Prognoser i Power BI

Tidsserieanalys i Power BI

Kevin Barlow

Data Analytics Professional

Kontext och betydelse

Prediktion är en mer avancerad analytisk teknik som gör det möjligt att få kunskap om vad som kommer att hända, inte bara vad som redan har hänt.

Exempel på prognos

Typer av prognoser

Prognostisering

Tar befintlig data och projicerar den mot framtida datum
En form av prediktiv eller preskriptiv analys

Branschexempel

Prognostisera efterfrågan på en specifik produkt
Förutsäga hur många anställda som behövs i din teknikavdelning

Hindcastning

Använder prognosen för att "förutsäga" befintlig data
Används vanligtvis för att testa precisionen hos en prognosmodell

Branschexempel

Hindcasta klimatförhållanden som ledde till specifika miljöförändringar
Kontrollera om en aktieprognos är tillförlitlig

Grunderna i prognostisering

Prognostisering tar historisk data och försöker förutsäga värden för framtida datum.

Titta på följande tabell:

datum	värde
1 januari	5
2 januari	10
3 januari	15
4 januari
5 januari

Med hjälp av den övergripande trenden i datan kan vi relativt tillförlitligt förutsäga nästa värden. Det här är ett exempel på linjär regression.

datum	värde
1 januari	5
2 januari	10
3 januari	15
4 januari	20
5 januari	25

Prognostisera rörig data

Tidsseriedata är ofta rörig och kan vara svår att prognostisera utan att först "rensas" upp.

Exponentiell utjämning är en teknik för att "jämna ut" brus i data.

GIF för exponentiell utjämning

Konfidenser i prognoser

Vid varje prognos uppstår fel, eftersom vi saknar faktisk data för de aktuella datumen!

Konfidensintervall – anger ett uppskattat intervall inom vilket data förväntas hamna, med en antagen konfidensnivå (%)

I Power BI kan du konfigurera hur hög konfidens du vill ha i dina prognoser.`

GIF för konfidensintervall

Aktiedatamängd

Vi ska öva på prognostisering med aktiedata för Microsoft (ticker: MSFT). Datamängden innehåller grundläggande information om aktiens handelspris en given dag.

Skärmbild av MSFT-aktiedata

Nu kör vi en övning!

Tidsserieanalys i Power BI