As melhores previsões possíveis para o futuro são feitas através da análise dos dados. Através dessas previsões, é possível incrementar todas as decisões, além de conter possíveis danos ou simplesmente ter uma noção do que vem por aí no futuro da empresa. No Zoho Analytics, essas previsões são feitas através de gráficos, podendo escolher diferentes métodos de previsão.
Criando previsões
Para criar as previsões, é necessário ter o gráfico já pronto, com o dado de data no eixo X e os dados a serem previstos no eixo Y. O gráfico também não pode estar com nenhum tipo de filtro numérico.
- Do modo de edição dos gráficos, clique no botão de "Análise" e em seguida em "Previsões".
2. Clique em "Adicionar previsão" e em seguida no dado que será previsto.
Isso fará com que uma linha surja na tela com as configurações da previsão.
3. A primeira configuração serve para selecionar o modelo de previsão entre "automático" e "personalizado".
4. O campo "Duração da previsão" permite escolher quantas unidades de tempo a frente o Zoho Analytics tentará prever.
5. O campo "Ignorar o último" permite selecionar se os últimos valores serão desconsiderados.
6. O campo "Percentual de confiança" permite selecionar a precisão das barras de incerteza.
7. O campo "Nome da Legenda" permite alterar o título dos dados de previsão na legenda.
8. O campo "Formatando" permite alterar o estilo e cor da previsão.
9. As caixas de seleção permitem configurar o que aparecerá no gráfico.
10. Feita as configurações, clique em "Aplicar".
Personalização do modelo de previsão
O Zoho Analytics pode automaticamente selecionar o melhor modelo de previsão. Os modelos disponíveis são:
ARIMA (Auto-Regressive Integrated Moving Average): Método que leva em conta transformações sucessivas. Parâmetros: Autorregressiva, Diferenciação, Média móvel, Frequência.
ETS (Exponential Smoothing Technique): Técnica baseada na valorização exponencial dos valores mais recentes. Parâmetros: Alfa, Beta, Gama, Fi, Frequência.
STL (Seasonality Trend Loess Decomposition): Técnica que leva em conta dados sazonais para retornar previsão com tendência, sazonalidade e componentes de erro.
Regressão: Modelo que leva em conta a regressão dos dados. Pode ser: Linear, Logarítmica, Exponencial, Potência ou Polinomial.
