# Previsão de séries temporais com o gráfico de linhas 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. Gráfico de previsão de séries temporais construído com o método OLS Gráfico de previsão de séries temporais construído com o método OLS Gráfico de previsão de séries temporais construído com o método OLS ![gráfico de previsão de séries temporais construído com o método OLS](https://help.qlik.com/pt-BR/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_TimeSeries_OLS_rev.png) Gráfico de previsão de séries temporais construído com o método SSA Gráfico de previsão de séries temporais construído com o método SSA Gráfico de previsão de séries temporais construído com o método SSA ![gráfico de previsão de séries temporais construído com o método SSA](https://help.qlik.com/pt-BR/cloud-services/Subsystems/Hub/Content/Resources/Images/ui_TimeSeries_SSA_rev.png) 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%. [Time series forecasting](https://play.vidyard.com/xGKootWFwW6RqSnhqGUitu) ## 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](https://help.qlik.com/pt-BR/cloud-services/Subsystems/Hub/Content/Sense_Hub/Visualizations/change-sorting-of-visualization.htm). * Pontos de dados mínimos: o OLS requer pelo menos 2 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 amostragem temporal irregular em determinadas circunstâncias: o OLS sempre funcionará, pois não está limitado à previsão de séries temporais ou a 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 aplicativo móvel Qlik Analytics 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 [](https://help.qlik.com/en-US/cloud-services/Subsystems/Hub/Content/Sense_Hub/Visualizations/LineChart/timeseries-forecast.htm) #### Exemplo - previsão de séries temporais Este exemplo demonstra a criação de um gráfico de linhas com a previsão de séries temporais habilitada. O exemplo usa um conjunto de dados com dois campos: Date para a dimensão contínua e Tot-KWh, uso diário de eletricidade (Quilowatts-hora) para a medida. A previsão é habilitada para visualizar onde as taxas de consumo de energia provavelmente cairão dentro de um intervalo de confiança configurável. Script de carregamento Carregue os seguintes dados como um carregamento inline no editor da carga de dados: ``` 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 ]; ``` Para obter mais informações sobre como usar carregamentos inline, consulte [Usando carregamentos inline para carregar dados](https://help.qlik.com/pt-BR/cloud-services/Subsystems/Hub/Content/Sense_Hub/Scripting/inline-loads-qs.htm). Criando um gráfico de linhas com previsão de séries temporais Faça o seguinte: 1. No painel de ativos, arraste um gráfico de linhas vazio para uma nova pasta. 2. Selecione Clique para adicionar o título e nomeie o gráfico Consumo diário de eletricidade em KW horas. 3. Selecione Adicionar dimensão e adicione o campo Date. 4. Selecione Adicionar medida e adicione a medida Avg([Tot-KWh]). 5. Na seção Aparência do painel de propriedades, expanda propriedades da Apresentação e selecione Nenhum para Barra de rolagem. 6. Abra as propriedades da medida e selecione as seguintes propriedades: * Use o seletor para definir Previsão: Ativado. * Mude a Cor para #006580. * Mova o controle deslizante para alterar a Espessura da linha para 2. * Selecione o Tipo de linha: Tracejado. * Mantenha o valor padrão para Curva de linha: Linear. * Mantenha o valor padrão para Mostrar confiança: Ativado. * Altere o valor do Nível de confiança do padrão de 0,95 para 0,85. Propriedades da medida para previsão Propriedades da medida para previsão Propriedades da medida para previsão![Propriedades da medida de previsão](https://help.qlik.com/pt-BR/cloud-services/Subsystems/Hub/Content/Resources/Images/ex_TimeSeries_MeasureProps.png) 7. Abra as propriedades da dimensão e selecione as seguintes propriedades: * Mantenha o valor padrão para Etapas de previsão: 3. * Mantenha o valor padrão para o multiplicador de Tamanho da etapa 1. * Mantenha a seleção suspensa da unidade de tempo e número: Dias. Propriedades de dimensão para previsão Propriedades de dimensão para previsão Propriedades de dimensão para previsão![Propriedades da dimensão de previsão](https://help.qlik.com/pt-BR/cloud-services/Subsystems/Hub/Content/Resources/Images/ex_TimeSeries_DimensionProps.png) Gráfico de linhas com previsão mostrando o intervalo de dias Gráfico de linhas com previsão mostrando o intervalo de dias Gráfico de linhas com previsão mostrando o intervalo de dias ![Gráfico de linhas com previsão de séries temporais habilitada com intervalo de tempo diurno](https://help.qlik.com/pt-BR/cloud-services/Subsystems/Hub/Content/Resources/Images/ex_Timeseries_UnitDay.png) 8. Expandir propriedades da dimensão: * Mantenha o valor para Etapas de previsão: 3. * Mantenha o valor padrão para o multiplicador de Tamanho da etapa 1. * Altere a seleção suspensa da unidade de tempo e número: Semanas. 9. Na seção Apresentação, selecione Mostrar pontos de dados. Previsão com intervalo de semanas ao longo de 3 semanas Previsão com intervalo de semanas ao longo de 3 semanas Previsão com intervalo de semanassemanas ao longo de 3 semanas ![Previsão de 3 semanas com intervalo de semanas](https://help.qlik.com/pt-BR/cloud-services/Subsystems/Hub/Content/Resources/Images/ex_TimeSeries_3Weeks.png) 10. Expandir propriedades da dimensão: * Altere o valor de Etapas de previsão: 21. * Mantenha o valor padrão para o multiplicador de Tamanho da etapa 1. * Altere a seleção suspensa da unidade de tempo e número: Dias. 11. Na seção Apresentação, selecione Mostrar pontos de dados. Esta demonstração destaca como as previsões podem ser renderizadas de forma muito diferente com base na granularidade das unidades de tempo (dias versus semanas) no mesmo intervalo de tempo. Previsão com intervalo de dias acima de 3 semanas Previsão com intervalo de dias acima de 3 semanas Previsão com intervalo de diasdias acima de 3 semanas ![Previsão de 3 semanas com intervalo de dias](https://help.qlik.com/pt-BR/cloud-services/Subsystems/Hub/Content/Resources/Images/ex_TimeSeries_21Days.png) Nota informativaObserve que, embora os gráficos possam prever a mesma duração de tempo, as mudanças na granularidade podem resultar em formas muito diferentes. ## Previsão de séries temporais com o Qlik Predict Com o Qlik Predict, você pode treinar modelos de aprendizado de máquina para prever métricas futuras com base em dados de séries temporais. As previsões são específicas do tempo e podem ser incorporadas ao gráfico de linhas e a outras visualizações em seu aplicativo de análise. Os modelos permitem vários recursos e previsões individualizadas para diferentes grupos que categorizam os dados para sua métrica de destino. Isso permite que você explore e preveja padrões para cenários multivariados - aqueles que envolvem a interação de mais de uma variável ao longo do tempo. Para criar previsões de séries temporais no Qlik Predict, crie um experimento de série temporal e implemente um modelo para criar previsões sobre novos dados. Para obter mais informações, consulte: * [Trabalhando com experimentos de séries temporais](https://help.qlik.com/pt-BR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/time-series-experiment.htm) * [Trabalhando com previsão de séries temporais multivariadas](https://help.qlik.com/pt-BR/cloud-services/Subsystems/Hub/Content/Sense_Hub/AutoML/machine-learning-framework-time-series.htm) Conteúdo de aprendizagem relacionado: * [Como faço previsões com base em dados de séries temporais no Qlik Cloud?](https://help.qlik.com/lnk/How_forecast_timeseries_data_qlikcloud) ## Saiba mais * [Como faço previsões com base em dados de séries temporais no Qlik Cloud?](https://help.qlik.com/lnk/How_forecast_timeseries_data_qlikcloud)