Time Series Forecasting
Prognostiziere Time Series wie Geschäftsdaten mit Machine Learning (ML) Algorithmen im SeriesExplorer. Modelliere die Zukunft von Prozessen mit wenigen Klicks.
Fluggast Datensatz
In diesem Beispiel verwenden wir öffentliche Fluggast-Daten, die die monatliche Anzahl von Passagieren im Verlauf der Jahre darstellen. Die Geschäftsdaten sind mit Monaten in einer Excel-Datei gespeichert.
1. Excel-Datei importieren
Wir ziehen die Excel-Datei per Drag & Drop in den SeriesExplorer. Dann setzen wir setzen „Points Column Name“ auf den Spaltennamen der Zeitpunkte „Month“, sowie „Series Column Name“ auf den Spaltennamen der Time Series „Passengers“. Danach starten wir den Import.
2. ML-Verfahren anwenden
Wir wählen im SeriesExplorer ein „Forecasting“ ML-Verfahren aus, um die Daten zu modellieren. Dann setzen wir „Train Start“ auf Dezember 1955, um das Prognose-Modell ab diesem Zeitpunkt zu lernen. Nun starten wir den Algorithmus, indem wir „Apply“ klicken.
3. Forecast inspizieren
Im Editor zoomen wir mit der Maus an den Forecast heran, um diesen zu inspizieren und in unsere Analyse zu integrieren. Bei Bedarf können wir Parameter verändern und den ML-Algorithmus nochmals rechnen lassen. Oder wir berechnen weitere Analysen im SeriesExplorer.
4. Forecast exportieren
Als letzten Schritt exportieren wir die Time Series mit dem Forecast als Excel-Datei, um bspw. die Daten zur Dokumentation oder für weitere Analysen zu speichern. Wir können ebenfalls ein Bild der Geschäftsdaten exportieren, um es in Präsentationen einzubinden.
Gründer
Arik Ermshaus