Créer une analyse

Créez des analyses pour modéliser différents résultats en fonction d’interventions ou de changements spécifiques. Vous pouvez générer des prévisions pour chaque analyse et utiliser ces informations pour comparer les différents résultats et mieux comprendre l’impact des interventions potentielles.

Avant de commencer

Rôle requis : sn_esg.program_manager

Procédure

1. Accédez à la Tous > Gestion de la durabilité opérationnelle > Espace de travail de durabilité opérationnelle > Listes > Contextes d'analyse.
2. Sélectionnez l’enregistrement de contexte d’analyse souhaité et accédez à l’onglet Analyse .
3. Sélectionnez Nouveau.
4. Remplissez les champs du formulaire.

   Tableau 1. Créer un formulaire d’analyse

   Champ	Description
   Nom	Nom de l’analyse. Par exemple, Best case.
   Méthode de prévision	Méthode utilisée pour générer des données de prévision. Automatique Par défaut, l’instance choisit automatiquement la meilleure méthode pour vous, en fonction de l’ajustement de la méthode. Pour plus d'informations, consultez Automatic selection of forecast methods. Linéaire Génère une prévision de régression linéaire basée sur les scores historiques, en utilisant la constante et la tendance comme variables explicatives. Saisonnier Génère une prévision de régression linéaire basée sur les scores historiques, en utilisant des variables indicatrices saisonnières comme variables explicatives. Une « saison » pour cette analyse est une période. Tendance saisonnière Comme saisonnier, mais inclut une tendance comme variable explicative. Tendance saisonnière basée sur Loess (STL) Génère une prévision saisonnière basée sur une fonction la mieux adaptée. Cette méthode ajuste une tendance, une saison et un processus de bruit aléatoire aux données en utilisant une approche de moyenne mobile à pondération exponentielle. Les prévisions sont basées sur l’ensemble des données, avec plus de poids accordé aux observations plus récentes. Forêt aléatoire (RF) Crée une combinaison d’arbres de décision où la moyenne des prédictions produites par ces arbres est calculée pour obtenir une seule prédiction. Le caractère aléatoire vient du fait que chaque arbre est construit à partir d’un sous-ensemble aléatoire de données et d’entrées disponibles. Auto-régressif (AR) Le modèle autorégressif (AR) prévoit les valeurs futures d’un indicateur en utilisant une combinaison linéaire d’une tendance, de variables indicatrices saisonnières et de valeurs passées. Comme le modèle Random Forest (RF), le modèle AR recherche le meilleur nombre de décalages. Cependant, le modèle AR relie linéairement les valeurs actuelles aux valeurs passées, tandis que le modèle RF n’est pas linéaire. Pour plus d'informations, consultez Forecast methods.
   État	État de l’enregistrement d’analyse. Brouillon En cours Publiée
   Description	Description de l’analyse.

5. Sélectionnez Enregistrer.
6. Facultatif : Accédez à l’onglet Analyse du facteur d’émission .
   Cet onglet n’est disponible que si une formule associée à l’analyse utilise un facteur d’émission.
   1. Saisissez l’emplacement dans le champ Emplacement du facteur d’émission .
   2. Sélectionnez Enregistrer.
   Cette étape n’est nécessaire que si une formule associée à l’analyse utilise un facteur d’émission.
7. Sélectionnez Prévision.
   Votre enregistrement d’analyse a été créé. Un onglet Prévision a été ajouté, dans lequel vous pouvez afficher la prévision standard générée.

Que faire ensuite

Ajustez les paramètres pour modéliser différents résultats en fonction d’interventions ou de changements spécifiques. Pour plus d'informations, consultez Ajuster les paramètres.