Performance Analytics スコア予測
パフォーマンスアナリティクス を使用すると、過去の動作に基づいて将来のスコアを予測できます。時系列ウィジェット、時系列データの視覚化、KPI 詳細および .アナリティクスハブ 予測スコアは点線で表示されます。
予測は、インジケーター レコードの [予測] タブで設定します。予測に含まれるデータポイントの数は、インジケーターの頻度と、インジケーターで構成された 予測期間 の数によって異なります。期間は、インジケーターの頻度に基づいて設定されたスコア数です。設定と予測方法に関係なく、生成される予測データポイントは 2688 個までです。
また、時系列データの視覚化では、インジケーターの パフォーマンスアナリティクス 予測に限定されません。の パフォーマンスアナリティクスサブスクリプションバージョンを使用している場合は、テーブルを除くすべてのデータソースの予測を生成できます。詳細については、「で時系列のビジュアル化を作成する 可視化デザイナー」を参照してください。
この機能には、ServiceNow® Store のデータの可視化 24.0.x アプリケーションが必要です。
インジケーターの予測を構成する
自動インジケーターのレコードで、ウィジェットに表示される予測アナリティクスハブパフォーマンスアナリティクス、および時系列データの可視化を設定します。
始める前に
必要なロール:pa_power_user、pa_admin、admin
手順
予測方法の選択
統計の専門家は、手動で予測方法を選択できます。デフォルトでは、インスタンスはメソッドの適合性に基づいて最適なメソッドを自動的に選択します。
最適な予測方法を決定するために、インスタンスは履歴データで各予測方法を使用して予測を生成します。インスタンスは、どの程度先まで予測するかに基づいて、それらの予測と最新のデータを比較します。インスタンスは、予測を表示するたびにこの評価を実行します。したがって、追加のスコアを収集したり、予測期間を変更したりすると、使用される予測方法が変更される可能性があります。
たとえば、2 期間先を予測する日次頻度のインジケーターを設定すると、インスタンスは 2 週間より前の履歴データに各予測方法を適用します。次にインスタンスは、これらの予測を最新の 2 週間分のデータと比較します。最新の 2 週間分のデータに最も近似する予測が、データ セット全体を使用して再計算されます。このインスタンスでは、この最終計算 アナリティクスハブ の結果を または で表示します KPI 詳細。
予測方法
パフォーマンスアナリティクス では、次の標準的な予測方法を使用できます。
| メソッド | 説明 |
|---|---|
| リニア | 定数と傾向を説明変数として使用し、履歴スコアに基づいて線形回帰予測を生成します。 |
| 季節雇用 | 季節ダミーを説明変数として使用し、履歴スコアに基づいて線形回帰予測を生成します。 この分析の「季節」は 1 つの期間です。 |
| 季節傾向 | 季節性がありますが、説明変数として傾向が含まれています。 |
| Loess による季節傾向分解 (STL) | 最適な関数に基づいて季節予測を生成します。この方法は、指数関数的に重み付けされた移動平均アプローチを使用して、傾向、季節、およびランダムノイズプロセスをデータに適合させます。予測は完全なデータセットに基づいており、最近の観測結果ほど重み付けが高くなります この分析の「季節」は 1 つの期間です。 |
| ランダムフォレスト (RF) | 意思決定ツリーの組み合わせを作成し、これらのツリーによって生成された予測を平均して単一の予測を取得します。ランダム性は、利用可能なデータと入力のランダムなサブセットから構築された各ツリーに由来します。ランダムフォレスト手法の詳細については、この「Medium の記事」を参照してください。 |
| 自己回帰 (AR) | 自己回帰 (AR) モデルは、傾向、季節ダミー、および過去の値の線形結合を使用して、インジケーターの将来の値を予測します。ランダムフォレスト (RF) モデルと同様に、AR モデルは最適な遅延数をチェックします。ただし、AR モデルは現在と過去の値を直線的に関連付けますが、RF モデルは非線形です。 |
インジケーター予測期間
スコアの頻度に応じて、異なる期間の長さが選択されます。表を参照して、系列に使用される期間の長さを確認してください。
| スコアの周期 | 期間あたりのデータポイント数 | 総期間長 |
|---|---|---|
| 日次 | 7 | 1 週間 |
| 週次 | 13 | 1 四半期 |
| 隔週 | 6 | 1 四半期 |
| 4 週間ごと | 13 | 1 年 |
| 月次 | 12 | 1 年 |
| 隔月 | 6 | 1 年 |
| 四半期ごと | 4 | 1 年 |
| 会計四半期ごと | 4 | 1 年 |
| 半年ごと | 2 | 1 年 |
| 年次 | 4 | 4 年 |
| 会計年度ごと | 4 | 4 年 |
予測とターゲット
インジケーターの予測が有効になっていて、グローバル ターゲットが定義されている場合、ターゲットにいつ到達するかが予測に表示されます。
さらに、インスタンスは、ターゲット到達が予想される 14 日前に通知を送信します。プロパティを設定する pa.job.forecast.target.days_to_check ことで、何日前に通知を送信するかを変更できます。
この機能は、グローバル ターゲットでのみ使用できます。しきい値と個人のターゲットは、予測に関係しません。
時系列集計による予測
インジケーターに時系列集計を適用すると、予測期間の長さが変更されます。変更は、時系列のタイプによって異なります。
| 時間集計 | 予測期間への影響 | 例 |
|---|---|---|
| 実行中 | 期間内のポイント数は、「範囲」フィールドの値と等しくなります。 | 7 日間の移動合計の場合、予測期間には 7 つのデータポイントがあります。28 日間の移動合計の場合、28 個のデータ ポイントがあります。 |
| 期間別 | 選択した期間は、インジケーターの頻度であるかのように扱われます。 | 日次インジケーターに適用される「週別」時間集計には、予測期間 (四半期) ごとに 13 個のデータポイントがあります。この予測期間は、時間集計のない週次インジケーターの場合と同じです。 |
| 終了日 | 期間の長さは集計のタイムスパンと一致します。期間あたりのデータポイント数は、この時間スパンとインジケーター頻度の積です。 | このセクションの残りの部分を参照してください。 |
| 週度累計 | 月度累計 | 四半期累計 | 年度累計 |
|---|---|---|---|
| 7 | 30 | 91 | 365 |
| インジケーターの周期 | 期間、年度累計ごとのデータポイント |
|---|---|
| 日ごと | 365 |
| 週次 | 52 |
| 4 週間ごと | 13 |
| 隔週 | 26 |
| 四半期ごと (会計) | 4 |
インジケータースコア予測の表示
クラシック環境では、時系列ウィジェットまたは アナリティクスハブ. では 構成可能ワークスペース、時系列データの視覚化に関する予測を表示するか KPI 詳細、.
時系列ウィジェットに予測を表示するには、[ウィジェット] フォームの [表示設定] セクションで [予測を表示] を選択します。[予測範囲を表示] を選択すると、予測の 95% 信頼間隔を表示することもできます。詳細については、「時系列ウィジェット」を参照してください。
で アナリティクスハブ予測を表示するには、チャート設定アイコン(
)をクリックし、[ 予測 ]オプションを有効にします。同様に、 で KPI 詳細[チャート オプション] を開き、[予測] を有効にします。
時系列データの視覚化で予測を表示するには、[追加設定] を展開して [ 予測の表示] をオンにします。その後、予測範囲を表示するオプションがあります。[ 予測を構成] を開くことで、この特定のデータ可視化のインジケーターの予測構成を上書きできます。
で KPI 詳細インジケーターの予測を表示するには、で のチャートオプション KPI 詳細予測をオンにします。