Fonctions de modélisation prédictive dans les visualisations de séries chronologiques

Ce document décrit les étapes requises pour étendre un axe temporel dans l’avenir, afin que vous puissiez faire des prédictions pour les dates futures à l’aide des fonctions de modélisation prédictive.

Pour voir comment procéder, suivez l’exemple ci-dessous.

Étape 1 : Créer une visualisation

  1. Dans Tableau Desktop, connectez-vous à la source de données Exemple - Hypermarché enregistrée qui est fournie avec Tableau.

  2. Accédez à la feuille de calcul Sheet 1.

  3. Depuis le volet Données, faites glisser la dimension Order Date vers l’étagère Colonnes.

  4. Ouvrez le menu contextuel de la mesure pour modifier son niveau de liste en Mois et Année :

    Menu contextuel Mesure

  5. Faites glisser Profit vers l’étagère Colonnes.

Étape 2 : Créer un calcul de prédiction

  1. Cliquez pour ouvrir le menu Analyse en haut, puis sélectionnez Créer un champ calculé.

  2. Dans l’éditeur de calcul, procédez comme suit :

    • Nommez le calcul Quantile Predict Median Profit.

    • Entrez la formule suivante :

    • MODEL_QUANTILE(0.5, SUM([Profit]),ATTR(DATETRUNC('month', [Order Date])))

    La fonction MODEL_QUANTILE prend un quantile donné et prédit des valeurs en fonction des prédicteurs que vous avez entrés, dans ce cas le quantile = 0,5, qui prédit la médiane. Nous voulons prédire le profit, donc l’expression cible est SUM([Profit]). Et puisque nous voulons baser la prédiction sur les performances passées, nous devons inclure la date comme un prédicteur.

    Remarque : avec les fonctions de modélisation prédictive, vous ne pouvez pas combiner les arguments agrégés et non agrégés. Étant donné que l’expression cible doit être une agrégation, le prédicteur doit également l’être. Dans ce cas, nous avons utilisé ATTR(DATETRUNC('month', [Order Date])). Pour plus d’informations sur l’utilisation des fonctions ATTR, voir Dans quels cas utiliser la fonction Attribute (ATTR).
  3. Lorsque vous avez terminé, cliquez sur OK.

    Le calcul de prédiction est maintenant ajouté sous forme de champ calculé dans le volet Données.

Étape 3 : Ajouter le calcul de prédiction à la vue

  1. Faites glisser le calcul de prédiction vers l’étagère Lignes, à droite de SUM(Profit).

  2. Faites un clic droit (Ctrl+clic sur Mac) sur la mesure et sélectionnez Axe double.

  3. Pour aligner les deux axes sur un graphique à axes doubles de manière à avoir la même échelle, faites un clic droit (Ctrl+clic sur Mac) sur l’axe secondaire, dans ce cas Quantile Predict Median Profit, et sélectionnez Synchroniser l’axe. L’échelle des deux axes est alors alignée.

    Graphique en courbes avec courbe de profit et courbe de prédiction

Étape 4 : Étendre la plage de dates et densifier les données

La dernière étape consiste à étendre l’axe horizontal dans le futur pour vous permettre d’ajouter des repères au-delà de la plage de dates actuelle.

  1. Pour ce faire, il suffit d’ouvrir le menu contextuel de la pile MONTH(Order Date) et de sélectionner Plage de dates étendue.

  2. Dans la boîte de dialogue Plage de dates étendue, prolongez l’axe de 16 mois :

    Boîte de dialogue Plage de dates étendue

    Tableau a automatiquement mis à jour la vue en étendant l’axe horizontal et inclut des prédictions sur ces dates futures :

    Graphique en courbes avec axe des dates étendu dans le futur

    Notez que la ligne bleue Profit ne s’étend pas jusqu’à la fin du graphique. Par contre, la ligne orange représentant le calcul de prédiction, Quantile Predict Median Profit s’étend quant à lui jusqu’à la fin du graphique. Le calcul des prédictions de profit sur des dates futures s’appelle la densification des données, qui se produit lorsque Tableau crée des repères supplémentaires dans la vue afin de compenser des valeurs manquantes. Les données ne sont pas ajoutées à la source de données sous-jacentes. Les repères sont simplement générés et ajoutés à la vue.

Remarque : lorsque vous étendez une plage de dates dans le futur, Tableau active automatiquement l’option Déduire les propriétés des valeurs manquantes dans le menu Analyse. Cela garantit que vos calculs de prédiction s’appliqueront aux valeurs manquantes. Pour plus de détails sur cette option de menu, voir Modélisation prédictive avec des repères générés.

Pour plus d’informations sur la densification des données, consultez le billet sur la densification des données(Le lien s’ouvre dans une nouvelle fenêtre) dans Data Plus Science(Le lien s’ouvre dans une nouvelle fenêtre).
Merci de vos commentaires !Avis correctement envoyé. Merci