Previsión de series de tiempo

Los usuarios de empresa y analistas de negocio a menudo gustan de supervisar sus medidas como una tendencia a lo largo del tiempo y con la previsión de series de tiempo pueden estimar cómo irá la secuencia histórica de datos en el futuro. La capacidad de predecir cómo es probable que evolucionen las líneas de tendencia puede informar acerca de la estrategia y la toma de decisiones más adecuada. En Qlik Cloud, una opción de previsión de series de tiempo produce visualizaciones que amplían las líneas de tendencia con los valores pronosticados en el gráfico de líneas. Dependiendo del método empleado, un área sombreada representa los valores posibles con un nivel de confianza configurable. Las previsiones o pronósticos de series de tiempo se producen utilizando funciones de predicción fiables; El algoritmo SSA (análisis de espectro singular) proporciona un intervalo de confianza y el método OLS (mínimos cuadrados ordinarios) proporciona una línea de regresión lineal simple.

La previsión de series de tiempo diferencia claramente entre los valores pronosticados y los valores históricos. La visualización muestra la previsión de forma incremental según la configuración de los Pasos de la previsión y las selecciones del multiplicador en Tamaño de paso en las propiedades de la dimensión. Cuando se selecciona el método SSA en la medida, se muestra una región sombreada que representa el intervalo de confianza de la predicción. Este intervalo se configura desde las propiedades de la medida: Mostrar confianza y Nivel de confianza. La región sombreada muestra el intervalo de valores plausibles (por ejemplo, 95%), lo que significa que se espera que los valores futuros se encuentren dentro del área sombreada con una probabilidad del 95%.

Comportamiento de los requisitos y las propiedades

Aparece un conmutador de previsión en las propiedades avanzadas de la medida cuando se cumplen los siguientes requisitos:

• Una dimensión numérica o de tiempo
• Una medida y una dimensión
• El eje de dimensión debe ser continuo.

Es importante tener en cuenta que la configuración de alternancia de Previsión aparece en las propiedades de la medida solo cuando la medida es una dimensión numérica o de tiempo y el eje de la dimensión es continuo. Cuando está activado, las propiedades de la serie temporal prevista se muestran en los paneles de dimensión y medida. Las propiedades de dimensión abordan la distancia del horizonte y la configuración de incremento. Las propiedades de la medida establecen el método, el estilo de líneas y sombras, la configuración de confianza y el nivel.

Los métodos OLS y SSA

OLS (Ordinary Least Square o Mínimos cuadrados ordinarios, en español) es un método de modelo de regresión simple que calcula una línea de tendencia minimizando la suma de los cuadrados de las diferencias entre la variable dependiente observada y la variable dependiente predicha. Esta opción de previsión de series de tiempo es buena cuando el usuario quiere ver la tendencia lineal de sus datos; no controla el ruido o los valores atípicos, simplemente usa todos los datos para generar una línea de regresión lineal.

En relación con OLS, SSA (Singular Spectrum Analysis o Análisis de Espectro Singular, en español), es un algoritmo sofisticado capaz de identificar el ruido y la estacionalidad, así como la tendencia. SSA requiere que los muestreos de datos tengan suficiente regularidad; si exceden un determinado límite devuelve un error indicando que los datos son demasiado irregulares. SSA es la mejor opción para pronosticar tendencias con un comportamiento cíclico u oscilatorio.

En un caso en el que se emplea el método SSA para producir un pronóstico, este algoritmo estima la mitad del rango de valores posibles que toma la medida dependiente. La línea está aumentada por un intervalo de predicción que proporciona un rango de valores que podría tomar. En lugar de mostrar muchos valores posibles, el intervalo de predicción se muestra como un área sombreada.

Limitaciones de la previsión de series de tiempo

La previsión de series de tiempo tiene las siguientes limitaciones:

• La previsión no está habilitada para las dimensiones jerárquicas.
• La previsión no está habilitada para gráficos con más de una dimensión. En el caso de una dimensión y varias medidas, solo una medida puede tener habilitada la previsión.
• La previsión solo funciona cuando la clasificación predeterminada está en su lugar. Para más información, vea Cambiar el orden de una visualización.
• Puntos de datos mínimos: OLS requiere al menos 2 puntos de datos. SSA requiere al menos 6 puntos de datos.

• Puntos de datos mínimos: No se recomienda utilizar algoritmos en conjuntos de datos con más de 5000 puntos de datos. Los usuarios comenzarán a ver problemas de rendimiento si se ejecuta la previsión de series de tiempo para conjuntos de datos con más de 5000 puntos de datos. Los usuarios y diseñadores de aplicaciones deben usar la condición de cálculo según sea necesario para que cuando el conjunto de datos se reduzca mediante selecciones, se muestre el gráfico. Las selecciones deberían ser continuas; consulte el siguiente punto sobre muestreo de tiempo irregular.

• La previsión funcionará con un muestreo de tiempo irregular en determinadas circunstancias: OLS siempre funcionará, ya que no se limita a previsiones de series de tiempo o datos regulares. SSA requiere que el muestreo de datos sea lo suficientemente regular y, si excede un límite impuesto, devuelve un error que indica que los datos eran demasiado irregulares.

• La previsión no funcionará en Qlik Cloud Mobile para SaaS en modo fuera de conexión.

• Si se exporta una app con previsión desde Qlik Cloud y se importa en QSEoW, el gráfico de previsión no se mostrará. La previsión no es compatible con QSEoW.

• Cuando descarga un gráfico de líneas como un archivo de Microsoft Excel, los valores pronosticados no se incluyen en el archivo.

• Cuando hace clic con el botón derecho en un gráfico de líneas y selecciona Ver datos, no se muestran los valores pronosticados.

• La previsión de series temporales no está disponible si alguna de las dimensiones o medidas del gráfico de líneas utiliza una condición de presentación.

Ejemplo

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
];