Com a previsão, os analistas podem adicionar rapidamente projeções de dados a consultas novas ou existentes do Google Analytics para ajudar os usuários a prever e monitorar pontos de dados específicos. Os resultados e as visualizações da Análise detalhada prevista podem ser adicionados aos painéis e salvos como Looks. Os resultados e as visualizações previstos também podem ser criados e visualizados no conteúdo incorporado do Looker.
Você pode fazer estimativas de dados se tiver permissão para criar estimativas.
Como os resultados previstos são criados e exibidos
O recurso Previsão usa os resultados dos dados na tabela de dados de uma Análise para calcular pontos de dados futuros. Os cálculos de previsão incluem apenas os resultados mostrados de uma consulta da Análise detalhada. Os resultados que não são exibidos devido a limites de linhas não são incluídos. Para mais informações sobre o algoritmo usado para calcular as previsões, consulte a seção Algoritmo ARIMA nesta página.
Os resultados previstos são mostrados como uma continuação das visualizações do recurso "Explorar" e estão sujeitos às configurações da visualização. Os pontos de dados previstos são diferenciados dos não previstos das seguintes maneiras:
- Nos gráficos cartesianos compatíveis, os pontos de dados previstos são diferenciados dos não previstos pela renderização em uma tonalidade mais clara ou por linhas tracejadas.
- Nos tipos de gráficos de texto e tabela compatíveis, os pontos de dados previstos são mostrados em itálico e anexados com um asterisco.
Os dados previstos também são identificados explicitamente na dica que aparece quando você passa o cursor sobre um ponto de dados previsto.
Apenas alguns tipos de visualização oferecem suporte a dados previstos, conforme discutido na próxima seção.
Algoritmo ARIMA
A previsão usa um algoritmo de média móvel integrada auto-regressiva (ARIMA, na sigla em inglês) para criar uma equação que corresponde melhor aos dados inseridos em uma previsão. Para encontrar a melhor correspondência para os dados, o Looker executa a ARIMA com um conjunto de variáveis iniciais, cria uma lista de variações das variáveis iniciais e executa a ARIMA novamente com essas variações. Se alguma das variações criar uma equação que se encaixa melhor nos dados de entrada, o Looker vai usar essas variações como as novas variáveis iniciais e criar outras variações que serão avaliadas. O Looker continua repetindo esse processo até que as melhores variáveis sejam identificadas ou até que todas as opções ou o tempo de computação alocado sejam esgotados.
Esse processo pode ser considerado um algoritmo genético, em que indivíduos ao longo de centenas de gerações geram de 1 a 10 descendentes cada (variações de variáveis com base no progenitor), e os melhores descendentes sobrevivem para potencialmente criar gerações "melhores". A maneira como o Looker usa muitas invocações de ARIMA em uma abordagem de algoritmo genético é chamada de AutoARIMA.
Para mais detalhes sobre a AutoARIMA, consulte a seção Dicas para usar auto_arima do Guia do usuário da pmdarima. Embora essa não seja a biblioteca que o Looker usa para executar o AutoARIMA, o pmdarima fornece a melhor explicação do processo e das diferentes variáveis usadas.
Tipos de visualização aceitos
Os seguintes tipos de visualização cartesiana oferecem suporte à renderização de dados previstos:
Os tipos de gráfico de texto e tabela a seguir oferecem suporte à renderização de dados previstos:
Outros tipos de visualização, incluindo as personalizadas, não podem renderizar dados previstos no momento.
Conferir os requisitos de consulta para previsão
Para criar uma previsão, uma Análise precisa atender a estes requisitos:
- Inclua exatamente uma dimensão, que precisa ser de período, com o preenchimento de dimensão ativado
- Inclua pelo menos uma métrica ou métrica personalizada (uma previsão pode incluir até cinco métricas ou métricas personalizadas)
- Classificar os resultados pela dimensão do período em ordem decrescente
Considerações
Confira a seguir outros critérios a serem considerados ao criar uma consulta de Análise detalhada para fazer uma previsão ou adicionar uma previsão a uma consulta de Análise detalhada existente:
- Pivotes: as previsões podem ser realizadas em análises detalhadas pivotadas, desde que os requisitos anteriores sejam atendidos.
- Totais e subtotais de linha: os totais e subtotais de linha não incluem valores previstos. Não recomendamos usar subtotais ou totais de linha com previsão, porque isso pode gerar números inesperados.
- Filtros que incluem períodos incompletos: para ter projeções precisas, a previsão só pode ser usada com uma lógica de período completo nos filtros de análise detalhada quando as análises detalhadas incluem dados de períodos incompletos. Por exemplo, se um usuário prever dados para um mês no futuro enquanto uma Análise detalhada é filtrada para mostrar dados dos três meses anteriores, a Análise detalhada vai incluir os dados do mês atual incompleto. A previsão vai incorporar os dados incompletos ao cálculo e mostrar resultados menos confiáveis. Em vez disso, use a lógica de filtro nos últimos três meses completos em vez de nos últimos três meses quando uma Análise detalhada incluir períodos incompletos (por exemplo, quando uma Análise detalhada incluir dados mensais incompletos para o mês atual) para garantir uma previsão mais precisa.
- Cálculos de tabela: os cálculos de tabela com base em uma ou mais medidas previstas são incluídos automaticamente em uma previsão.
- Limites de linha: saiba como os limites de linha se aplicam a toda a tabela de dados, incluindo linhas previstas.
Para mais dicas e recursos de solução de problemas, consulte a seção Problemas comuns e informações importantes nesta página.
Normalmente, um conjunto de dados com mais linhas, em conjunto com um comprimento de previsão menor, resulta em uma previsão mais precisa.
Opções do menu de previsão
Use as opções no menu Previsão, localizado na guia Visualização, para personalizar os dados previstos. O menu Previsão inclui as seguintes opções:
Selecionar campo
O menu suspenso Selecionar campo mostra as medidas ou medidas personalizadas na consulta "Analisar" que estão disponíveis para previsão. É possível selecionar até cinco medidas ou medidas personalizadas.
Duração
A opção Comprimento indica o número de linhas ou o período de tempo para prever os valores dos dados. O intervalo de duração da previsão é preenchido automaticamente com base na dimensão do período na consulta da Análise detalhada.
Normalmente, um conjunto de dados com mais linhas, em conjunto com um comprimento de previsão menor, resulta em uma previsão mais precisa.
Intervalo de previsão
A opção Intervalo de previsão permite que os analistas expressem alguma incerteza nas previsões para ajudar na precisão. Quando ativada, a opção Intervalo de previsão permite selecionar os limites dos valores de dados previstos. Por exemplo, um intervalo de previsão de 95% indica uma chance de 95% de que os valores da medida previstos fiquem entre os limites superior e inferior da previsão.
Quanto maior o intervalo de previsão selecionado, maiores são os limites máximo e mínimo.
Sazonalidade
A opção Sazonalidade permite que os analistas considerem ciclos conhecidos ou tendências de dados repetitivos em uma previsão. Ela se refere ao número de linhas de dados no ciclo. Por exemplo, se uma tabela de dados da Análise detalhada tiver uma linha por hora e os dados forem diários, a sazonalidade será 24.
Com as configurações de previsão padrão, o Looker faz referência à dimensão de data em uma análise detalhada e verifica vários ciclos de sazonalidade possíveis para encontrar a melhor correspondência para a previsão final. Por exemplo, ao usar dados por hora, o Looker pode tentar ciclos sazonais diários, semanais e de quatro semanas. O Looker também considera a frequência da dimensão. Se uma dimensão representa um período de seis horas, o Looker sabe que haverá apenas quatro linhas por dia e ajustará a sazonalidade de acordo.
Para casos de uso comuns, a opção Automático detecta a melhor sazonalidade para um determinado conjunto de dados. Se você souber de ciclos específicos no conjunto de dados, a opção Personalizado permite especificar o número de linhas que compõem um ciclo para medidas individuais em uma previsão.
Ao prever valores de dados para várias medidas, você pode selecionar diferentes opções de sazonalidade, incluindo nenhuma, para cada medida individual. O menu suspenso Sazonalidade tem várias opções:
A previsão aplica a opção de sazonalidade Automática às previsões por padrão, mesmo quando a opção Sazonalidade não está ativada.
Automático
Com a opção de sazonalidade Automática, o Looker seleciona a melhor opção para seus dados entre vários períodos de sazonalidade comuns, como diário, por hora, mensal e assim por diante.
Personalizado
Quando você sabe o número específico de linhas que compõem cada temporada ou ciclo no seu conjunto de dados, é possível especificar o número no campo Período. Selecione Personalizado se você souber que os dados são cíclicos em um número específico de linhas.
Quando você trabalha com dados que são cíclicos em meses, mas são expressos com maior granularidade (por exemplo, usando uma granularidade de data ou semana em uma Análise detalhada), geralmente um período de quatro semanas ou 30 dias se encaixa em ciclos mensais.
Nenhum
A sazonalidade é um componente poderoso da previsão, mas, dependendo dos dados de entrada, nem sempre é recomendada. Se não houver ciclos previsíveis nos dados, a ativação da sazonalidade pode, ocasionalmente, levar a previsões imprecisas quando o algoritmo tentar encontrar um padrão e, em seguida, tentar ajustar o padrão falso à previsão. Isso pode resultar em uma previsão obscura.
Quando você estiver prevendo valores de dados para várias medidas e quiser ativar a Sazonalidade apenas para uma ou algumas delas, selecione Nenhuma para todas as medidas que você não quer ativar a Sazonalidade.
Criação de uma previsão
Somente usuários com permissão podem criar previsões.
Para criar uma previsão, siga estas etapas:
Verifique se a Análise atende aos requisitos de previsão. Por exemplo, um usuário quer criar uma previsão para uma consulta de Análise detalhada com Mês de criação de usuários, Contagem de usuários e Contagem de pedidos, que é classificada por Mês de criação de usuários em ordem decrescente. Os resultados mostram dados até dezembro de 2019.
Clique em Estimativa na guia Visualização para abrir o menu Estimativa.
Clique no menu suspenso Selecionar campo para escolher até cinco métricas ou métricas personalizadas para fazer a previsão. O usuário no exemplo seleciona Contagem de usuários e Contagem de pedidos.
Insira o período no futuro que você quer prever no campo Comprimento. O usuário no exemplo insere 6 meses.
Se preferir, clique em Intervalo de previsão ou Sazonalidade para ativar a função e personalizar as opções associadas. O usuário no exemplo não ativa nenhuma das opções.
Clique no x na guia de menu ao lado de Previsão para salvar as configurações e sair do menu.
Clique em Executar para refazer a consulta. É necessário executar a análise detalhada novamente depois de fazer mudanças na previsão.
Agora, os resultados e a visualização da Análise vão mostrar os valores previstos para o período especificado. Com as opções especificadas, o exemplo de Análise detalhada mostra dados previstos para Contagem de usuários e Contagem de pedidos por seis meses, de 2020-01 a 2020-06.
Como os cálculos previstos dependem da ordem em que os dados são ordenados, a classificação é desativada após a execução de uma consulta prevista.
Como editar uma previsão
Somente usuários com permissão podem editar previsões.
Para editar uma previsão:
- Se preferir, edite a consulta da Análise detalhada conforme necessário para adicionar ou remover diferentes medidas ou campos de período. Verifique se a Análise atende aos requisitos de previsão.
- Clique em Estimativa na guia Visualização para abrir o menu Estimativa.
- Clique no menu suspenso Selecionar campo para fazer mudanças nos campos previstos. Para remover campos previstos:
- Clique nas caixas ao lado dos campos previstos no menu suspenso Selecionar campo aberto para remover os campos da previsão.
- Como alternativa, clique no x ao lado do nome do campo no menu Selecionar campo fechado.
- Edite a duração especificada no futuro para fazer a previsão no campo Duração, conforme necessário.
- Se preferir, clique em Intervalo de previsão ou Sazonalidade para ativar a função e personalizar as opções associadas.
- Se o Intervalo de previsão ou a Sazonalidade já estiverem ativados, as personalizações vão aparecer. Edite as configurações personalizadas conforme necessário ou selecione a chave para remover a função da previsão.
- Clique no x na guia de menu ao lado de Previsão para salvar as configurações e sair do menu.
- Clique em Executar para refazer a consulta. É necessário executar a Análise detalhada novamente depois de fazer mudanças na previsão.
Agora, os resultados e a visualização da Análise vão mostrar a previsão alterada. Como os cálculos previstos dependem da ordem em que os dados são ordenados, a classificação é desativada após a execução de uma consulta prevista.
Como remover uma previsão
Somente usuários com permissão podem remover previsões.
Para remover uma previsão de uma Análise detalhada:
- Clique em Estimativa na guia Visualização para abrir o menu Estimativa.
- Clique em Limpar na parte de cima do menu Estimativa.
A consulta será executada novamente de forma automática para gerar os resultados sem uma previsão aplicada.
Problemas comuns e informações importantes
Qual é a precisão?
A precisão de uma previsão depende dos dados de entrada. A implementação da AutoARIMA do Looker pode fazer previsões incrivelmente precisas que combinam muitas nuances dos dados de entrada. Também há casos em que o algoritmo fica preso a padrões estranhos nos dados de entrada e os enfatiza demais na previsão. Verifique se foram fornecidos dados suficientes e se eles são o mais precisos possível para aproveitar ao máximo a previsão.
Não foi possível gerar uma previsão
Há motivos legítimos para que uma previsão não possa ser gerada. Geralmente, isso ocorre porque a quantidade de dados de entrada é muito pequena ou o comprimento da previsão solicitado é muito grande. Não há limite específico para nenhum dos fatores, e não há uma proporção exata de dados de entrada necessários para um determinado período de previsão. Quanto mais dispersos e imprevisíveis forem os dados de entrada, mais difícil será para o algoritmo AutoARIMA encontrar uma correspondência. A maneira mais eficaz de gerar uma previsão é aumentar a quantidade de dados de entrada limpos, verificar se as configurações de sazonalidade estão corretas e reduzir a duração da previsão apenas ao necessário. Ao usar a opção Intervalo de previsão, pode ser útil escolher um intervalo menor.
A limpeza de dados de entrada pode envolver:
- Recorte de linhas iniciais ou finais de períodos de tempo que não contêm dados
- Reduzir o ruído no conjunto de dados escolhendo uma dimensão de data maior
- Mudar os valores discrepantes do filtro que não beneficiam a previsão
O resultado da consulta foi retornado sem previsões, e recebi um erro obscuro
Isso não deve ocorrer. Se ocorrer, tente remover as medidas da configuração de previsão e adicioná-las novamente.
A previsão aparece, mas está obviamente errada ou não é útil.
Nesse caso, a melhor opção é adicionar mais dados de entrada, limpá-los o máximo possível e definir uma sazonalidade personalizada (se você souber de ciclos específicos nos dados) ou desativar a opção Sazonalidade selecionando Nenhum.
A limpeza de dados de entrada pode envolver as seguintes tarefas:
- Recorte de linhas iniciais ou finais de períodos de tempo que não contêm dados
- Reduzir o ruído no conjunto de dados escolhendo uma dimensão de data maior
- Mudar os valores discrepantes do filtro que não beneficiam a previsão