基于时间序列的数据预测分析想必很多小伙伴都有所接触，比如每年双11的销售额预测，股市走势的推测等等。
对于大部分小伙伴来说，预测分析是一个比较复杂的模型问题。但是，使用Tableau在此类问题上，我们不需要掌握复杂的手动建模，就可以轻松实现这一功能。
本文简单介绍Tableau的预测功能
我们之前介绍过，基于时间序列的分析与展现，一般选择使用折线图。
所谓预测分析，也就是基于过去一段时间的数据，分析其走势、波动规律，使用模型来捕捉数据的演变趋势或季节性规律，并将数据外推到未来。
因此，我们使用Tableau预测数据，需要一个日期维度和度量来创建预测。
数据源来自Tableau自带示范数据-超市
下面我们看一下实现过程：
一、创建基于时间（月）维度的销售额折线图。
折线图的制作方法我们不再赘述。有刚入门的小伙伴可以参考笔者下面这篇文章，里面介绍了各种形式的折线图的制作方法。
二、创建预测
右键折线图空白部分，选择预测-显示预测，或选择上方功能区，分析-预测-显示预测。此时基于月维度的预测就已经出现了。
截止到第二步，其实我们的预测已经完成了，可以看到上图中，Tableau已经基于往期的数据预测出了后面2022年12个月的销售额区间。
但是，我们需要知道，上面Tableau制作的预测逻辑、预测的长度、预测的区间以及根据我们的业务要求去做一些调整。
三、调整预测模型
选择上方功能区，分析-预测-预测选项。
在这个模块里，我们可以选择
1、我们需要预测的长度，也就是预测的时间范围。
2、源数据的聚合方式，基于什么样的时间粒度来进行预测
3、最重要的是预测模型的选择。
- 自动：指Tableau 是选择它认为最佳的模型
- 自动不带季节性：不带季节性特征的最佳模型
- 自定义：
如果选择自定义，将会出现两个新字段，可使用这两个字段指定模型的趋势和季节特征
无：如果为”趋势”选择”无”，该模型将不针对趋势评估数据。如果为”季节”选择”无”，该模型将不针对季节性评估数据。
累加：累加模型是指多个独立因素的组合影响是每个因素的孤立影响的总和。
可以评估视图中的数据以获得累加趋势和/或累加季节性。
累乘：累乘模型是指多个独立因素的组合影响是每个因素的孤立影响的乘积。
可以评估视图中的数据以获得累乘趋势和/或累乘季节性。
通俗的讲：如果每年的某个月的销售额都比上个月多10000元左右，那这种趋势这种季节趋势就是”累加”。如果每年的某个月的销售额比上月多10%左右，那么这种季节趋势是”累乘”。
累加模型适用于具有线性趋势且季节效应不随时间变化的序列
累乘模型适用于具有线性趋势且季节效应随序列量级发生变化的序列
4、预测区间 即置信区间。95%置信区间即可以理解为，有95%的可能，将来实际发生的销售额在上下预测区间之间。
笔者注：在实际业务中，我们的预测一定是要结合业务本身，根据业务特点去调整预测模型，这样才能得到更为准确的预测结果。
四、描述预测
选择上方功能区，分析-预测-描述预测
考虑到这部分涉及较多模型理论，对于很多刚入门的小伙伴不是很友好。我们简单介绍一下即可。
这部分描述和罗列了预测模型的统计信息。我们重点关注摘要中【质量】的值。确定，即表示相比自然预测，预测误差更小。所谓自然预测，即为下一周期的预测值将与当前周期的值相同。
如果这部分有更多想了解的，可以私信或者留言，我们一起讨论学习。
如果本文对你有所帮助，欢迎点赞关注。谢谢大家
公众号 Tableau入门
Original: https://blog.csdn.net/adbandon/article/details/123428752
Author: 江边鸟~
Title: 如何使用Tableau进行预测分析
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/696953/
转载文章受原作者版权保护。转载请注明原作者出处！