La previsión permite que los analistas agreguen rápidamente proyecciones de datos a las consultas de Explorar nuevas o existentes para ayudar a los usuarios a predecir y supervisar datos específicos. Las visualizaciones y los resultados de la exploración prevista se pueden agregar a los paneles y guardar como vistas. Las visualizaciones y los resultados previstos también se pueden crear y ver en el contenido incorporado de Looker.
Puedes prever los datos si tienes permiso para crear previsiones.
Cómo se crean y se muestran los resultados previstos
La función Previsión usa los resultados de los datos de la tabla de datos de una exploración para calcular datos futuros. Los cálculos de previsión incluyen solo los resultados que se muestran de una consulta de Explorar. No se incluyen los resultados que no se muestran debido a los límites de filas. Si deseas obtener más información sobre el algoritmo que se utiliza para calcular las previsiones, consulta la sección Algoritmo ARIMA en esta página.
Los resultados previstos se muestran como una continuación de las visualizaciones existentes de Explorar y están sujetos a la configuración de visualización que se haya establecido. Los datos previstos se distinguen de los datos no previstos de las siguientes maneras:
- En los gráficos cartesianos compatibles, los datos previstos se diferencian de los no previstos mediante la renderización en un tono más claro o con líneas punteadas.
- En los tipos de gráficos de texto y tabla admitidos, los datos previstos aparecen en cursiva y se agregan con un asterisco.
Los datos previstos también se identifican de forma explícita en la información que aparece cuando colocas el cursor sobre un dato previsto.
Solo ciertos tipos de visualizaciones admiten datos previstos, como se analiza en la siguiente sección.
Algoritmo ARIMA
La previsión aprovecha el algoritmo de media móvil integrada autorregresiva (ARIMA) para crear una ecuación que coincida mejor con los datos que se ingresan en una previsión. Para encontrar la mejor coincidencia para los datos, Looker ejecuta ARIMA con un conjunto de variables iniciales, crea una lista de variaciones de las variables iniciales y vuelve a ejecutar ARIMA con esas variaciones. Si alguna de las variaciones crea una ecuación que se ajusta mejor a los datos de entrada, Looker usa esas variaciones como las nuevas variables iniciales y crea variaciones adicionales que luego se evalúan. Looker continúa repitiendo este proceso hasta que se identifiquen las mejores variables o hasta que se agoten todas las opciones o el tiempo de procesamiento asignado.
Este proceso se puede considerar como un algoritmo genético, en el que los individuos de cientos de generaciones crean de 1 a 10 crías cada una (variaciones de las variables según la madre) y la mejor descendencia sobrevive para crear, potencialmente, generaciones "mejores". La forma en que Looker usa muchas invocaciones de ARIMA en un enfoque de algoritmo genético se denomina AutoARIMA.
Para obtener detalles adicionales sobre AutoARIMA, consulta la sección Sugerencias para usar auto_arima de la Guía del usuario de pmdarima. Aunque esta no es la biblioteca que Looker usa para ejecutar AutoARIMA, pmdarima proporciona la mejor explicación del proceso y las diferentes variables que se usan.
Tipos de visualizaciones compatibles
Los siguientes tipos de visualización cartesiana admiten la renderización de datos previstos:
Los siguientes tipos de gráficos de texto y tabla admiten la renderización de datos previstos:
Por el momento, otros tipos de visualización, incluidas las visualizaciones personalizadas, no pueden renderizar datos previstos.
Explorar los requisitos de las consultas para la previsión
Para crear una previsión, una exploración debe cumplir con los siguientes requisitos:
- Incluye exactamente una dimensión, que debe ser una dimensión de período de tiempo, con el relleno de dimensión habilitado
- Incluya, al menos, una medición o una medida personalizada (una previsión puede incluir hasta cinco mediciones o mediciones personalizadas).
- Ordena los resultados por dimensión de período en orden descendente.
Aspectos para tener en cuenta
A continuación, se incluyen criterios adicionales que se deben tener en cuenta cuando creas una nueva consulta de exploración para prever o agregar una previsión a una consulta de exploración existente:
- Elementos dinámicos: Las previsiones se pueden realizar en exploraciones dinámicas, siempre que se cumplan los requisitos anteriores.
- Totales y subtotales de filas: Los totales y subtotales de filas no incluyen los valores previstos. No recomendamos usar subtotales ni totales de filas con la previsión, ya que esto puede generar números inesperados.
- Filtros que incluyen períodos incompletos: Para obtener proyecciones precisas, la previsión solo se debe usar junto con una lógica de período completo en Explorar filtros cuando las exploraciones incluyen datos de períodos incompletos. Por ejemplo, si un usuario prevé datos para un mes en el futuro mientras se filtra una exploración para mostrar los datos de los últimos tres meses, esta incluirá los datos del mes actual incompleto. La previsión incorporará los datos incompletos en su cálculo y mostrará resultados más poco confiables. En su lugar, usa una lógica de filtro, como en los últimos 3 meses completos, en lugar de en los últimos 3 meses, cuando una exploración incluye períodos incompletos (por ejemplo, cuando una exploración incluye datos mensuales incompletos del mes actual) para garantizar una previsión más precisa.
- Cálculos basados en tablas: Los cálculos basados en tablas que se basan en una o más mediciones previstas se incluirán automáticamente en una previsión.
- Límites de filas: Explora cómo se aplican los límites de filas a toda la tabla de datos, incluidas las filas previstas.
Para obtener más sugerencias y recursos de solución de problemas, consulta la sección Problemas comunes y aspectos que debes saber en esta página.
Por lo general, un conjunto de datos con más filas, junto con una previsión más corta, dará como resultado una previsión más precisa.
Opciones del menú de previsión
Puedes usar las opciones del menú Previsión, ubicado en la pestaña Visualización de Explorar, para personalizar los datos previstos. El menú Previsión incluye las siguientes opciones:
Seleccionar campo
El menú desplegable Seleccionar campo muestra las mediciones o medidas personalizadas de la consulta Explorar que están disponibles para la previsión. Se pueden seleccionar hasta cinco mediciones o mediciones personalizadas.
Longitud
La opción Longitud indica la cantidad de filas o el período durante el cual se deben prever los valores de los datos. El intervalo de duración de la previsión se propaga automáticamente en función de la dimensión de período de la consulta Explorar.
Por lo general, un conjunto de datos con más filas, junto con una previsión más corta, genera una previsión más precisa.
Intervalo de predicción
La opción Intervalo de predicción permite a los analistas expresar cierta incertidumbre en las previsiones para mejorar la exactitud. Cuando está habilitada, la opción Intervalo de predicción te permite seleccionar los límites de los valores de datos previstos. Por ejemplo, un intervalo de predicción del 95% indica una probabilidad del 95% de que los valores de las mediciones previstas estén entre los límites inferior y superior de la previsión.
Cuanto mayor sea el intervalo de predicción seleccionado, más amplios serán los límites inferior y superior.
Estacionalidad
La opción Estacionalidad permite a los analistas dar cuenta de los ciclos conocidos o las tendencias de datos repetitivas en una previsión y se refiere a la cantidad de filas de datos en el ciclo. Por ejemplo, si una tabla de datos de Explorar tiene una fila por hora y los ciclos de datos a diario, la estacionalidad es 24.
Con la configuración de previsión predeterminada, Looker hace referencia a la dimensión de fecha en Explorar y analiza varios ciclos de estacionalidad posibles a fin de encontrar la mejor coincidencia para la previsión final. Por ejemplo, cuando se usan datos por hora, Looker puede probar ciclos estacionales diarios, semanales y de cuatro semanas. Looker también tiene en cuenta la frecuencia de la dimensión: si una dimensión representa un período de seis horas, Looker sabe que solo habrá cuatro filas en un día y ajustará la estacionalidad en consecuencia.
En casos de uso habituales, la opción Automática detecta la mejor estacionalidad para un conjunto de datos determinado. Si conoces ciclos específicos en el conjunto de datos, la opción Personalizado te permite especificar la cantidad de filas que conforman un ciclo para mediciones individuales en una previsión.
Cuando realizas previsiones de valores de datos para varias mediciones, puedes seleccionar diferentes opciones de estacionalidad, incluida ninguna, para cada medición individual. El menú desplegable Estacionalidad tiene varias opciones:
La previsión aplica la opción de estacionalidad Automática a las previsiones de forma predeterminada, incluso cuando la opción Estacionalidad no está habilitada.
Automática
Con la opción de estacionalidad Automática, Looker selecciona la mejor opción para tus datos de varios períodos de estacionalidad comunes, como diario, por hora, mensual y otros.
Personalizado
Cuando conozcas el número específico de filas que componen cada temporada o ciclo en tu conjunto de datos, puedes especificar el número en el campo Período. Puede ser útil seleccionar Personalizado si sabes que tus datos se repiten en una cantidad específica de filas.
Cuando trabajas con datos que duran meses, pero que se expresan con mayor nivel de detalle (por ejemplo, cuando usas un nivel de detalle de fecha o semana en una exploración), por lo general, un período de 4 o 30 días se ajusta a ciclos mensuales.
Ninguna
La estacionalidad es un componente importante de la previsión. Sin embargo, según los datos de entrada, no siempre se recomienda. Si no hay ciclos predecibles en los datos, habilitar la estacionalidad puede generar previsiones imprecisas cuando el algoritmo intentará encontrar un patrón y, luego, intentar ajustar el patrón falso a la previsión. Esto puede dar como resultado una predicción confusa.
Cuando preveas valores de datos para varias mediciones y quieres habilitar la Estacionalidad solo para una o varias métricas, puedes seleccionar Ninguna en todas las mediciones para las que no deseas habilitar la Estacionalidad.
Cómo crear una previsión
Solo los usuarios con permiso pueden crear previsiones.
Para crear una previsión, sigue estos pasos:
Asegúrate de que la pestaña Explorar cumpla con los requisitos de previsión. A modo de ejemplo, un usuario desea crear una previsión para una consulta de exploración con los campos Mes de creación de usuarios, Cantidad de usuarios y Recuento de pedidos que está ordenado por Mes creado de usuarios en orden descendente. En los resultados, se muestran datos hasta diciembre de 2019.
Haga clic en Previsión en la pestaña Visualización de Explorar para abrir el menú Previsión.
Haz clic en el menú desplegable Seleccionar campo a fin de elegir hasta cinco mediciones o mediciones personalizadas para prever. El usuario del ejemplo selecciona Cantidad de usuarios y Recuento de pedidos.
Ingresa la duración en el futuro para el que deseas obtener una previsión en el campo Duración. El usuario en el ejemplo ingresa 6 meses.
Si lo deseas, haz clic en el interruptor Intervalo de predicción o Estacionalidad para habilitar cualquiera de las dos funciones y personalizar las opciones asociadas. El usuario del ejemplo no habilita ninguna de las opciones.
Haga clic en la x en la pestaña de menú junto a Previsión para guardar la configuración y salir del menú.
Haz clic en Ejecutar para volver a ejecutar la consulta Explorar. (Debes volver a ejecutar Explorar después de realizar cualquier cambio en la previsión).
Los resultados y la visualización de Explorar ahora mostrarán valores previstos para el período especificado. Con las opciones especificadas, el ejemplo Explorar muestra datos previstos para el Recuento de usuarios y el Recuento de pedidos para seis meses desde el 1 de enero de 2020 hasta el 6 de junio de 2020.
Debido a que los cálculos previstos dependen del orden en que se ordenan los datos, el ordenamiento está inhabilitado una vez que se ejecuta una consulta prevista.
Cómo editar una previsión
Solo los usuarios con permiso pueden editar las previsiones.
Para editar una previsión, sigue estos pasos:
- De forma opcional, edita la consulta Explorar según sea necesario para agregar o quitar diferentes campos de mediciones o períodos. Asegúrate de que la pestaña Explorar cumpla con los requisitos de previsión.
- Haga clic en Previsión en la pestaña Visualización de Explorar para abrir el menú Previsión.
- Haz clic en el menú desplegable Seleccionar campo para realizar cambios en los campos previstos. Para quitar los campos previstos, haz lo siguiente:
- Haz clic en las casillas junto a los campos previstos en el menú desplegable Seleccionar campo expandido para quitar los campos de la previsión.
- También puedes hacer clic en la x junto al nombre del campo en el menú contraído Seleccionar campo.
- Edita la longitud especificada en el futuro para realizar una previsión en el campo Longitud, según lo desees.
- Si lo deseas, haz clic en el interruptor Intervalo de predicción o Estacionalidad para habilitar cualquiera de las dos funciones y personalizar las opciones asociadas.
- Si ya estaban habilitadas las opciones Intervalo de predicción o Estacionalidad, se mostrarán las personalizaciones. Edita la configuración personalizada como desees o selecciona el interruptor para quitar la función de la previsión.
- Haga clic en la x en la pestaña de menú junto a Previsión para guardar la configuración y salir del menú.
- Haz clic en Ejecutar para volver a ejecutar la consulta Explorar. (Debes volver a ejecutar Explorar después de realizar cambios en la previsión).
Ahora, los resultados y la visualización de Explorar mostrarán la previsión modificada. Debido a que los cálculos previstos dependen del orden en que se ordenan los datos, el ordenamiento está inhabilitado una vez que se ejecuta una consulta prevista.
Cómo quitar una previsión
Solo los usuarios con permiso pueden quitar previsiones.
Para quitar una previsión de una exploración, sigue estos pasos:
- Haga clic en Previsión en la pestaña Visualización de Explorar para abrir el menú Previsión.
- Haga clic en Borrar en la parte superior del menú Previsión.
La consulta se volverá a ejecutar automáticamente para producir los resultados sin aplicar una previsión.
Problemas comunes y aspectos que debes conocer
¿Qué tan preciso es?
La precisión de una previsión depende de los datos de entrada. La implementación de AutoARIMA de Looker puede hacer predicciones increíblemente precisas que combinan de forma correcta muchos matices a partir de los datos de entrada. También hay casos en los que el algoritmo queda atrapado en patrones extraños en los datos de entrada y los enfatiza demasiado en la predicción. Asegúrate de proporcionar suficientes datos y de que sean lo más precisos posible para aprovechar al máximo la previsión.
No se pudo generar una previsión
Hay motivos legítimos por los que no se puede generar una previsión. Por lo general, estas se relacionan con que la cantidad de datos de entrada es demasiado pequeña o que la duración solicitada de la previsión es demasiado grande. No hay un límite específico para ninguno de los factores ni una proporción exacta de los datos de entrada obligatorios para una duración determinada de la previsión. Cuanto más impredecibles y dispersos sean los datos de entrada, más difícil será para el algoritmo AutoARIMA encontrar una coincidencia. La forma más eficaz de generar una previsión es aumentar la cantidad de datos de entrada limpios, asegurarse de que la configuración de estacionalidad sea correcta y reducir la duración de la previsión solo a lo necesario. Cuando uses la opción Intervalo de predicción, podría resultarte útil elegir un intervalo más bajo.
La limpieza de los datos de entrada puede implicar lo siguiente:
- Recortar las filas iniciales o finales que son para períodos que no contienen datos
- Reduciendo el ruido en el conjunto de datos eligiendo una dimensión de fecha más grande
- Cambiar los valores atípicos del filtro que no benefician la predicción
El resultado de la consulta se mostró sin previsiones, y recibí un error desconocido
Esto no debería ocurrir. Si esto sucede, intenta quitar la medida o las mediciones de la configuración de previsión y, luego, volver a agregarlas.
Se muestra la previsión, pero obviamente es incorrecta o inútil
Lo mejor que puedes hacer en este caso es agregar más datos de entrada, limpiarlos tanto como sea posible y, potencialmente, establecer una estacionalidad personalizada (si tienes conocimiento de ciclos específicos en los datos) o inhabilitar la opción Estacionalidad por completo seleccionando Ninguna.
La limpieza de los datos de entrada puede implicar las siguientes tareas:
- Recortar las filas iniciales o finales que son para períodos que no contienen datos
- Reduciendo el ruido en el conjunto de datos eligiendo una dimensión de fecha más grande
- Cambiar los valores atípicos del filtro que no benefician la predicción