MicroStrategy ONE
時系列傾向分析
時系列トレンド分析は MicroStrategy Cloud 環境でサポートされており、MicroStrategy ONE (2024 年 3 月) 以降では、MicroStrategy Cloud for Government プラットフォームで時系列トレンド分析がサポートされます。この機能は、MicroStrategy Library (Web ブラウザーのみ) および Workstation で Library Server に接続する場合にのみ使用できます。
MicroStrategy ONE (2024 年 6 月) 以降では、1 つの視覚化で複数のトレンド ラインを視覚化できます。このアップデートにより、より詳細なデータ分析が可能になり、特定の傾向を特定できるようになります。対象を絞った意思決定と、さまざまな属性要素に固有の機会や問題を特定する機能をサポートします。
時系列傾向分析機能へのアクセス
時系列線形傾向分析は MicroStrategy AI アドオン バンドルに含まれており、MicroStrategy Cloud Environment (MCE) のお客様には MicroStrategy ONE Update 11 (2023 年 9 月) から利用可能です。のユーザーとユーザーグループのみが自動アシスタントとML視覚化を使用する権限があれば、線形トレンド分析の折れ線グラフにアクセスできます。
線形傾向分析は以下の方法で使用できます。
-
ダッシュボードの視覚化ギャラリーからドラッグ アンド ドロップ インターフェイスを使用して、線形トレンド分析折れ線グラフの視覚化を作成します。
-
[自動] は、自然言語クエリを使用して傾向分析を行うことができます。
傾向分析線グラフの作成
-
編集用にダッシュボードを開きます。
-
上部のツールバーで、
-
選ぶインサイト+ > 線形トレンドラインチャート
。 -
[データセット] パネルから [エディター] パネルにメトリックまたは時間アトリビュートをドラッグします。
-
レンダリングしたビジュアリゼーションを表示します。必要に応じ、右側にスクロールして、提供されたすべての値を表示できます。
-
-
線形傾向分析線グラフの外観のカスタマイズ
傾向線グラフの外観をカスタマイズして、傾向の外観を視覚的に訴えるものにできます。ユーザーの好みに合わせて色、フォント、ラベルを調整し、洞察力に富むだけでなく、見栄えのするチャートを作成できます。
デフォルトでは、傾向線は、選択したカラー パレットの最初の色を使用します。ただし、[書式] パネルで傾向線グラフの色、データ ラベル、マーカー、境界線をカスタマイズできます。
傾向線と線のカスタマイズ
-
フォーマットパネルで、テキストとフォーム
。 -
選択トレンドラインドロップダウンから選択します。
-
傾向線のスタイルと色を選択します。
-
選択データラベルと形状ドロップダウンから選択します。
-
下形、線のスタイルと色を選択します。
ビジュアリゼーション コンテナーへの適合
時系列傾向ビジュアリゼーションは、デフォルトでコンパクト モードで表示されます。すべてのデータは、ビジュアリゼーション コンテナー内で端から端まで表示されるように圧縮されます。さらに詳細な情報を見たい場合は、コンテナフィット: なし。
-
フォーマットパネルで、視覚化オプション
。 -
ではコンテナフィットドロップダウンでオプションを選択します。なし水平方向にスクロールして、データ ポイントをより詳細に表示できます。
線形傾向分析での自動回答の使用
自動回答を使用して線形傾向分析から洞察を得るには、傾向に関する問い合わせを日常的な言葉で表現するだけです。たとえば、「What is the trend for Profit in the last year? (昨年の利益の傾向は?)」と聞いてみましょう。Auto Answers は、質問、データセットの包括的な把握、洗練された統計手法に基づいて、正確な傾向分析を提供します。内訳分析を含めるには、「カテゴリ別に分類した日付ごとの収益の傾向はどのようなものか」と質問します。
自動回答の応答は、観測された線形傾向の明確な自然言語による説明と傾向線グラフの視覚化で構成されており、過去の傾向の経路を明確に把握できます。トレンド分析の照会にブレークバイ機能を組み込むことで、さまざまな属性要素に固有のトレンドに関する洞察を簡単に取得し、過去のトレンド パスを包括的に理解できるようになります。視覚化は、入力範囲のすべてのデータ ポイントをコンパクトに収めるようにレンダリングされます。これにより、データをすばやく確認し、トレンド ラインとの関係をよりよく理解できます。結果をより深く把握するには、右上にあるビジュアリゼーションの展開モードを使用します。
自動回答を使用して予測を詳しく調べる方法は次のとおりです。次の例では、自動回答は拡張モードになっています。
-
過去数ヶ月の傾向指定された月間売上データセットから始めます。自動回答機能を使用して、過去数か月間の売上傾向をプロットすることができます。毎月のデータから 1 年分の傾向を要求しても、アルゴリズムは巧みにタスクを処理します。
「How was our Profit trending over past 6 months? (過去 6 か月にわたる利益の傾向は?)」と質問してみましょう。
-
期間ごとの傾向自動回答は、一定期間にわたる傾向の生成も処理できます。過去の月次データを使用して、過去の出来事の傾向をプロットします。
「What was the trend for Units Sold by Month in 2022? (2022 年の月ごとに販売されたユニットの傾向は?)」と質問してみましょう。
-
フィルターの適用トレンド分析もフィルタリングできます。以下の例は、音楽などの特定のカテゴリを考慮した過去 3 か月間の傾向分析を示します。month アトリビュートは、時間ベースの値ではなく整数として表現されます。
「What was the trend for Units Sold for Category music in the last three Month? (音楽カテゴリで過去 3 か月に売れたユニットの傾向は?)」と質問してみましょう。
ヒントとベスト プラクティス
効果的な傾向分析の質問のヒント
- 自然言語を使用する自動で会話言語を理解します。同僚に質問するように、自然なやり方で質問を組み立ててください。
-
関連オブジェクトを含める Auto がコンテキストを理解できるように、質問に必要な属性とメトリックを含めます。
-
オートコンプリート機能を活用する Auto を使用して最適な傾向分析を行うには、オートコンプリートの提案からメトリックと属性を選択することをお勧めします。これにより、高精度の傾向分析を [自動] が正確に理解できるようになります。
-
曖昧さを避ける質問は明確かつ曖昧にならないようにしてください。複雑で入り組んだクエリは不正確な回答につながる可能性があります。
-
互換性のないレベルのトレンド分析の失敗上位レベルのデータに対して下位レベルのデータの傾向分析を求めると、傾向分析は失敗します。たとえば、ダッシュボードのデータが月単位であり、週単位または日単位の値の傾向分析を要求した場合、データ レベルの不一致により、それは実現不可能になります。
-
統計的有意性自動で高い p 値または低い R 二乗値が検出された場合、応答には傾向が有意ではないという規定が含まれます。つまり、観測された傾向はおそらく、実際の基礎となるパターンまたはモデルがデータにうまく適合しているためではなく、データのランダムな変動によるものです。
MicroStrategy では、傾向分析の統計的特性を常に確認することを推奨します。ビジュアリゼーションの右上にある情報アイコンにマウス カーソルを置くと、R、R 二乗、p 値などの重要なメトリックにアクセスできます。
傾向分析の使用時のベスト プラクティス
-
正確に傾向を分析するために十分なデータ量を確保
より正確な傾向分析結果を得るには、データ量を十分に確保することが重要です。傾向分析を行うには、少なくとも 3 つのデータ ポイントが必要です。
-
継続的で高品質の時間ベースのデータを傾向分析に使用
MicroStrategy は、欠落したメトリック データの補完など、軽いデータ処理を傾向分析の前に実行しますが、傾向分析には継続的で高品質な時間ベースのデータを使用することが推奨されます。欠落したメトリック データが多すぎると、傾向分析結果が危うくなる可能性があります。アトリビュートに NULL や NaN (Not-a-Number) 値が含まれる場合、傾向分析に失敗したり、最適な結果が得られない可能性があるので注意が必要です。アルゴリズムは、欠落しているメトリック値を補完するものの、不正確な傾向分析になる可能性があります。
-
統計的有意性
時系列線形傾向分析を行う際には、観測傾向の統計的有意性を考慮することが不可欠です。統計的有意性は、観察傾向が実際の基礎的なパターンによるものか、単にデータのランダムな変動の結果によるものかを客観的に測定する指標です。ツールチップを使用して、R、R 二乗、p 値などの重要なメトックにアクセスします。
傾向分析線グラフ解釈の最適化
傾向分析線グラフのビジュアルを最大限に活用しましょう。
-
情報アイコン情報アイコンの上にマウスを置くと、基礎となるモデルとそのパラメータの統計特性に関する情報が表示されます。
-
わかりやすくするために拡大するより詳細な情報が必要で、データポイント全体を表示する場合は、視覚化またはセットを展開します。コンテナフィットになし。これにより、グラフが読みやすくなります。
傾向分析の制限の理解
-
属性とメトリックの要件正確な予測を行うには、質問で X 軸と Y 軸に配置する属性とメトリックをそれぞれ 1 つだけ使用するようにしてください。この要件を満たしていないクエリは最適な傾向をもたらさない可能性があります。
-
属性による分類 : 過去 24 か月間の店舗ごとの売上収益の傾向を分析するなど、複数の要素の傾向を表すために属性による区切りを含める場合は、分析結果の読みやすさを向上させるために、属性内の要素の数 (この場合は店舗の場所) を制限してください。
-
属性フォームを検討する傾向分析に使用する属性には、日付、日時、または整数のタイプのフォームが少なくとも 1 つ必要です。タイムスタンプ データはサポートされていません。
-
DateTime属性のフィルタリング属性が DateTime 型の場合、日付のフィルターはサポートされません。
-
スマート属性スマート属性を使用したトレンド分析は現在サポートされていません。
-
データベースとメタデータ間のデータ型を一致させるデータ ウェアハウスに整数として保存されているが、メタデータでは日付属性として定義されているデータの傾向分析はサポートされていません。
-
統合とグループ化現時点では、統合またはグループ化された属性要素に対する傾向分析は実行できません。
-
デカルト結合データセット内でカルテシアン結合が検出された場合、傾向分析は実行されません。
-
トレンドに関する追加情報自動回答の基本的なトレンド アルゴリズムに関するフォローアップの質問はサポートされていません。これには、「What is the intercept value? (切片値はいくつですか?」という質問が含まれます。傾向分析の統計的特性に関する詳細を参照するには、自動回答の情報アイコンを使用してビジュアリゼーションのツールチップを使用します。
-
派生オブジェクト要求されたメトリックが基礎となるデータセットに存在せず、その場で派生メトリックとして作成する必要がある場合、自動回答では傾向分析を実行できません。
傾向分析 - FAQ
現在のリリースでは、どのような時系列傾向分析手法が使われているのでしょうか。
最新リリースで使用されている時系列トレンド分析手法は、線形回帰。この方法は、 Oテキスト Webサイト。statsmodel Pythonモジュール（時系列分析 tsaより技術的な詳細については、 - statsmodels 0.14.0 を参照してください。
傾向分析を成功させるには、どのようなアトリビュートやメトリックが必要でしょうか。
データの傾向のプロットを成功させるには、以下のいずれかが必要です。
-
date または datetime 型の単一のアトリビュート + 該当する単一のメトリック (推奨)
-
int 型の単一アトリビュート + 該当するメトリック (時系列傾向分析で date/datetime アトリビュートを利用できない場合)
欠損データは傾向分析で処理されますか。
はい、アルゴリズムは、対応する時系列データがあれば、メトリックの欠損値を自動的に補完できます。これは計算のためにのみ行われるため、結果のビジュアリゼーションでは欠落データが表示されます。このアルゴリズムでは、方向によって近傍の値を使用する前方補完と後方補完を使用します。主な方法は前方グラブで、前の近傍値を取ります。最初の値が欠落している場合、値を予測するために後方補完が実行されます。
どのような時間ベースのアトリビュート傾向分析レベルがサポートされていますか。
時間ベースのアトリビュート傾向分析は、Date、DateTime、または整数ベースの時間アトリビュートでサポートされています。アトリビュートが上記のいずれかのデータ型である限り、アルゴリズムはすべての時間レベルをサポートします。