Exigences en matière de prévision

Dimension de temps

La prévision exige que la dimension de temps soit placée dans la colonne. L'algorithme exige que les membres de dimension de temps soient organisés en ordre de temps croissant, où chaque membre d'un niveau représente une unité de temps cohérente. Les membres de la définition de dimension qui ne respectent pas cette exigence, par exemple un membre calculé depuis le début de l'année, peuvent être masqués. Des périodes de temps adaptées peuvent être choisies pour être ignorées, ce qui donne lieu à une interpolation linéaire des valeurs à partir desquelles effectuer des prévisions. La prévision prend également en charge les dimensions de temps hiérarchiques et les dimensions imbriquées sous forme horaire : année, trimestre et mois. Les vues avec des dimensions qui ne représentent pas de temps dans la colonne peuvent être prévues, mais le processus peut échouer ou les résultats peuvent ne pas être fiables.

Une ou plusieurs dimensions de temps peuvent être utilisées pour la prévision, et elles doivent toutes apparaître dans la colonne de la vue. Dans les deux cas, les feuilles doivent générer des périodes de temps contiguës et uniformément espacées. La capture d'écran suivante illustre un exemple de dimension de temps unique en années :

Si vous utilisez plusieurs dimensions de temps dans la colonne, le produit des membres doit générer des périodes de temps contiguës, uniformément espacées, avec des éléments à granularité grossière précédant des éléments à granularité plus fine. Dans le cas suivant, l'inclusion d'années puis de mois génère une durée continue à partir de 1995 avec une granularité mensuelle.

Pour le temps (c'est-à-dire les colonnes), à part la dimension et les hiérarchies sélectionnées ainsi que l'ordre établi, les autres aspects tels que le niveau d'extension ou les colonnes masquées et conservées n'ont pas d'impact sur la prévision des séries temporelles. IBM® Planning Analytics Workspace sources également des données d'historique remontant aussi loin que possible le long de la série temporelle et des données source provenant uniquement des membres feuille le long de la série temporelle. En conséquence, les feuilles possédant plusieurs parents dans la série temporelle génèrent une période non contiguë ; une attention spéciale doit donc être apportée à ces cas. Si possible, envisagez d'ajouter une hiérarchie spéciale pour la prévision des séries temporelles afin de prendre en charge la configuration de temps requise.

Il ne suffit pas d'éditer la vue car le service peut avoir besoin de traverser le cube source pour obtenir plus de détails sur l'historique.

Dans l'exemple ci-dessous, les séries temporelles sont définies correctement en imbriquant les dimensions Years et Month en tant que colonnes.

La dimension Years est valide :

Toutefois, la dimension en mois n'est pas valide :

Les membres feuille de la dimension Month contiennent plusieurs récapitulatifs ou parents. Exemple : Jan.

Deuxièmement, la dimension Month ne contient pas une série temporelle continue unique, que les membres du mois ont répétée.

Vous pouvez corriger le problème en créant une hiérarchie qui inclut uniquement les mois feuille :

Les séries temporelles correctes sont affichées ci-après.

Données historiques

La qualité et la quantité des données d'historique utilisées pour la prévision doivent répondre à certaines exigences pour être les plus efficaces. Planning Analytics Workspace remonte le plus possible le long des dimensions de temps configurées dans la colonne de la vue exploratoire à partir de laquelle la prévision est démarrée. Selon la conception de la dimension et la nature des données, la prévision peut ne pas être optimale. Quelques règles à garder à l'esprit :

Prévisions univariées

Les données d'historique doivent s'étaler sur au moins le double de la durée des données sur laquelle porte la prévision. Par exemple, si les données s'étalent sur 3 ans, toutes les données au-delà d'un an et demi ne doivent pas être prises en compte.

Les données d'historique doivent représenter au moins deux saisons de données si celles-ci présentent une saisonnalité. Par exemple, si les cycles de données annuels et les membres de temps feuille présentent un niveau de granularité mensuel, l'historique doit comporter au moins 24 mois de données. Ainsi, la fonction pourra automatiquement détecter le cycle.

Prévisions multivariées

Au moins 16 points de données d'historique sont requis pour que la prévision aboutisse.

La saisonnalité ne s'applique pas aux prévisions multivariées.

Cellules de données de prévision

La fonction de prévision prend en compte tous les membres qui se trouvent dans la série temporelle après la date de début choisie. Elle ne crée pas de membre dans une dimension de temps. Les membres doivent exister. Cela signifie qu'ils doivent aussi représenter un temps contigu. Par exemple, si des cellules calculées existent pour cette série, la prévision échoue car ces cellules ne sont pas accessibles en écriture.

Dimension de version

La dimension de version, si vous choisissez d'en utiliser une, doit apparaître dans la zone de contexte de la vue d'exploration. Si la dimension de version est placée dans une autre position de la vue, elle ne peut pas être sélectionnée en tant que version cible dans l'onglet Avancé lorsque vous configurez votre prévision.

Si vous voulez afficher les valeurs de tous les membres de version en une fois, créez une vue indépendante à cet effet.

Suppression de zéros

Tenez compte de ces considérations lorsque vous utilisez la suppression des zéros en conjonction avec la prévision.

Suppression des zéros sur les colonnes

Bien que les colonnes dont la suppression est nulle ne soient pas visibles dans Cube Viewer, elles peuvent être nécessaires pour stocker les valeurs de prévision résultantes. Si vous vous assurez qu'il n'y a pas de colonnes imbriquées qui ne représentent pas de segments de temps contigus (par exemple, années, trimestres, mois), il n'est pas nécessaire de supprimer les zéros dans les colonnes lors de la prévision.

Suppression des zéros sur les lignes

Si vous avez configuré l' onglet Avancé pour spécifier l'emplacement où vous souhaitez enregistrer les valeurs prédites, n'utilisez pas la suppression des zéros sur les lignes. Cela peut entraîner la suppression de lignes vides dans l'emplacement cible où vous souhaitez enregistrer les valeurs prédites. Une erreur se produit, car il n'y a nulle part où écrire les valeurs prédites.

Valeurs consolidées

Bien que les membres consolidés soient pris en charge dans la zone de contexte de la vue à partir de laquelle la prévision est lancée, la répartition de données résultante peut consommer des ressources importantes. Par défaut, la prévision utilise la répartition de données proportionnelle. Si vous souhaitez répartir les données à l'aide d'un algorithme différent, vous pouvez le modifier après la prévision.

Variables pour les prévisions multivariées

Les variables des prévisions multivariées doivent résider dans un cube présent dans la même base de données que la vue à partir de laquelle la prévision est lancée. Les variables doivent exister dans un cube qui utilise la même dimension de temps que la vue à partir de laquelle la prévision est lancée.

Test de la configuration avec aperçu

La prévisualisation des résultats d'au moins une série temporelle pour s'assurer qu'ils sont pertinents est l'une des dernières étapes importantes de la configuration. S'ils ne sont pas pertinents, cela signifie probablement qu'une ou plusieurs exigences ne sont pas correctement remplies. La section suivante explique comment procéder à la prévisualisation.