Zeitreihenprognose

Business-Anwender und Analysten überwachen häufig ihre Kennzahlen als Trend über ein Zeitintervall. Mithilfe der Zeitreihenprognose können sie abschätzen, wie die historische Abfolge der Beobachtungen sich in Zukunft fortsetzen wird. Die Möglichkeit, die wahrscheinliche Entwicklung von Trendlinien abzuschätzen, kann Informationen für die Strategie und Entscheidungsfindung liefern. In Qlik Cloud werden mit der Zeitreihenprognose-Option Visualisierungen erstellt, die Trendlinien mit vorhergesagten Werten fortsetzen und im Liniendiagramm anzeigen. Je nach verwendeter Methode werden in einer schattierten Fläche zur Darstellung des Konfidenzintervalls mögliche Werte mit einem konfigurierbaren Konfidenzniveau angezeigt. Zeitreihenprognosen werden mit vertrauenswürdigen, prädiktiven Funktionen erstellt. Der SSA-Algorithmus (singuläre Spektralanalyse) gibt ein Konfidenzintervall an, während OLS (gewöhnliche Methode der kleinsten Quadrate) eine einfache lineare Regressionslinie ergibt.

Die Zeitreihenprognose unterscheidet prognostizierte Werte klar von Verlaufwerten. Die Visualisierung zeigt die Prognose inkrementell an, wie in den Multiplikator-Auswahlen für Prognoseschritte und Schrittgröße in den Dimensionseigenschaften konfiguriert. Wenn in der Kennzahl die SSA-Methode ausgewählt ist, wird eine schattierte Fläche angezeigt, die das Konfidenzintervall der Prognose darstellt. Dieses Intervall wird anhand von Kennzahleneigenschaften konfiguriert: Konfidenz anzeigen und Konfidenzniveau. Die schattierte Fläche zeigt das Intervall der plausiblen Werte (z. B. 95 %), was bedeutet, dass zukünftige Werte erwartungsgemäß mit einer Wahrscheinlichkeit von 95 % in der schattierten Fläche liegen.

Anforderungen und Verhalten der Eigenschaften

Eine Prognose-Umschaltoption wird unter den erweiterten Optionen in den Kennzahleneigenschaften angezeigt, wenn die folgenden Anforderungen erfüllt sind:

• Eine numerische oder Zeitdimension
• Eine Kennzahl und eine Dimension
• Die Dimensionsachse muss durchgehend sein.

Es muss beachtet werden, dass die Umschaltoption Prognose nur dann in den Kennzahleneigenschaften angezeigt wird, wenn die Kennzahl eine numerische oder Zeitdimension und die Dimensionsachse durchgehend ist. Wenn die Option aktiviert ist, werden die Eigenschaften der Zeitreihenprognose sowohl im Fenster für die Dimension als auch im Fenster für die Kennzahl angezeigt. Die Dimensionseigenschaften bestimmen die Horizontentfernung und die Inkrementeinstellungen. Die Kennzahleigenschaften legen die Methode, das Linien- und Schattenformat, die Konfidenzeinstellung und das Konfidenzniveau fest.

OLS- und SSA-Methode

OLS (gewöhnliche Methode der kleinsten Quadrate) ist eine einfache Regressionsmodell-Methode, die eine Trendlinie berechnet. Dabei wird die Summe der Quadrate von Differenzen zwischen der beobachteten abhängigen Variablen und der vorhergesagten abhängigen Variablen minimiert. Diese Zeitreihenprognose-Option eignet sich, wenn Benutzer den linearen Trend ihrer Daten sehen möchten. Sie kontrolliert kein Rauschen für Ausreißer, sondern verwendet einfach alle Daten, um eine lineare Regressionslinie zu generieren.

Im Gegensatz zu OLS ist SSA (singuläre Spektralanalyse) ein ausgeklügelter Algorithmus, der neben dem Trend auch Rauschen und Saisonalität identifizieren kann. Für SSA müssen Stichproben mit ausreichender Regelmäßigkeit vorliegen. Wenn eine bestimmte Grenze überschritten wird, wird ein Fehler zurückgegeben, der besagt, dass die Daten zu unregelmäßig sind. SSA ist die beste Option für die Prognose von Trends mit zyklischem oder oszillierendem Verhalten.

Wenn die SSA-Methode zum Erstellen einer Prognose verwendet wird, schätzt dieser Algorithmus die Mitte des Bereichs möglicher Werte der abhängigen Kennzahl. Die Linie wird durch ein Prognoseintervall verlängert, das einen möglichen Wertebereich bereitstellt. Anstatt zahlreiche mögliche Werte darzustellen, wird das Prognoseintervall als schattierte Fläche angezeigt.

Einschränkungen der Zeitreihenprognose

Die Zeitreihenprognose weist die folgenden Einschränkungen auf:

• Die Prognose ist nicht für Drilldown-Dimensionen verfügbar.
• Die Prognose ist für Diagramme mit mehr als einer Dimension nicht aktiviert. Wenn eine Dimension und mehrere Kennzahlen vorhanden sind, kann die Prognose nur für eine Kennzahl aktiviert werden.
• Die Prognose funktioniert nur, wenn die Standardsortierung eingerichtet ist. Weitere Informationen finden Sie unter Ändern der Sortierung einer Visualisierung.
• Minimale Datenpunkte: OLS erfordert mindestens 2 Datenpunkte. SSA erfordert mindestens 6 Datenpunkte.

• Maximale Datenpunkte: Es wird nicht empfohlen, Algorithmen für Datensätze mit mehr als 5000 Datenpunkten zu verwenden. Bei Zeitreihenprognosen für Datensätze mit mehr als 5000 Datenpunkten können Leistungsprobleme auftreten. Benutzer und App-Entwickler sollten die Berechnungsbedingung wie erforderlich verwenden, damit das Diagramm angezeigt werden kann, nachdem der Datensatz durch Auswahlen reduziert wurde. Die Auswahlen sollten fortlaufend sein; siehe den folgenden Punkt zu unregelmäßigen Zeitstichproben.

• Die Prognose funktioniert unter bestimmten Umständen mit unregelmäßigen Zeitstichproben: OLS funktioniert immer, da es nicht auf Zeitreihenprognosen oder regelmäßige Daten beschränkt ist. Für SSA müssen Stichproben mit ausreichender Regelmäßigkeit vorliegen. Wenn eine bestimmte Grenze überschritten wird, wird ein Fehler zurückgegeben, der besagt, dass die Daten zu unregelmäßig sind.

• Prognosen funktionieren in Qlik Cloud Mobile for SaaS im Offline-Modus nicht.

• Wenn eine App mit Prognose aus Qlik Cloud exportiert und in QSEoW importiert wird, wird das Prognosediagramm nicht angezeigt. In QSEoW werden Prognosen nicht unterstützt.

• Wenn Sie ein Liniendiagramm als Microsoft Excel-Datei herunterladen, werden vorhergesagte Werte nicht in die Datei eingeschlossen.

• Wenn Sie mit der rechten Maustaste auf ein Liniendiagramm klicken und Daten anzeigen auswählen, werden vorhergesagte Werte nicht angezeigt.

• Zeitreihenprognosen sind nicht verfügbar, wenn Dimensionen oder Kennzahlen im Liniendiagramm eine Anzeigebedingung verwenden.

Beispiel

MyTable:
Load * Inline [
Date,Tot-KWh
2021-10-27,269 
2021-10-28,380 
2021-10-29,410
2021-10-30,380
2021-10-31,344
2021-11-01,275
2021-11-02,299
2021-11-03,545
2021-11-04,326
2021-11-05,405
2021-11-06,333
2021-11-07,395
2021-11-08,416
2021-11-09,697
2021-11-10,500
2021-11-11,600
2021-11-12,560
2021-11-13,494
2021-11-14,362
2021-11-15,470
2021-11-16,366
2021-11-17,548
];