Prognosbeskrivningar
I dialogrutan Beskriv prognos beskrivs prognosmodellerna som Tableau har beräknat för din visualisering.
När prognosfunktionen är aktiverad kan du öppna den här dialogrutan genom att välja Analys > Prognos > Beskriv prognos.
Informationen i dialogrutan Beskriv prognos är skrivskyddad, men du kan klicka på Kopiera till Urklipp och sedan klistra in skärminnehållet i ett dokument.
Dialogrutan Beskriv prognos har två flikar: fliken Sammanfattning och fliken Modeller.
Beskriv prognos – fliken Sammanfattning
På fliken Sammanfattning beskrivs prognosmodellerna som Tableau har skapat och de generella mönster som Tableau har upptäckt i data.
Alternativ som används för att skapa prognoser
I det här avsnittet sammanfattas de alternativ som Tableau har använt för att skapa prognoser. Dessa alternativ valdes antingen automatiskt av Tableau eller angavs i dialogrutan Prognosalternativ.
Tidsserie: – Fältet för kontinuerliga datum som använts för att definiera tidsserien. Ibland är detta värde inte ett datum. Läs Prognostisering när det inte finns något datum i vyn.
Mätvärden – Mätvärdena som värden beräknas för.
Prognos framåt – Prognosens längd och datumintervall.
Prognos baserad på – Datumintervallet för de data som används för att skapa prognosen.
Ignorera senaste – Antalet perioder i slutet av data som ignoreras; prognosdata visas för dessa perioder. Det här värdet baseras på alternativet Ignorera senaste i dialogrutan Prognosalternativ.
Säsongsmönster – Längden på säsongscykeln som Tableau upptäckt i data, eller Inget om ingen säsongscykel hittades i någon prognos.
Sammanfattningstabeller för prognoser
För varje mätvärde som du skapar en prognos för visas en sammanfattningstabell som beskriver prognosen. Om vyn är uppdelad i flera rutor med dimensioner, infogas en kolumn i varje tabell som identifierar dimensionerna. Fälten i sammanfattningstabellerna för prognoser är:
Första – Värdet och prognosintervallet för den första prognosperioden.
Skillnad från första – Skillnaden mellan den första och sista prognosberäkningspunkten. Intervallet för dessa två punkter visas i kolumnhuvudet. När värden visas i procent visar det här fältet den procentuella förändringen från den första prognosperioden.
Säsongseffekt – Dessa fält visas för modeller där en säsongsvariation ses, d.v.s. ett variationsmönster som upprepar sig över tid. Fälten visar säsongskomponentens höga och låga värden under den senaste kompletta säsongscykeln i en kombinerad tidsserien av faktiska värden och prognosvärden. Säsongskomponenten uttrycker avvikelsen från trenden och varierar alltså kring noll och summeras till noll under loppet av en säsong.
Bidrag – I hur hög grad trender och säsongsvariationer påverkar prognosen. Dessa värden uttrycks alltid i procent och summerar 100 %.
Kvalitet – Anger hur väl prognosen stämmer med faktiska data. Möjliga värden är Bra, OK och Dåligt. En naiv prognos är en prognos som uppskattar att värdet för nästa period kommer att vara identiskt med värdet för den innevarande perioden. Kvaliteten uttrycks relativt till en naiv prognos, där OK betyder att prognosen förväntas ha mindre fel än en naiv prognos, Bra betyder att prognosen har mindre än hälften så många fel och Dåligt betyder att prognosen har fler fel.
Beskriv prognos – fliken Modeller
Fliken Modeller innehåller mer utförlig statistik och utjämningskoefficienter för de modeller för exponentiell utjämning (Holt-Winters) som prognoserna bygger på. För varje mätvärde som en prognos skapas för visas en tabell som beskriver de prognosmodeller som Tableau skapat för mätvärdet. Om vyn är uppdelad i flera rutor med dimensioner, infogas en kolumn i varje tabell som identifierar dimensionerna. Tabellen är indelad i följande avsnitt:
Modell
Anger om komponenterna Nivå, Trend eller Säsong är en del av modellen som används för att generera prognosen. Värdet för varje komponent är något av följande:
Inget – Komponenten ingår inte i modellen.
Additiv – Komponenten ingår i modellen och adderas till de andra komponenterna för att generera det övergripande prognosvärdet.
Multiplikativ – Komponenten ingår i modellen och multipliceras med de andra komponenterna för att generera det övergripande prognosvärdet.
Mått på kvaliteten
Den här uppsättningen värden ger statistisk information om modellens kvalitet.
| Värde | Definition |
| RMSE: Rotmedelkvadratfel |  |
| MAE: Medelabsolutfel |  |
MASE: Medelabsolutfel med skalfaktor MASE mäter storleken på felet jämfört med storleken på felet med en naiv successiv prognos (one-step ahead) uttryckt som en andel. En naiv prognos antar att värdet i dag, oavsett vad det är, kommer att vara samma i morgon. Ett MASE-värde på 0,5 betyder alltså att felet i din prognos antagligen är hälften så stort som i en naiv prognos, vilket är bättre än ett MASE-värde på 1,0, som ju inte är bättre än en naiv prognos. Eftersom det handlar om normaliserad statistik definierad för alla värden med en jämn viktning av felen, är det ett väldigt bra mätvärde när du vill jämföra kvaliteten i olika prognosmetoder. Fördelen med MASE jämfört med det vanligare MAPE-mätvärdet är att MASE är definierat för tidsserier som innehåller noll, vilket inte är fallet med MAPE Dessutom viktar MASE felen jämnt, medan MAPE tilldelar positiva och/eller extrema fel tyngre viktning. |
|
MAPE: Medelabsolutfel i procent MAPE mäter storleken på felet jämfört med storleken på dina data, uttryckt i procent. Ett MAPE-värde på 20 % är alltså bättre än ett MAPE-värde på 60 %. Fel är avvikelser mellan svarsvärdena, som förutspås av modellen, och de faktiska svarsvärdena för varje förklaringsvärde i dina data. Eftersom det handlar om normaliserad statistik är det ett bra mätvärde när du vill jämföra kvaliteten i olika modeller som beräknas i Tableau. Dock är det inte tillförlitligt med vissa jämförelser eftersom vissa typer av fel tilldelas tyngre viktning än andra. Dessutom är det odefinierat för data med nollvärden. |
|
AIC: Akaike-informationskriteriet AIC är ett mätvärde på en modells kvalitet som utvecklats av Hirotugu Akaike och som straffar komplexa modeller för att undvika ”overfitting” (överanpassning). I den här definitionen är k antalet estimerade parametrar, inklusive ursprungliga tillstånd, och SSE är summan av de kvadrerade felen. |
|
Variablerna i föregående definitioner är som följer:
| Variabel | Betydelse |
| t | Index för en period i en tidsserie. |
| n | Tidsseriens längd. |
| m | Antalet perioder i en säsong/cykel. |
| A(t) | Tidsseriens faktiska värde vid period t. |
| F(t) | Anpassat värde eller prognosvärde vid period t. |
Rester är: e(t) = F(t)-A(t)
Utjämningskoefficienter
Beroende på utvecklingstakten i nivå-, trend- eller säsongskomponenterna för aktuella data optimeras utjämningskoefficienter så att nyare datavärden tilldelas tyngre viktning än äldre, vilket minimerar fel i successiva ”within sample”-prognoser (one-step-ahead). Alpha är utjämningskoefficienten för nivå, beta är utjämningskoefficienten för trend och gamma är utjämningskoefficienten för säsong. Utjämningen är mindre ju närmare 1,00 utjämningskoefficienten ligger, vilket möjliggör snabba komponentförändringar samtidigt som beroende av mer aktuella data är större. Utjämningen är större ju närmare 0,00 utjämningskoefficienten ligger, vilket möjliggör gradvisa komponentförändringar samtidigt som beroende av mer aktuella data är mindre.