Das Register "Allgemein" enthält die grundlegendsten Informationen über einen Prognoseschritt.
Name
Sie können den Namen nach dem Erstellen des Schrittes nicht ändern.
ID
Der vollständige logische Name
Diese Informationen werden in dem Eigenschaftsblatt angezeigt, nachdem der Schritt erstellt wurde. Sie werden nicht in dem anfänglichen Dialogfeld angezeigt.
Kurze Beschriftung
Ein kurzer aussagefähiger Namen zur Anzeige, im Allgemeinen in Groß- und Kleinschreibung.
Lange Beschriftung
Ein langer aussagefähiger Namen zur Anzeige, im Allgemeinen in Groß- und Kleinschreibung.
Beschreibung
Zusätzlicher aussagefähiger Text, der Groß- und Kleinbuchstaben und Leerzeichen enthalten kann.
Quellkennzahl
Die Kennzahl, die historische Datenwerte enthält, die zur Generierung der Prognose benutzt werden.
Zielkennzahl
Die Kennzahl, in der die Prognosewerte gespeichert werden.
Die Ziel- und Quellkennzahlen können identisch sein. Im Laufe der Zeit überschreiben jedoch die aktuellen Werte die Prognosewerte, sodass Sie die Genauigkeit der Prognose nicht überwachen können. Durch Definition einer anderen Kennzahl in dem Cube für die Prognose können Sie die Prognose- und aktuellen Werte vergleichen.
Zeit-Dimension
Der Name der Zeitdimension, deren Perioden prognostiziert werden. Sie müssen eine Zeit-Dimension nur wählen, wenn die Quellkennzahl mehr als eine Dimension hat, wie z.B. separate Dimensionen für Monate und Jahre.
Prognosemethode
Die statistische Methode zur Generierung der Prognose. Wählen Sie eine Methode, um die Beschreibung in dem Feld "Beschreibung der Prognosemethode" anzuzeigen.
Die Prognosemethoden können in die folgenden Kategorien gruppiert werden:
Automatisch: Die Prognose-Engine identifiziert die optimale Anpassung, indem jede statistische Methode schnell mit historischen Daten getestet wird. Sie wählt die Methode, die die genaueste Prognose in der Vergangenheit generiert hätte.
Lineare Regression. Versucht die historischen Daten in einer geraden Linie anzupassen und erweitert die Linie in zukünftige Zeitperioden für die Prognose. Alle Datenpunkte erhalten dieselbe Gewichtung. Diese Methode identifiziert stabile langfristige Trends in den Daten.
Nichtlineare Regression. Versucht die historischen Daten in einer kurvenförmigen Linie anzupassen und erweitert die Linie in zukünftige Zeitperioden für die Prognose. Alle Datenpunkte erhalten dieselbe Gewichtung. Die kurvenförmigen Linien werden durch mathematische Gleichungen definiert. Sie können unter den folgenden Kurventypen wählen:
Polynomial: Passt Daten an, die fluktuierend ansteigen und abfallen.
Exponentiell: Passt Datenpunkt an, die mit einer immer schnelleren Rate ansteigen oder abfallen.
Logarithmisch: Passt Datenpunkte an, die schnell ansteigen oder abfallen, bis sie horizontal verlaufen.
Asymptotisch: Passt Datenpunkte, die sich erheben oder fallen, bis sie sich einem festen Wert nähern und dann horizontal verlaufen.
Exponential Asymptotisch: Passt Datenpunkte an, die sich mit einer wesentlich schnelleren Rate erheben oder fallen, bis sie sich einem festen Wert nähern und dann horizontal verlaufen.
Exponentielle Glättung: Berechnet einen einzigen Glättungsparameter für alle Prognoseperioden. Die Vorperiode hat die höchste Gewichtung und jede Vorperiode hat eine vergleichsweise geringere Gewichtung. Die Abnahme der Gewichtung wird mathematisch als exponentielle Funktion ausgedrückt. Sie können unter den folgenden Methoden der exponentiellen Glättung wählen:
Einfache exponentielle Glättung: Passt die Daten nicht nach Trend oder saisonaler Schwankung an.
Doppelte exponentielle Glättung: Passt die Daten nach Trend an.
Wichtig: Wenn Sie eine andere Methode als Automatisch wählen, müssen Sie Prognoseansatz und Datenfilter im Register Erweiterte Parameter festlegen.
Anzahl von Prognoseperioden
Die Anzahl von Zeitperioden, für die Daten prognostiziert werden müssen. Diese Zeitperioden müssen schon in der Zeit-Dimension definiert sein.
Beschreibung der Prognosemethode
Zeigt eine Beschreibung der ausgewählten Prognosemethode an.
Gleichungen für Prognosemethoden
Copyright © 2003, 2007, Oracle. All rights reserved. Alle Rechte vorbehalten,