Performance Analytics – Prognosen zu Punktzahlen
Performance Analytics ermöglicht Ihnen, zukünftige Punktzahlen basierend auf vergangenem Verhalten zu prognostizieren. Sie können Punktzahlen für Zeitreihen-Widgets, Zeitreihen-Datenvisualisierungen, KPI-Detailsund Analytics Hubprognostizieren. Prognosepunktzahlen werden als gepunktete Linie angezeigt.
Prognosen werden auf der Registerkarte Vorhersage des Indikatordatensatzes eingerichtet. Die Anzahl der in der Prognose enthaltenen Datenpunkte hängt von der Indikatorhäufigkeit und der Anzahl der für den Indikator konfigurierten Prognosezeiträume ab. Ein Zeitraum ist eine festgelegte Anzahl von Punktzahlen basierend auf der Indikatorfrequenz. Unabhängig von den Einstellungen und der Prognosemethode werden nicht mehr als 2688 Prognosedatenpunkte generiert.
Auch bei der Visualisierung von Zeitreihendaten sind Sie nicht auf Prognosen für Indikatoren von Performance Analytics beschränkt. Wenn Sie eine Abonnementversion von Performance Analyticshaben, können Sie Prognosen für jede Datenquelle mit Ausnahme von Tabellen generieren. Weitere Informationen finden Sie unter Erstellen Sie eine Zeitreihenvisualisierung in Visualisierungs-Designer.
Diese Funktionalität erfordert die Anwendung Data Visualizations 24.0.x aus dem ServiceNow® Store.
Konfigurieren Sie Prognosen für einen Indikator
Konfigurieren Sie im Datensatz eines automatisierten Indikators Prognosen, wie sie in den Widgets Analytics Hub, Performance Analytics und Zeitreihendatenvisualisierungen angezeigt werden.
Vorbereitungen
Erforderliche Rolle: pa_power_user, pa_admin, admin
Prozedur
Vorhersagemethode auswählen
Wenn Sie ein Statistikexperte sind, können Sie eine Prognosemethode manuell auswählen. Standardmäßig wählt die Instanz basierend auf der Anpassung der Methode automatisch die beste Methode für Sie aus.
Um die am besten passende Vorhersagemethode zu bestimmen, generiert die Instanz Vorhersagen mit jeder Vorhersagemethode mit Ihren Verlaufsdaten. Die Instanz vergleicht diese Vorhersagen dann mit den neuesten Daten, je nachdem, wie weit Sie vorhersagen möchten. Die Instanz führt diese Auswertung jedes Mal aus, wenn die Vorhersage angezeigt wird. Daher kann das Sammeln zusätzlicher Punktzahlen oder das Ändern des Prognosezeitraums die verwendete Prognosemethode ändern.
Wenn Sie beispielsweise einen Indikator mit einer täglichen Häufigkeit konfigurieren, um zwei Zeiträume im Voraus zu prognostizieren, wendet die Instanz jede Prognosemethode auf Ihre Verlaufsdaten an, die älter als zwei Wochen sind. Dann vergleicht die Instanz diese Vorhersagen mit den Daten der letzten zwei Wochen. Die Vorhersage, die den Daten der letzten zwei Wochen am nächsten kommt, wird dann unter Verwendung des gesamten Datensatzes neu berechnet. Die Instanz zeigt die Ergebnisse dieser endgültigen Berechnung in Analytics Hub oder in KPI-Detailsan.
Prognosemethoden
Performance Analytics kann die folgenden Standardvorhersagemethoden verwenden.
| Methode | Beschreibung |
|---|---|
| Linear | Generiert eine lineare Regressionsprognose basierend auf den Verlaufspunktzahlen, wobei Konstante und Trend als erklärende Variablen verwendet werden. |
| Saisonal | Generiert eine lineare Regressionsprognose basierend auf den Verlaufspunktzahlen, wobei saisonale Dummies als erklärende Variablen verwendet werden. Eine „Saison“ ist für diese Analyse ein Zeitraum. |
| Saisonaler Trend | Als saisonabhängig, enthält jedoch einen Trend als erklärende Variable. |
| Seasonal Trend Loess (STL) | Generiert eine saisonale Prognose basierend auf einer Best-fit-Funktion. Diese Methode passt einen Trend, eine Saison und einen zufälligen Rauschprozess an die Daten an, indem ein exponentiell gewichteter Ansatz des gleitenden Durchschnitts verwendet wird. Die Prognose basiert auf dem vollständigen Datensatz, wobei neuere Beobachtungen stärker gewichtet werden Eine „Saison“ ist für diese Analyse ein Zeitraum. |
| Zufällige Gesamtstruktur (RF) | Erstellt eine Kombination von Entscheidungsstrukturen, in der die von diesen Strukturen erstellten Vorhersagen gemittelt werden, um eine einzelne Vorhersage zu erhalten. Die Zufälligkeit ergibt sich aus jeder Struktur, die aus einer zufälligen Teilmenge der verfügbaren Daten und Eingaben erstellt wird. Weitere Informationen zur Methode der zufälligen Gesamtstruktur finden Sie in diesem mittelgroßen Artikel. |
| Autoregressiv (AR) | Das autoregressive (AR) Modell prognostiziert zukünftige Werte eines Indikators mithilfe einer linearen Kombination aus einem Trend, saisonalen Dummies und vergangenen Werten. Wie das RF-Modell (Random Forest) sucht das AR-Modell nach der besten Anzahl von Verzögerungen. Das AR-Modell bezieht sich jedoch linear auf aktuelle Werte in der Vergangenheit, während das RF-Modell nicht linear ist. |
Indikator-Prognosezeiträume
Abhängig von der Häufigkeit der Punktzahl wird eine andere Periodenlänge ausgewählt. Konsultieren Sie die Tabelle, um die Länge des Zeitraums zu ermitteln, der für Ihre Serie verwendet wird.
| Häufigkeit der Punktzahlen | Anzahl der Datenpunkte pro Zeitraum | Gesamte Periodenlänge |
|---|---|---|
| Täglich | 7 | 1 Woche |
| Wöchentlich | 13 | 1 Quartal |
| Zweiwöchentlich | 6 | 1 Quartal |
| Alle vier Wochen | 13 | 1 Jahr |
| Monatlich | 12 | 1 Jahr |
| Zweimonatlich | 6 | 1 Jahr |
| Vierteljährlich | 4 | 1 Jahr |
| Pro Geschäftsquartal | 4 | 1 Jahr |
| Halbjährlich | 2 | 1 Jahr |
| Jährlich | 4 | 4 Jahre |
| Pro Geschäftsjahr | 4 | 4 Jahre |
Prognosen und Ziele
Wenn die Prognose für einen Indikator aktiviert ist und ein globales Ziel definiert ist, zeigt die Prognose, wann das Ziel erreicht wird.
Darüber hinaus sendet die Instanz 14 Tage vor dem erwarteten Erreichen des Ziels eine Benachrichtigung. Sie können ändern, wie viele Tage im Voraus die Benachrichtigung gesendet wird, indem Sie die Eigenschaft pa.job.forecast.target.days_to_check festlegen.
Diese Funktion ist nur für globale Ziele verfügbar. Schwellenwerte und persönliche Ziele interagieren nicht mit Prognosen.
Prognose mit Zeitreihenzusammenfassungen
Wenn Sie eine Zeitreihenzusammenfassung auf einen Indikator anwenden, ändert sich die Länge des Prognosezeitraums. Die Änderung hängt vom Typ der Zeitreihe ab.
| Zeitzusammenfassung | Auswirkung auf den Prognosezeitraum | Beispiel |
|---|---|---|
| Wird ausgeführt | Die Anzahl der Punkte im Zeitraum entspricht dem Feldwert „Range“. | Für eine laufende Summe von 7 Tagen hat der Prognosezeitraum 7 Datenpunkte. Für eine laufende Summe von 28 Tagen hat dies 28 Datenpunkte. |
| Nach Zeitraum | Der ausgewählte Zeitraum wird so behandelt, als wäre er die Indikatorhäufigkeit. | Eine Zeitzusammenfassung „Pro Woche“, die auf einen täglichen Indikator angewendet wird, hat 13 Datenpunkte pro Prognosezeitraum, was einem Quartal entspricht. Dieser Prognosezeitraum ist der gleiche wie für einen wöchentlichen Indikator ohne Zeitzusammenfassung. |
| Bis Datum | Die Periodenlänge entspricht der Zeitspanne der Zusammenfassung. Die Anzahl der Datenpunkte pro Zeitraum ist ein Produkt aus dieser Zeitspanne und der Indikatorhäufigkeit. | Siehe Rest dieses Abschnitts. |
| Woche bis heute | Monat bis heute | Quartal bis heute | Jahr bis heute |
|---|---|---|---|
| 7 | 30 | 91 | 365 |
| Indikatorfrequenz | Datenpunkte pro Zeitraum, Jahr bis heute |
|---|---|
| Täglich | 365 |
| Wöchentlich | 52 |
| Alle vier Wochen | 13 |
| Zweiwöchentlich | 26 |
| Vierteljährlich (geschäftsmäßig) | 4 |
Indikatorpunktzahlprognosen anzeigen
Zeigen Sie in der klassischen Umgebung die Prognosen in einem Zeitreihen-Widget oder im Analytics Huban. Zeigen Sie auf einem konfigurierbarer Arbeitsbereichdie Prognosen in einer Zeitreihendatenvisualisierung oder KPI-Detailsan.
Um die Prognose für ein Zeitreihen-Widget anzuzeigen, wählen Sie Prognoseanzeigen im Abschnitt „Anzeigeeinstellungen“ des Widget-Formulars aus. Sie können auch das 95%-Konfidenzintervall der Prognose anzeigen, indem Sie Vorhersagebereich anzeigen auswählen. Weitere Informationen finden Sie unter Zeitreihen-Widgets.
Um die Prognose für Analytics Hubanzuzeigen, klicken Sie auf das Symbol für die Diagrammeinstellungen (
), und aktivieren Sie die Option Prognose. Öffnen Sie analog dazu in KPI-Detailsdie Diagrammoptionen, und aktivieren Sie Prognose.
Um die Prognose in einer Zeitreihendatenvisualisierung anzuzeigen, erweitern Sie Zusätzliche Einstellungen, und aktivieren Sie Prognose anzeigen. Sie haben dann die Möglichkeit, den Prognosebereich anzuzeigen. Sie können die Prognosekonfiguration für den Indikator in dieser spezifischen Datenvisualisierung überschreiben, indem Sie Konfigurieren der Prognoseöffnen.
Um die Prognose für einen Indikator in KPI-Detailsanzuzeigen, aktivieren Sie die Prognose in Diagrammoptionen in KPI-Details.