identificate le variabili migliori o fino a quando non vengono esaurite tutte le opzioni o il tempo di calcolo allocato.
Questo processo può essere considerato come un algoritmo genetico, in cui gli individui di centinaia di generazioni creano da 1 a 10 discendenti ciascuno (variazioni di variabili basate sul genitore) e la prole migliore sopravvive per creare generazioni "migliori". Il modo in cui Looker utilizza molte chiamate di ARIMA in un approccio basato su algoritmi genetici è chiamato AutoARIMA.
Per maggiori dettagli su AutoARIMA, consulta la sezione Suggerimenti per l'utilizzo di auto_arima della Guida dell'utente di pmdarima. Sebbene questa non sia la libreria utilizzata da Looker per eseguire AutoARIMA, pmdarima fornisce la migliore spiegazione del processo e delle diverse variabili utilizzate.
Tipi di visualizzazione supportati
I seguenti tipi di visualizzazione cartesiana supportano il rendering dei dati previsti:
I seguenti tipi di grafici a testo e a tabella supportano il rendering dei dati previsti:
Al momento, altri tipi di visualizzazioni, incluse le visualizzazioni personalizzate, non possono visualizzare i dati previsti.
Esplora i requisiti di query per la previsione
Per creare una previsione, un'esplorazione deve soddisfare i seguenti requisiti:
- Includi esattamente una dimensione, che deve essere una dimensione di periodo di tempo, con il riempimento dimensione attivato.
- Includi almeno una misura o misurazione personalizzata (una previsione può includere fino a cinque misure o misure personalizzate)
- Ordina i risultati in base alla dimensione del periodo di tempo in ordine decrescente
Aspetti da considerare
Di seguito sono riportati ulteriori criteri da considerare quando crei una nuova query di esplorazione per fare previsioni o aggiungere una previsione a una query di esplorazione esistente:
- Pivot: le previsioni possono essere eseguite su esplorazioni con pivot, a condizione che siano soddisfatti i requisiti precedenti.
- Totali delle righe e subtotali: i totali e i subtotali delle righe non includono i valori previsti; non è consigliabile utilizzare i subtotali o i totali delle righe con la previsione, poiché ciò può produrre numeri imprevisti.
- Filtri che includono intervalli di tempo incompleti: per previsioni accurate, la previsione deve essere utilizzata solo in combinazione con una logica di periodo di tempo completo nei filtri di esplorazione quando le esplorazioni includono dati per periodi di tempo incompleti. Ad esempio, se un utente prevede i dati per un mese nel futuro, mentre un'esplorazione viene filtrata in modo da visualizzare i dati degli ultimi tre mesi, quest'ultima include i dati relativi al mese attualmente incompleto. La previsione incorporerà i dati incompleti nel calcolo e mostrerà risultati più inaffidabili. Per garantire una previsione più accurata, utilizza invece una logica di filtro come negli ultimi 3 mesi completi, anziché negli ultimi 3 mesi, quando un'esplorazione include periodi di tempo incompleti (ad esempio quando un'esplorazione include dati mensili incompleti per il mese corrente).
- Calcoli tabulari: i calcoli tabulari basati su una o più misure previste verranno inclusi automaticamente in una previsione.
- Limiti di righe: scopri come si applicano i limiti di righe all'intera tabella di dati, incluse le righe previste.
Per ulteriori suggerimenti e risorse per la risoluzione dei problemi, consulta la sezione Problemi comuni e cose da sapere in questa pagina.
In genere, un set di dati con più righe, in combinazione con una durata di previsione più breve, dà una previsione più accurata.
Opzioni del menu Previsione
Puoi utilizzare le opzioni del menu Previsione, disponibile nella scheda Esplora Visualizzazione, per personalizzare i dati di previsione. Il menu Previsione include le seguenti opzioni:
Seleziona campo
Il menu a discesa Seleziona campo mostra le misure o le misure personalizzate nella query Esplora disponibili per la previsione. È possibile selezionare fino a cinque misure o misure personalizzate.
Lunghezza
L'opzione Lunghezza indica il numero di righe o il periodo di tempo per cui prevedere i valori dei dati. L'intervallo di durata della previsione viene completato automaticamente in base alla dimensione temporale nella query Esplora.
In genere, un set di dati con più righe, in combinazione con una durata di previsione più breve, genera una previsione più accurata.
Intervallo di previsione
L'opzione Intervallo di previsione consente agli analisti di esprimere una certa incertezza nelle previsioni per favorire l'accuratezza. Se abilitata, l'opzione Intervallo di previsione consente di selezionare i limiti dei valori dei dati previsti. Ad esempio, un intervallo di previsione del 95% indica una probabilità del 95% che i valori di misurazione previsti rientrino tra il limite superiore e quello inferiore della previsione.
Maggiore è l'intervallo di previsione selezionato, più ampio è il limite superiore e quello inferiore.
Stagionalità
L'opzione Stagionalità consente agli analisti di tenere conto dei cicli noti o delle tendenze dei dati ripetitive in una previsione e fa riferimento al numero di righe di dati nel ciclo. Ad esempio, se una tabella di dati Esplora ha una riga all'ora e i dati vengono ciclici quotidianamente, la stagionalità è 24.
Con le impostazioni di previsione predefinite, Looker fa riferimento alla dimensione Data in un'esplorazione ed analizza diversi possibili cicli di stagionalità per trovare la corrispondenza migliore per la previsione finale. Ad esempio, quando si utilizzano dati orari, Looker può provare cicli di stagionalità giornalieri, settimanali e di quattro settimane. Looker tiene conto anche della frequenza della dimensione: se una dimensione rappresenta un periodo di sei ore, Looker sa che ci saranno solo quattro righe in un giorno e modificherà la stagionalità di conseguenza.
Per i casi d'uso comuni, l'opzione Automatico rileva la stagionalità migliore per un determinato set di dati. Se conosci cicli specifici nel set di dati, l'opzione Personalizzato ti consente di specificare il numero di righe che compongono un ciclo per le singole misure in una previsione.
Quando prevedi i valori dei dati per più misure, puoi selezionare diverse opzioni di stagionalità, inclusa nessuna, per ogni singola misura. Il menu a discesa Stagionalità contiene diverse opzioni:
La previsione applica l'opzione della stagionalità Automatica alle previsioni per impostazione predefinita, anche quando l'opzione Stagionalità non è abilitata.
Automatica
Con l'opzione di stagionalità Automatica, Looker seleziona l'opzione migliore per i tuoi dati di diversi periodi stagionali comuni, come giornaliero, orario, mensile e così via.
Personalizzato
Quando conosci il numero specifico di righe che compongono ogni stagione o ciclo nel tuo set di dati, puoi specificare il numero nel campo Periodo. Può essere utile selezionare Personalizzato se sai che i tuoi dati cicli in un numero specifico di righe.
Quando lavori con dati che ciclizzano in mesi ma che vengono espressi con maggiore granularità (ad esempio, utilizzando una granularità per data o settimana in un'esplorazione), in genere un periodo di 4 o 30 giorni corrisponde a cicli mensili.
Nessuna esperienza
La stagionalità è un componente importante delle previsioni; tuttavia, a seconda dei dati di input, non è sempre consigliata. Se nei dati non sono presenti cicli prevedibili, l'attivazione della stagionalità può occasionalmente portare a previsioni imprecise quando l'algoritmo tenterà di trovare un pattern e quindi tenterà di adeguarlo alla previsione. Ciò può comportare una previsione incomprensibile.
Quando esegui previsioni sui valori dei dati per più misure e vuoi attivare la Stagionalità solo per una o alcune, puoi selezionare Nessuna per tutte le misure per cui non vuoi attivare Stagionalità.
Creazione di una previsione
Solo gli utenti con autorizzazione possono creare previsioni.
Per creare una previsione, segui questi passaggi:
Assicurati che l'esplorazione soddisfi i requisiti di previsione. Ad esempio, un utente vuole creare una previsione per una query Esplora con Mese di utenti creati, Conteggio utenti e Conteggio ordini che sono ordinati in base al Mese creato dagli utenti in ordine decrescente. I risultati mostrano i dati fino a dicembre 2019.
Fai clic su Previsione nella scheda Esplora Visualizzazione per aprire il menu Previsione.
Fai clic sul menu a discesa Seleziona campo per scegliere fino a cinque misure o misure personalizzate da prevedere. L'utente nell'esempio seleziona Conteggio utenti e Conteggio ordini.
Inserisci la lunghezza di tempo nel futuro da prevedere nel campo Lunghezza. L'utente nell'esempio inserisce 6 mesi.
(Facoltativo) Fai clic sull'opzione Intervallo di previsione o Stagionalità per abilitare entrambe le funzionalità e personalizzare le opzioni associate. L'utente nell'esempio non attiva nessuna delle due opzioni.
Fai clic sulla x nella scheda del menu accanto a Previsione per salvare le impostazioni e uscire dal menu.
Fai clic su Esegui per eseguire nuovamente la query Esplora. Devi eseguire nuovamente l'esplorazione dopo aver apportato eventuali modifiche alla previsione.
I risultati e la visualizzazione dell'esplorazione ora mostreranno i valori previsti per il periodo di tempo specificato. Con le opzioni specificate, l'esplorazione di esempio mostra i dati previsti per Conteggio utenti e Conteggio ordini per sei mesi dal 1° gennaio 2020 al 6° giugno 2020.
Poiché i calcoli previsti dipendono dall'ordine in cui i dati sono ordinati, l'ordinamento viene disattivato dopo l'esecuzione della query prevista.
Modificare una previsione
Solo gli utenti con autorizzazione possono modificare le previsioni.
Per modificare una previsione:
- (Facoltativo) Modifica la query Esplora in base alle necessità per aggiungere o rimuovere misure o campi di tempo diversi. Assicurati che l'esplorazione soddisfi i requisiti di previsione.
- Fai clic su Previsione nella scheda Esplora Visualizzazione per aprire il menu Previsione.
- Fai clic sul menu a discesa Seleziona campo per apportare modifiche ai campi previsti. Per rimuovere i campi previsti:
- Per rimuovere i campi dalla previsione, fai clic sulle caselle accanto ai campi previsti nel menu a discesa Seleziona campo espanso.
- In alternativa, fai clic sulla x accanto al nome del campo nel menu Seleziona campo compresso.
- Modifica la lunghezza di tempo specificata nel futuro per eseguire una previsione nel campo Lunghezza, come preferisci.
- (Facoltativo) Fai clic sull'opzione Intervallo di previsione o Stagionalità per abilitare entrambe le funzionalità e personalizzare le opzioni associate.
- Se l'opzione Intervallo di previsione o Stagionalità è già stata abilitata, le personalizzazioni verranno visualizzate. Modifica le impostazioni personalizzate in base alle tue esigenze oppure seleziona l'opzione per rimuovere la funzione dalla previsione.
- Fai clic sulla x nella scheda del menu accanto a Previsione per salvare le impostazioni e uscire dal menu.
- Fai clic su Esegui per eseguire nuovamente la query Esplora. Dopo aver apportato eventuali modifiche alla previsione, devi eseguire nuovamente l'esplorazione.
I risultati e la visualizzazione dell'esplorazione ora mostreranno la previsione modificata. Poiché i calcoli previsti dipendono dall'ordine in cui i dati sono ordinati, l'ordinamento viene disattivato dopo l'esecuzione della query prevista.
Rimuovere una previsione
Solo gli utenti con autorizzazione possono rimuovere le previsioni.
Per rimuovere una previsione da un'esplorazione:
- Fai clic su Previsione nella scheda Esplora Visualizzazione per aprire il menu Previsione.
- Fai clic su Cancella nella parte superiore del menu Previsione.
La query verrà eseguita di nuovo automaticamente per produrre i risultati senza una previsione applicata.
Problemi comuni e cose da sapere
Quanto è preciso?
La precisione di una previsione dipende dai dati di input. L'implementazione AutoARIMA di Looker può effettuare previsioni incredibilmente accurate che combinano correttamente molte sfumature dai dati di input. Ci sono anche casi in cui l'algoritmo viene rilevato in pattern strani nei dati di input e li mette in risalto eccessivamente nella previsione. Verifica che vengano forniti dati sufficienti e che siano il più precisi possibile per ottenere il massimo dalla previsione.
Impossibile generare una previsione
Non è possibile generare una previsione per motivi legittimi. Questi problemi di solito sono dovuti all'eccessiva quantità di dati di input o all'eccessiva durata richiesta della previsione. Non esiste un limite specifico per entrambi i fattori e non esiste un rapporto esatto dei dati di input richiesti per una certa durata della previsione. Più sono sparsi e imprevedibili i dati di input, più difficile sarà per l'algoritmo AutoARIMA trovare una corrispondenza. Il modo più efficace per generare una previsione è aumentare la quantità di dati di input chiari, verificare che le impostazioni della stagionalità siano corrette e ridurre la durata della previsione al solo valore necessario. Quando utilizzi l'opzione Intervallo di previsione, può essere utile scegliere un intervallo più basso.
La pulizia dei dati di input può comportare:
- Ritaglio delle righe iniziali o finali per periodi di tempo che non contengono dati
- Riduzione del rumore nel set di dati scegliendo una dimensione di data più grande
- Modifica dei valori anomali del filtro che non apportano benefici alla previsione
Il risultato della query è stato restituito senza previsioni e ho ricevuto un errore oscuro
Questo non dovrebbe verificarsi. In caso affermativo, prova a rimuovere la misura o le misure dalla configurazione della previsione e poi aggiungile di nuovo.
La previsione viene visualizzata, ma è ovviamente errata o inutile
La cosa migliore da fare in questo caso è aggiungere altri dati di input, pulirli il più possibile e potenzialmente impostare una stagionalità personalizzata (se sei a conoscenza di cicli specifici nei dati) o disattivare del tutto l'opzione Stagionalità selezionando Nessuno.
La pulizia dei dati di input può comportare le seguenti attività:
- Ritaglio delle righe iniziali o finali per periodi di tempo che non contengono dati
- Riduzione del rumore nel set di dati scegliendo una dimensione di data più grande
- Modifica dei valori anomali del filtro che non apportano benefici alla previsione