Perkiraan memungkinkan analis menambahkan proyeksi data dengan cepat ke kueri Jelajah baru atau yang sudah ada untuk membantu pengguna memprediksi dan memantau titik data tertentu. Perkiraan hasil dan visualisasi dapat ditambahkan ke dasbor dan disimpan sebagai Tampilan. Perkiraan hasil dan visualisasi juga dapat dibuat dan dilihat di konten Looker yang disematkan.
Anda dapat memperkirakan data jika memiliki izin untuk membuat perkiraan.
Cara perkiraan hasil dibuat dan ditampilkan
Fitur Perkiraan menggunakan hasil data dalam tabel data Eksplorasi untuk menghitung titik data di masa mendatang. Penghitungan perkiraan hanya menyertakan hasil yang ditampilkan dari kueri Jelajah; hasil apa pun yang tidak ditampilkan karena batas baris tidak disertakan. Untuk mengetahui informasi selengkapnya tentang algoritma yang digunakan untuk menghitung perkiraan, lihat bagian algoritma ARIMA di halaman ini.
Hasil yang diperkirakan ditampilkan sebagai kelanjutan dari visualisasi Eksplorasi yang ada dan tunduk pada setelan visualisasi yang dikonfigurasi. Titik data yang diperkirakan dibedakan dari titik data yang tidak diperkirakan dengan cara berikut:
- Dalam diagram Kartesius yang didukung, titik data yang diperkirakan dibedakan dari titik data yang tidak diperkirakan dengan merender dalam warna yang lebih terang atau dengan garis putus-putus.
- Pada jenis diagram tabel dan teks yang didukung, titik data yang diperkirakan dicetak miring dan ditambahkan dengan tanda bintang.
Data yang diperkirakan juga diidentifikasi secara eksplisit dalam tooltip yang muncul saat Anda mengarahkan kursor ke titik data yang diperkirakan.
Hanya jenis visualisasi tertentu yang mendukung data yang diperkirakan, seperti yang dibahas di bagian berikut.
Algoritma ARIMA
Perkiraan memanfaatkan algoritma AutoRegressive Integrated Moving Average (ARIMA) untuk membuat persamaan yang paling cocok dengan data yang dimasukkan ke dalam perkiraan. Untuk menemukan kecocokan terbaik untuk data, Looker menjalankan ARIMA dengan kumpulan variabel awal, membuat daftar variasi variabel awal, dan menjalankan ARIMA lagi dengan variasi tersebut. Jika salah satu variasi menghasilkan persamaan yang lebih sesuai dengan data input, Looker akan menggunakan variasi tersebut sebagai variabel awal baru dan membuat variasi tambahan yang kemudian dievaluasi. Looker akan terus mengulangi proses ini sampai variabel terbaik diidentifikasi atau sampai semua opsi atau waktu komputasi yang dialokasikan habis.
Proses ini dapat dianggap sebagai algoritma genetik, di mana setiap individu dari ratusan generasi menghasilkan 1 hingga 10 keturunan masing-masing (variasi variabel berdasarkan induk), dan keturunan terbaik bertahan hidup untuk berpotensi menciptakan generasi yang "lebih baik". Cara Looker menggunakan banyak pemanggilan ARIMA dalam pendekatan algoritma genetika disebut AutoARIMA.
Untuk detail tambahan tentang AutoARIMA, lihat bagian Tips menggunakan auto_arima di Panduan Pengguna pmdarima. Meskipun ini bukan library yang digunakan Looker untuk menjalankan AutoARIMA, pmdarima memberikan penjelasan terbaik tentang proses dan berbagai variabel yang digunakan.
Jenis visualisasi yang didukung
Jenis visualisasi Kartesius berikut mendukung rendering data yang diperkirakan:
Jenis diagram tabel dan teks berikut mendukung rendering data yang diperkirakan:
Jenis visualisasi lainnya, termasuk visualisasi kustom, saat ini tidak dapat merender data yang diperkirakan.
Mempelajari persyaratan kueri untuk perkiraan
Untuk membuat perkiraan, Jelajah harus memenuhi persyaratan berikut:
- Sertakan tepat satu dimensi, yang harus berupa dimensi jangka waktu, dengan pengisian dimensi diaktifkan
- Sertakan setidaknya satu ukuran atau pengukuran kustom (perkiraan dapat mencakup hingga lima ukuran atau tindakan kustom)
- Urutkan hasil menurut dimensi jangka waktu dalam urutan menurun
Hal-hal yang perlu dipertimbangkan
Berikut adalah kriteria tambahan yang perlu dipertimbangkan saat Anda membuat kueri Jelajah baru untuk memperkirakan atau menambahkan perkiraan ke kueri Jelajah yang ada:
- Pivot — Perkiraan dapat dilakukan pada Jelajah yang berubah, selama persyaratan sebelumnya terpenuhi.
- Total dan subtotal baris — Total baris dan subtotal tidak menyertakan nilai yang diperkirakan; sebaiknya jangan gunakan subtotal atau total baris dengan perkiraan, karena hal ini dapat menghasilkan angka yang tidak terduga.
- Filter yang menyertakan jangka waktu yang tidak lengkap — Untuk proyeksi yang akurat, perkiraan hanya boleh digunakan bersama dengan logika jangka waktu lengkap di filter Jelajahi saat Jelajah menyertakan data untuk jangka waktu yang tidak lengkap. Misalnya, jika pengguna memperkirakan data untuk sebulan ke depan saat Jelajah difilter untuk menampilkan data selama tiga bulan terakhir, Jelajah akan menyertakan data untuk bulan yang tidak selesai saat ini. Perkiraan akan memasukkan data yang tidak lengkap ke dalam penghitungannya dan menampilkan hasil yang lebih tidak dapat diandalkan. Sebagai gantinya, gunakan logika filter seperti dalam 3 bulan terakhir, bukan dalam 3 bulan terakhir, saat Jelajah menyertakan jangka waktu yang tidak lengkap (misalnya, saat Jelajah menyertakan data bulanan yang tidak lengkap untuk bulan ini) untuk memastikan perkiraan yang lebih akurat.
- Penghitungan tabel — Penghitungan tabel yang didasarkan pada satu atau beberapa ukuran yang diperkirakan akan otomatis disertakan dalam perkiraan.
- Batas baris — Pelajari cara batas baris diterapkan ke seluruh tabel data, termasuk baris yang diperkirakan.
Untuk tips tambahan dan referensi pemecahan masalah, lihat bagian Masalah umum dan hal yang perlu diketahui di halaman ini.
Biasanya, set data dengan lebih banyak baris, bersama dengan panjang perkiraan yang lebih pendek, akan menghasilkan perkiraan yang lebih akurat.
Opsi menu perkiraan
Anda dapat menggunakan opsi di menu Perkiraan — yang terletak di tab Jelajahi Visualisasi — untuk menyesuaikan data yang diperkirakan. Menu Perkiraan mencakup opsi berikut:
Pilih kolom
Menu drop-down Pilih kolom menampilkan ukuran atau ukuran kustom di kueri Eksplorasi yang tersedia untuk perkiraan. Maksimal lima ukuran atau tindakan kustom dapat dipilih.
Durasi
Opsi Panjang menunjukkan jumlah baris, atau durasi waktu, yang digunakan untuk memperkirakan nilai data. Interval durasi perkiraan diisi secara otomatis berdasarkan dimensi jangka waktu di kueri Eksplorasi.
Biasanya, set data dengan lebih banyak baris, bersama dengan panjang perkiraan yang lebih pendek, menghasilkan perkiraan yang lebih akurat.
Interval Prediksi
Opsi Interval Prediksi memungkinkan analis mengekspresikan beberapa ketidakpastian dalam perkiraan untuk membantu akurasi. Jika diaktifkan, opsi Interval Prediksi memungkinkan Anda memilih batas nilai data yang diperkirakan. Misalnya, interval prediksi 95% menunjukkan peluang 95% bahwa nilai pengukuran yang diperkirakan akan berada di antara batas atas dan bawah perkiraan.
Makin besar interval prediksi yang dipilih, makin lebar batas atas dan bawah.
Tren musiman
Opsi Musiman memungkinkan analis memperhitungkan siklus yang diketahui atau tren data berulang dalam perkiraan, dan mengacu pada jumlah baris data dalam siklus tersebut. Misalnya, jika tabel data Eksplorasi memiliki satu baris per jam dan siklus data setiap hari, tren musimannya adalah 24.
Dengan setelan perkiraan default, Looker mereferensikan dimensi tanggal di bagian Eksplorasi dan memindai beberapa kemungkinan siklus tren musiman untuk menemukan hasil yang paling cocok untuk perkiraan akhir. Misalnya, saat menggunakan data per jam, Looker dapat mencoba siklus tren musiman harian, mingguan, dan empat minggu. Looker juga memperhitungkan frekuensi dimensi — jika dimensi mewakili periode enam jam, Looker tahu bahwa hanya akan ada empat baris dalam sehari dan akan menyesuaikan tren musiman.
Untuk kasus penggunaan umum, opsi Otomatis mendeteksi tren musiman terbaik untuk set data tertentu. Jika Anda mengetahui siklus tertentu dalam set data, opsi Kustom memungkinkan Anda menentukan jumlah baris yang membentuk siklus untuk setiap tindakan dalam perkiraan.
Saat memperkirakan nilai data untuk beberapa ukuran, Anda dapat memilih opsi tren musiman yang berbeda, termasuk tidak ada, untuk setiap ukuran. Menu drop-down Tren musiman memiliki beberapa opsi:
Perkiraan menerapkan opsi tren musiman Otomatis ke perkiraan secara default, meskipun opsi Tren musiman tidak diaktifkan.
Otomatis
Dengan opsi tren musiman Otomatis, Looker akan memilih opsi terbaik untuk data Anda dari beberapa periode tren musiman yang umum, seperti harian, per jam, bulanan, dan seterusnya.
Khusus
Setelah mengetahui jumlah baris tertentu yang membentuk setiap season atau siklus dalam set data, Anda dapat menentukan angka tersebut di kolom Period. Sebaiknya pilih Kustom jika Anda mengetahui bahwa siklus data Anda berada di sejumlah baris tertentu.
Saat Anda bekerja dengan data yang siklus dalam bulan tetapi dinyatakan dalam perincian yang lebih besar (misalnya, menggunakan tingkat perincian tanggal atau minggu di dalam Eksplorasi), biasanya periode 4 minggu atau 30 hari akan sesuai dengan siklus bulanan.
Tidak ada
Tren musiman adalah komponen perkiraan yang efektif; tetapi, bergantung pada data input, hal ini tidak selalu direkomendasikan. Jika tidak ada siklus yang dapat diprediksi dalam data, mengaktifkan tren musiman terkadang dapat menghasilkan perkiraan yang tidak akurat saat algoritma akan mencoba menemukan pola, lalu mencoba menyesuaikan pola yang salah dengan perkiraan. Hal ini dapat menghasilkan prediksi yang tidak jelas.
Jika Anda memperkirakan nilai data untuk beberapa ukuran dan ingin mengaktifkan Tren musiman hanya untuk satu atau beberapa pengukuran, Anda dapat memilih Tidak ada untuk semua tindakan yang tidak ingin Anda aktifkan Tren musiman.
Membuat perkiraan
Hanya pengguna yang memiliki izin yang dapat membuat perkiraan.
Untuk membuat perkiraan, ikuti langkah-langkah berikut:
Pastikan tab Eksplorasi memenuhi persyaratan perkiraan. Misalnya, pengguna ingin membuat perkiraan untuk kueri Jelajah dengan Bulan Dibuat Pengguna, Jumlah Pengguna, dan Jumlah Pesanan yang diurutkan menurut Bulan Pengguna dalam urutan menurun. Hasil menampilkan data hingga Desember 2019.
Klik Perkiraan di tab Jelajahi Visualisasi untuk membuka menu Perkiraan.
Klik menu drop-down Pilih kolom untuk memilih hingga lima ukuran atau tindakan kustom untuk diperkirakan. Pengguna dalam contoh memilih Jumlah Pengguna dan Jumlah Pesanan.
Masukkan panjang waktu di masa mendatang yang ingin Anda perkirakan di kolom Durasi. Pengguna dalam contoh ini memasukkan nilai 6 bulan.
Secara opsional, klik tombol Interval Prediksi atau Tren Musiman untuk mengaktifkan salah satu fungsi dan menyesuaikan opsi terkait. Pengguna dalam contoh tidak mengaktifkan kedua opsi tersebut.
Klik x di tab menu di samping Perkiraan untuk menyimpan setelan dan keluar dari menu.
Klik Run untuk menjalankan ulang kueri Explore. (Anda harus menjalankan ulang Jelajah setelah melakukan perubahan pada perkiraan.)
Hasil dan visualisasi Eksplorasi Anda kini akan menampilkan nilai yang diperkirakan selama jangka waktu yang ditentukan. Dengan opsi yang ditentukan, contoh Explore menampilkan perkiraan data untuk Jumlah Pengguna dan Jumlah Pesanan selama enam bulan dari 01-2020 hingga 06-2020.
Karena penghitungan yang diperkirakan bergantung pada urutan data diurutkan, pengurutan akan dinonaktifkan setelah perkiraan kueri berjalan.
Mengedit perkiraan
Hanya pengguna yang memiliki izin yang dapat mengedit perkiraan.
Untuk mengedit perkiraan:
- Anda juga dapat mengedit kueri Explore untuk menambahkan atau menghapus kolom tindakan atau jangka waktu yang berbeda. Pastikan tab Eksplorasi memenuhi persyaratan perkiraan.
- Klik Perkiraan di tab Jelajahi Visualisasi untuk membuka menu Perkiraan.
- Klik menu drop-down Pilih kolom untuk melakukan perubahan pada kolom yang diperkirakan. Untuk menghapus kolom yang diperkirakan:
- Klik kotak di samping kolom yang diperkirakan di menu drop-down Pilih kolom yang diluaskan untuk menghapus kolom dari perkiraan.
- Atau, klik x di samping nama kolom di menu Pilih kolom yang diciutkan.
- Edit durasi waktu yang ditentukan di masa mendatang untuk memperkirakan di kolom Durasi, sesuai keinginan.
- Secara opsional, klik tombol Interval Prediksi atau Tren Musiman untuk mengaktifkan salah satu fungsi dan menyesuaikan opsi terkait.
- Jika Interval Prediksi atau Tren Musiman sudah diaktifkan, penyesuaian akan ditampilkan. Edit setelan kustom sesuai keinginan, atau pilih tombol untuk menghapus fungsi dari perkiraan.
- Klik x di tab menu di samping Perkiraan untuk menyimpan setelan dan keluar dari menu.
- Klik Run untuk menjalankan ulang kueri Explore. (Anda harus menjalankan kembali Explore setelah membuat perubahan pada perkiraan.)
Hasil dan visualisasi Eksplorasi Anda kini akan menampilkan perkiraan yang telah diubah. Karena penghitungan yang diperkirakan bergantung pada urutan data diurutkan, pengurutan akan dinonaktifkan setelah perkiraan kueri berjalan.
Menghapus perkiraan
Hanya pengguna yang memiliki izin yang dapat menghapus perkiraan.
Untuk menghapus perkiraan dari Eksplorasi:
- Klik Perkiraan di tab Jelajahi Visualisasi untuk membuka menu Perkiraan.
- Klik Hapus di bagian atas menu Perkiraan.
Kueri akan otomatis dijalankan ulang untuk memberikan hasil tanpa penerapan perkiraan.
Masalah umum dan hal yang perlu diketahui
Seberapa akuratkah?
Akurasi perkiraan bergantung pada data input. Implementasi AutoARIMA Looker dapat membuat prediksi yang sangat akurat yang berhasil menggabungkan banyak variasi dari data input. Ada kalanya algoritme terjebak dalam pola aneh dalam data input dan menekankannya secara berlebihan dalam prediksi. Pastikan data yang diberikan yang memadai dan data tersebut seakurat mungkin untuk mendapatkan hasil maksimal dari perkiraan.
Perkiraan tidak dapat dibuat
Ada alasan yang sah mengapa perkiraan tidak dapat dibuat. Hal ini biasanya ada hubungannya dengan jumlah data input yang terlalu sedikit atau panjang perkiraan yang diminta terlalu besar. Tidak ada batasan spesifik untuk kedua faktor, dan tidak ada rasio yang tepat dari data input yang diperlukan untuk panjang perkiraan tertentu. Semakin tersebar dan tidak dapat diprediksi data input, semakin sulit bagi algoritma AutoARIMA untuk menemukan kecocokan. Cara paling efektif untuk membuat perkiraan adalah dengan meningkatkan jumlah data input yang bersih, memastikan setelan tren musiman sudah benar, dan mengurangi panjang perkiraan hanya pada yang diperlukan. Saat menggunakan opsi Interval Prediksi, sebaiknya pilih interval yang lebih rendah.
Membersihkan data {i>input<i} dapat melibatkan:
- Memangkas baris awal atau akhir yang ditujukan untuk jangka waktu yang tidak berisi data
- Mengurangi derau dalam set data dengan memilih dimensi tanggal yang lebih besar
- Mengubah pencilan filter yang tidak bermanfaat bagi prediksi
Hasil kueri ditampilkan tanpa perkiraan, dan saya menerima error yang tidak jelas
Hal ini seharusnya tidak terjadi. Jika ya, coba hapus ukuran atau ukuran dari konfigurasi perkiraan, lalu tambahkan kembali.
Perkiraan ditampilkan, tetapi tentu saja salah atau tidak membantu
Hal terbaik yang dapat dilakukan dalam kasus ini adalah menambahkan lebih banyak data input, membersihkannya sebanyak mungkin, dan kemungkinan menetapkan musiman kustom (jika Anda mengetahui siklus tertentu dalam data) atau menonaktifkan opsi Tren musiman sepenuhnya dengan memilih Tidak ada.
Membersihkan data input dapat melibatkan tugas-tugas berikut:
- Memangkas baris awal atau akhir yang ditujukan untuk jangka waktu yang tidak berisi data
- Mengurangi derau dalam set data dengan memilih dimensi tanggal yang lebih besar
- Mengubah pencilan filter yang tidak bermanfaat bagi prediksi