Previsioni

Panoramica

Rilevata discrepanza linguistica e preparata la correzione in inglese

Il modulo di previsione di SKOOR offre una previsione basata sul machine learning delle tendenze future sui dati delle serie temporali. Sono disponibili quattro modelli:

• Prophet (Vedi la documentazione ufficiale qui)

• SARIMAX (Vedi la documentazione ufficiale qui)

• Regressione lineare (Vedi la documentazione ufficiale qui)

• XGBoost (vedi la documentazione ufficiale qui)

Tutti i modelli supportano serie indicizzate per data e ora provenienti direttamente da una DataSource o DataQuery di SKOOR. 

Pagina delle previsioni

La pagina delle previsioni è divisa in due sezioni. 

Pagina Generale

Questa sezione include le impostazioni delle previsioni.

Sul lato sinistro:

Sul lato destro è presente la panoramica dei dati di previsione in una tabella. Viene visualizzata solo se esiste già una previsione.

Pagina di esecuzione

Questa sezione è responsabile dell'esecuzione e del monitoraggio delle esecuzioni della previsione. Offre il controllo sulla cronologia e consente di ottenere approfondimenti.

È possibile eseguire una previsione facendo clic sul pulsante "Esegui previsione". La cronologia completa delle esecuzioni può essere eliminata facendo clic sul pulsante "Elimina cronologia lavori". Si noti che tutte le tabelle create dalle previsioni verranno eliminate e per recuperarle è necessario eseguire nuovamente la previsione. Quando un lavoro è ancora in esecuzione, è possibile annullarlo facendo clic sulla X rossa sul lato destro dello stato visualizzato.

Cliccando su un lavoro, è possibile visualizzare l'output della console, lo stato di avanzamento, lo stato e ulteriori informazioni. Nell'output della console vengono visualizzati tutti i gruppi e la loro accuratezza. L'accuratezza indicata è misurata con il WAPE (Weighted Absolute Percentage Error), è espressa in percentuale ed è calcolata sulla base delle prestazioni del modello sui dati storici.

Creazione di una previsione

È possibile creare una configurazione di previsione cliccando sul pulsante più sul lato sinistro e inserendo un nome oppure importando una previsione utilizzando il formato json. Una volta creata una configurazione di previsione, è necessario impostare alcune opzioni nella pagina generale.

Configurazione del modello

Cliccando sul pulsante "Configura modello di previsione" si apre una finestra di dialogo in cui è possibile scegliere il modello. Attualmente sono disponibili 4 diverse opzioni di modello, visibili qui sotto. Alcuni modelli dispongono di un pulsante di ottimizzazione degli iperparametri che consente al modello di testare varie combinazioni di iperparametri al fine di individuare quella migliore. I vari iperparametri che è possibile impostare sono elencati sotto il modello. Se la ricerca degli iperparametri è già stata avviata, è possibile visualizzare e copiare gli iperparametri cliccando sul pulsante "Mostra iperparametri ottimizzati".

Una volta terminata l'impostazione degli iparametri, clicca su Salva per salvare la configurazione del modello o su Annulla per annullare le modifiche.

Sono disponibili i seguenti modelli tra cui scegliere:

Prophet

• Prophet è uno strumento open source basato sul Machine Learning sviluppato da Meta (ex Facebook) per la previsione di dati di serie temporali. È progettato per essere robusto nei confronti dei dati mancanti e dei cambiamenti di tendenza, ed eccelle in particolare nella previsione di serie temporali con forte stagionalità. Prophet è in grado di gestire automaticamente gli effetti delle festività e consente all'utente di impostare i propri iperparametri per renderlo ancora più preciso.

• Prophet è l'opzione più utilizzata tra quelle disponibili perché richiede un tempo moderato per l'addestramento ma fornisce costantemente i migliori risultati, rendendolo la scelta più conveniente nella maggior parte degli scenari. Prophet eccelle quando vengono forniti dati relativi a più stagioni in cui si verificano effetti stagionali ricorrenti, effetti festivi o cambiamenti di tendenza irregolari.

• Una volta selezionato, il modello Prophet mostra anche le bande dell'intervallo di confidenza, che indicano il grado di certezza delle previsioni del modello. Quando visualizzata sulla dashboard, la banda dell'intervallo di confidenza appare in un colore più chiaro attorno alla previsione.

  

È possibile configurare le seguenti variabili:

SARIMAX

• SARIMAX (Seasonal Autoregressive Integrated Moving Average with Exogenous Regressors) è un modello statistico utilizzato per prevedere i punti futuri sulla base dei dati passati. Gestisce sia le tendenze che i modelli stagionali. È l'estensione del modello ARIMA con l'aggiunta di componenti stagionali.

• SARIMAX funziona particolarmente bene quando i dati generati sono stabili e coerenti e quando si preferisce un modello statistico a un modello di apprendimento automatico.

Nel modello SARIMAX non ci sono variabili che possono essere regolate dall'utente.

Regressione lineare

• La regressione lineare viene utilizzata per prevedere le tendenze solo adattando una linea retta ai dati di addestramento ed estendendo questa linea nel futuro. È uno strumento potente per prevedere le tendenze future in qualsiasi serie temporale di dati.

• La regressione lineare è più indicata quando i dati sottostanti mostrano una tendenza lineare chiara e coerente con stagionalità o rumore minimi.

Nel modello di regressione lineare non ci sono variabili che possono essere regolate dall'utente.

XGBoost

• Il modello XGBoost utilizza alberi decisionali potenziati dal gradiente per la previsione diretta in più fasi. Prima dell'addestramento, applica un'ampia ingegneria delle caratteristiche alla serie temporale di input, estraendo caratteristiche di ritardo, statistiche rolling e caratteristiche basate sul calendario, per poi prevedere ogni punto futuro in modo indipendente.

• XGBoost funziona al meglio con dati complessi e non lineari. Può raggiungere una buona accuratezza, ma richiede tempo per l'addestramento e, in alcuni casi, i dati devono essere pre-elaborati separatamente in anticipo.

È possibile configurare le seguenti variabili:

Origine dati

La finestra di configurazione della fonte dati consente di specificare i dati utilizzati per addestrare il modello.

La fonte dei dati può essere selezionata sulla sinistra. Esistono due tipi di fonte di dati: una fonte di dati dal database SKOOR o una query di dati dalla scheda Data Query. Quando si seleziona la fonte di dati sono necessarie ulteriori scelte, che possono essere impostate nella finestra, come la fonte di dati, la tabella e le colonne. Quando si seleziona l'opzione della query di dati, è necessario impostare la query di dati, così come le colonne di quella query.

Le colonne Valore, Data e Discriminatore possono essere selezionate facendo clic sul menu a tendina. Il menu a tendina mostrerà automaticamente le colonne che soddisfano i requisiti. È necessario scegliere le seguenti colonne:

Sul lato destro della finestra dei dati è possibile selezionare ulteriori opzioni di pre-elaborazione dei dati.

Frequenza

La frequenza determinerà l'output della previsione. È possibile scegliere tra le seguenti frequenze:

Internamente, la serie di dati fornita viene interpolata o aggregata alla frequenza impostata utilizzando il tipo di interpolazione e/o il tipo di aggregazione. Si noti che se i dati presentano date mancanti o sono troppo numerosi per la frequenza, l'interpolazione e/o l'aggregazione selezionata viene applicata automaticamente per garantire una previsione fluida.

Tipi di interpolazione:

Tipi di aggregazione:

Permessi

Sola lettura

• Leggi i risultati delle previsioni

• Cerca configurazioni di previsione in base alla definizione del valore

Editor

• Tutto ciò che la modalità di sola lettura può fare

• Elenca tutte le configurazioni di previsione (solo vista semplice)

Editor dati

• Tutto ciò che Editor può fare

• Diritti completi (crea, leggi, aggiorna, elimina) su configurazioni e gruppi di previsioni

• Avviare, visualizzare e annullare i lavori di previsione

• Esportazione / importazione delle configurazioni

Admin

• Tutto ciò che Dataeditor può fare

• Eliminare la cronologia dei lavori

Visualizzazione delle previsioni su una dashboard

Utilizzo del widget di previsione predefinito

SKOOR implementa un facile accesso alle previsioni introducendo un pulsante nel widget dei grafici. Basta creare un widget grafico sulla Dashboard, impostare il tipo di grafico su Misto e configurare le stesse definizioni dei dati presenti nella configurazione delle previsioni. Dopo aver impostato l'origine dati, clicca su sincronizza colonne nella sezione Colonne in basso a destra nella finestra di dialogo di modifica del widget oppure aggiungi manualmente la colonna che è stata oggetto di previsione. Quindi clicca su quella colonna e spunta la casella mostra previsione. Selezionare la configurazione di previsione corrispondente dal menu a tendina, quindi applicare. Ora l'anteprima dovrebbe già mostrare i dati storici con la previsione corrispondente.

Utilizzo di una query dati personalizzata

La tabella contenente i risultati della previsione può essere copiata negli appunti semplicemente cliccando sul selettore "Copia tabella" nella pagina generale della configurazione della previsione. Utilizzando questa tabella, è possibile accedere ai dati di previsione e scrivere la propria query di dati, ad esempio in SKOOR Studio. Si noti che ci sono differenze nelle colonne della tabella come descritto:

• Prophet

  • colonna del valore (con lo stesso nome della colonna del valore di input)

  • colonna del timestamp (con lo stesso nome della colonna del timestamp di input)

  • valore di confidenza inferiore (nome identico alla colonna del valore di input, ma con “_lower” alla fine)

  • valore di confidenza superiore (nome identico alla colonna del valore di input ma con “_upper” alla fine)

  • accuratezza

  • colonne discriminanti (Stesso numero di colonne del numero di colonne discriminanti specificato. Con lo stesso nome delle colonne discriminanti di input.)

• Regressione lineare

  • colonna del valore (con lo stesso nome della colonna del valore di input)

  • colonna del timbro data (Con lo stesso nome della colonna del timbro data in ingresso.)

  • accuratezza

  • colonne discriminanti (Stesso numero di colonne del numero di colonne discriminanti specificato. Denominate come le colonne discriminanti di input.)

• SARIMAX

  • colonna valore (con lo stesso nome della colonna valore in ingresso)

  • colonna data e ora (con lo stesso nome della colonna data e ora in ingresso)

  • accuratezza

  • colonne discriminanti (Stesso numero di colonne del numero di colonne discriminanti specificato. Denominate come le colonne discriminanti di input.)

• XGBoost

  • colonna del valore (con lo stesso nome della colonna del valore di input)

  • colonna data e ora (con lo stesso nome della colonna data e ora in ingresso)

  • accuratezza

  • colonne discriminanti (Stesso numero di colonne del numero di colonne discriminanti specificato. Denominate come le colonne discriminanti di input.)