Nota
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare ad accedere o modificare le directory.
L'accesso a questa pagina richiede l'autorizzazione. È possibile provare a modificare le directory.
Come analista delle vendite per Adventure Works Cycles, ti è stato chiesto di prevedere le vendite per il prossimo anno. In particolare, è stato chiesto di confrontare le previsioni per le diverse regioni e linee di prodotto. Inoltre, è stato chiesto di determinare se le vendite di prodotti diversi variano a seconda del periodo dell'anno.
Per trovare le informazioni richieste, in questa lezione verranno riepilogati i dati di vendita dell'azienda a livello mensile e verranno riepilogati anche i dati sulle vendite in base a tre aree: Europa, America del Nord e Pacifico.
Dopo aver completato le attività in questa lezione, sarà possibile rispondere alle domande seguenti:
In che modo le vendite di modelli di biciclette diversi cambiano nel tempo?
Esistono differenze tra i modelli di vendita nelle tre aree?
È possibile prevedere i picchi di vendita?
La lezione può essere completata in due parti:
La prima parte presenta le nozioni di base su come creare e usare un modello time series.
La seconda parte illustra la creazione di un modello serie temporale generale, in base a tutte le aree. È possibile usare questo modello generale per la stima incrociata.
Per completare le attività di questa lezione, elencate di seguito, si userà l'origine dati AdventureWorksDW2012 creata nella lezione 1: Creazione della soluzione intermedia di data mining (Esercitazione intermedia sul data mining).
Avvertimento
Le date nel database di esempio Adventure Works Cycles sono state aggiornate per questa versione. Se si usa una versione precedente di Adventure Works Cycles, è possibile compilare il modello seguendo questi passaggi, ma potrebbero essere visualizzati risultati diversi.
Creazione di un modello di previsione semplice
Aggiungere una vista di origine dati per la previsione (Guida intermedia al data mining)
Creazione di una struttura e di un modello di previsione (esercitazione intermedia sul data mining)
Modifica della struttura di previsione (esercitazione intermedia sul data mining)
Esplorazione del modello di previsione (esercitazione intermedia sul data mining)
Creazione di stime di serie temporali (esercitazione intermedia sul data mining)
Creazione di un modello di previsione generale per la stima incrociata
Stime avanzate delle serie temporali (esercitazione intermedia sul data mining)
Stime di serie temporali con dati aggiornati (esercitazione intermedia sul data mining)
Stime di serie temporali che usano dati sostitutivi (esercitazione intermedia sul data mining)
Confronto delle stime per i modelli di previsione (esercitazione intermedia sul data mining)
Attività successiva nella lezione
Aggiunta di una vista origine dati per le previsioni (Esercitazione intermedia sul data mining)
Comprendere i requisiti per un modello di serie temporali (tutorial intermedio sul data mining)
Tutte le lezioni
Lezione 2: Scenario di previsione (esercitazione intermedia sul data mining)
Lezione 3: Creazione di uno scenario Market Basket (esercitazione intermedia sul data mining)
Lezione 4: Creazione di uno scenario sequence clustering (esercitazione intermedia sul data mining)
Vedere anche
Esercitazione di base sul data mining
Esercitazione intermedia sul Data Mining (Analysis Services - Data Mining)
Microsoft Time Series Algoritmo