Lektion 2: Aufbau eines Prognoseszenarios (Data-Mining-Tutorial für Fortgeschrittene)

Als Vertriebsanalyst für Adventure Works Cycles wurden Sie gebeten, den Umsatz der Produkte für das nächste Jahr zu prognostizieren. Insbesondere wurden Sie gebeten, Prognosen für die verschiedenen Regionen und Produktlinien zu vergleichen. Darüber hinaus wurden Sie gebeten, zu bestimmen, ob der Verkauf verschiedener Produkte je nach Zeitpunkt des Jahres variiert.

Um die angeforderten Informationen zu finden, fassen Sie in dieser Lektion die Umsatzdaten des Unternehmens auf monatlicher Ebene zusammen, und Sie werden auch Umsatzzahlen nach drei Regionen zusammenfassen: Europa, Nordamerika und Pazifik.

Nachdem Sie die Aufgaben in dieser Lektion abgeschlossen haben, können Sie die folgenden Fragen beantworten:

Wie ändern sich die Verkäufe verschiedener Fahrradmodelle im Laufe der Zeit?
Gibt es Unterschiede zwischen den Verkaufsmustern in den drei Regionen?
Können wir Umsatzspitzen prognostizieren?

Die Lektion kann in zwei Teilen abgeschlossen werden:

In Teil 1 werden die Grundlagen zum Erstellen und Verwenden eines Zeitreihenmodells vorgestellt.
Teil 2 führt Sie durch die Erstellung eines allgemeinen Zeitreihenmodells basierend auf allen Regionen. Sie können dieses allgemeine Modell für die Kreuzvorhersage verwenden.

Zum Ausführen der Aufgaben in dieser Lektion, die unten aufgeführt sind, verwenden Sie die AdventureWorksDW2012-Datenquelle , die Sie in Lektion 1 erstellt haben: Erstellen der Zwischen-Data Mining-Lösung (Zwischen-Data Mining-Lernprogramm).

Warnung

Die Datumsangaben in der Adventure Works Cycles-Beispieldatenbank wurden für diese Version aktualisiert. Wenn Sie eine frühere Version von Adventure Works Cycles verwenden, können Sie das Modell erstellen, das diese Schritte ausführt, es werden jedoch möglicherweise unterschiedliche Ergebnisse angezeigt.

Erstellen eines einfachen Prognosemodells