Previsão de séries temporais

Usuários corporativos e analistas frequentemente monitoram suas medidas como uma tendência ao longo do tempo e, com a previsão de séries temporais, eles podem estimar como a sequência histórica de observações continuará no futuro. A capacidade de prever como as linhas de tendência tendem a evoluir pode modelar a estratégia e a tomada de decisões. No Qlik Cloud, uma opção de previsão de séries temporais produz visualizações que estendem as linhas de tendência com valores previstos gerados e apresentados no gráfico de linhas. Dependendo do método empregado, uma área sombreada representando o intervalo de confiança, exibe valores possíveis com um nível de confiança configurável. Previsões de séries temporais são produzidas usando funções preditivas confiáveis. O algoritmo SSA (singular spectrum analysis, ou análise de espectro singular) fornece um intervalo de confiança, e o método OLS (ordinary least square, ou mínimo quadrado comum) fornece uma linha de regressão linear simples.

A previsão de séries temporais diferencia os valores previstos claramente dos valores históricos. A visualização exibe a previsão de forma incremental, conforme configurada por seleções de multiplicadores de Etapas de previsão e Tamanho de etapas nas propriedades das dimensões. Quando o método SSA é selecionado na medida, uma região sombreada que representa o intervalo de confiança da previsão é exibida. Esse intervalo é configurado por meio de propriedades de medidas:Mostrar confiança e Nível de confiança. A região sombreada mostra o intervalo de valores plausíveis (por exemplo, 95%), o que significa que os valores futuros devem estar dentro da área sombreada com uma probabilidade de 95%.

Requisitos e comportamento das propriedades

Um botão de alternância de Previsão aparece nas propriedades da medida de opções avançadas quando os seguintes requisitos são atendidos:

• Uma dimensão numérica ou de tempo
• Uma medida e uma dimensão
• O eixo da dimensão deve ser contínuo.

É importante notar que a configuração do botão de alternância Previsão aparece nas propriedades da medida apenas quando a medida é uma dimensão numérica ou de tempo e o eixo da dimensão é contínuo. Quando ele está ativado, as propriedades da série temporal da previsão são exibidas nos painéis de dimensão e medida. Propriedades de dimensões abordam configurações de incremento e distância do horizonte. Propriedades de medidas definem o método, o estilo de linhas e sombras, a configuração de confiança e o nível.

Métodos OLS e SSA

O OLS (ordinary least square, ou mínimo quadrado comum) é um método de modelo de regressão simples que calcula uma linha de tendências minimizando a soma dos quadrados das diferenças entre a variável dependente observada e a variável dependente prevista. Essa opção de previsão de séries temporais é boa para quando o usuário deseja ver a tendência linear dos seus dados. Ela não controla ruído ou discrepâncias e simplesmente usa todos os dados para gerar uma linha de regressão linear.

Em relação ao OLS, o SSA (singular spectrum analysis, ou análise de espectro singular) é um algoritmo sofisticado capaz de identificar ruído e sazonalidade, bem como tendência. O SSA requer que os dados sejam amostrados de forma suficientemente regular. Se excederem um certo limite, será retornado um erro indicando que os dados são muito irregulares. O SSA é a melhor opção para prever tendências com comportamento cíclico ou oscilatório.

No caso em que o método SSA é empregado para gerar uma previsão, esse algoritmo estima o meio da faixa de valores possíveis que a medida dependente utiliza. A linha é aumentada por um intervalo de predição que fornece uma variedade de valores que ela pode assumir. Em vez de exibir muitos valores possíveis, o intervalo de previsão é mostrado como uma área sombreada.

Limitações de previsão de séries temporais

A previsão de séries temporais tem as seguintes limitações:

• A previsão não está habilitada para dimensões de detalhamento.
• A previsão não está habilitada para gráficos com mais de uma dimensão. No caso de uma dimensão e várias medidas, apenas uma medida pode ter a previsão ativada.
• A previsão só funciona quando a classificação padrão está em vigor. Para obter mais informações, consulte Alterando a classificação de uma visualização.
• Pontos de dados mínimos: O OLS requer pelo menos dois pontos de dados. O SSA requer pelo menos seis pontos de dados.

• Máximo de pontos de dados: Não é recomendado usar algoritmos em conjuntos de dados com mais de 5.000 pontos de dados. Os usuários começarão a encontrar problemas de desempenho ao executar a previsão de séries temporais para conjuntos de dados com mais de 5.000 pontos de dados. Usuários e designers de aplicativos devem usar a condição de cálculo conforme necessário para que, quando o conjunto de dados for reduzido por meio de seleções, o gráfico seja exibido. As seleções devem ser contínuas. Veja o seguinte ponto sobre amostragem de tempo irregular.

• A previsão funcionará com a amostragem de tempo irregular em certas circunstâncias: O OLS sempre funcionará, pois não está limitado a previsões de séries temporais ou dados regulares. O SSA exige que a amostragem de dados seja suficientemente regular e, se exceder um limite imposto, será retornado um erro indicando que os dados eram muito irregulares.

• A previsão não funcionará no Qlik Cloud Mobile for SaaS no modo offline.

• Se um aplicativo com previsão for exportado do Qlik Cloud e importado para o QSEoW, o gráfico de previsão não será exibido. A previsão não tem suporte no QSEoW.

• Quando você baixa um gráfico de linhas como um arquivo do Microsoft Excel, os valores previstos não são incluídos no arquivo.

• Quando você clica com o botão direito do mouse em um gráfico de linha e seleciona Ver dados, os valores previstos não são mostrados.

• A previsão de séries temporais não estará disponível se alguma das dimensões ou medidas no gráfico de linha usar uma condição de exibição.

Exemplo

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
];