Forecasting w Tableau

Jedną z funkcjonalności związaną z analizowaniem szeregów czasowych w Tableau jest prognozowanie ich zachowania w przyszłości, czyli tzw. Forecast. Jeśli interesuje Cię badanie zmiennej liczbowej w czasie (np. sprzedaży) na wykresie liniowym i chciałbyś zobaczyć jak w oparciu o historyczne dane proces ten może wyglądać w przyszłości, zachęcam do zgłębienia wiedzy na temat Forecastingu w Tableau!

W niniejszym artykule zostanie omówiony krok po kroku proces tworzenia Forecastingu w Tableau oraz metody predykcyjne zaimplementowane w Tableau (tzw. „exponential smoothing”).

JAK STWORZYĆ FORECASTING W TABLEAU?

1) Pracę należy rozpocząć od zbudowania wykresu liniowego, ukazującego zależność wybranej miary od czasu.

Nie ma znaczenia czy do budowy wizualizacji użyjemy daty typu dyskretnego czy ciągłego. Ja na przykład przedstawiłam na wykresie liniowym zmienne Sales i Profit ze zbioru Superstore Subset (dostępnym w katalogu My Tableau Repository po zainstalowaniu Tableau) w zależności od daty typu ciągłego, wyrażonej z dokładnością do miesięcy. Ponadto przeciągnęłam zmienną Measure Names na ikonkę Color, by oznaczyć innymi kolorami linie odpowiadające poszczególnym zmiennym.

2) Następnie z zakładki Analysis wybieramy opcję Forecast -> Show Forecast lub poprzez kliknięcie prawym przyciskiem myszy na nasz widok i wybór opcji Forecast -> Show Forecast.

Przy miarach na zakładce Rows pojawią nam się strzałki, które oznaczają, że Forecast został dopasowany. Teraz w menu rozwiniętym przy mierze mamy dostępną opcję Show Forecast, w której możemy wybrać formę wyświetlania naszej prognozy na wizualizacji. Domyślnie jest to opcja Actual & Forecast, czyli zestawienie danych historycznych oraz prognozy obok siebie na jednym widoku. Automatycznie na ikonkę Color zostanie naniesiona nowo utworzona zmienna Forecast Indicator, której znaczenie jest objaśnione na legendzie w lewym dolnym rogu widoku: Actual (wartości historyczne), Estimate (wartości wyestymowane).

3) Kolejny krok to dopasowanie opcji związanych z Forecastingiem do naszym potrzeb.

Do kreatora związanego z tworzeniem Forecastingu możemy dostać się poprzez wybór z zakładki Analysis opcję Forecast -> Forecast Options lub poprzez kliknięcie prawym przyciskiem myszy na nasz widok i wybór opcji Forecast -> Forecast Options.

W sekcji Forecast Length możemy określić dla jakiego okresu chcemy wykonać Forecasting. W przypadku ciągłych miesięcy, jak na zamieszczonym przykładzie domyślnie 13 miesięcy.

W kolejnej sekcji, czyli Source Data definiujemy poziom agregacji Forecastingu. Na zamieszczonym przykładzie agregacja jest automatycznie wykonana dla miesięcy, ponieważ data na widoku została przedstawiona z dokładnością do miesięcy. Przy wykonaniu Forecastingu możemy również zignorować część obserwacji (Ignore last), u mnie domyślnie ignorowany jest ostatni miesiąc. Możemy również odhaczyć opcję Fill in missing values in zeros, czyli zastępowanie braków danych zerami.

Sekcja Forecast Model dotyczy specyfikacji modelu wykorzystanego do zbudowania prognozy. Domyślnie jest to opcja Automatic, która uwzględnia trend i sezonowość w zachowaniu danych. Inna dostępna opcja to Automatic without seasonality (z pominięciem sezonowości), która w naszym przypadku czyni prognozę bezużyteczną (zobacz poniżej).

Ostatnia możliwość to Custom, gdzie samodzielnie kombinujemy komponenty związane z trendem i sezonowością. Do wyboru mamy po trzy możliwości dla każdego z nich:

- None (brak),

- Additive (addytywny),

- Multiplicative (multiplikatywny).

Należy wspomnieć, że nie wszystkie kombinacje mają sens w przypadku badania konkretnych danych, np. na zaprezentowanym przeze mnie przykładzie nie jest dostępny Forecast z multiplikatywnym trendem i addytywną sezonowością.

Ostatnia opcja Show prediction intervals dotyczy wyświetlania przedziałów ufności na naszym widoku (zacieniowane obszary). Domyślnie są to przedziały oszacowane na poziomie ufności 95%, najczęściej wykorzystywanym w statystyce.

4) Ostatnim krokiem jest sprawdzenie jakości dopasowania modelu.

Szczegółowy wydruk można uzyskać wybierając z zakładki Analysis opcję Forecast -> Describe Forecast lub poprzez kliknięcie prawym przyciskiem myszy na nasz widok i wybór opcji Forecast -> Describe Forecast.

Ze szczegółowym opisem poszczególnych wartości w wydruku oraz sposobem ich interpretacji można zapoznać się w dokumentacji Tableau Desktop, zamieszczonej na oficjalnej stronie Tableau:

http://onlinehelp.tableausoftware.com/v8.2/pro/online/windows/en-us/help.html#forecast_describe.html

MODELE FORECASTINGU DOSTĘPNE W TABLEAU

Tableau automatycznie wybiera prognozę najlepszej jakości spośród ośmiu modeli opartych o wykładnicze metody wygładzania („exponential smoothing methods”):

- simple exponential smoothing,

- Holts linear method,

- Exponential trend method,

- additive damped trend method,

- multiplicative damped trend method,

- additive Holt-Winters method,

- multiplicative Holt-Winters method,

- Holt-Winters damped method.

Parametry związane z wygładzaniem dla poszczególnych modeli są optymalizowane przez Tableau. Poniżej zamieszczam tabelkę z legendą, w której można sprawdzić jakie komponenty związane z trendem i sezonowością odpowiadają poszczególnym modelom (zobacz więcej na https://www.otexts.org/fpp/7/6 ).

Podsumowując, przechodząc do opcji związanych z Forecastingiem w Tableau (o czym wspominałam wcześniej w punkcie 3.) możemy wybrać:

- dopasowanie automatyczne (Automatic),

- dopasowanie automatyczne z pominięciem komponentu związanego z sezonowością (Automatic without seasonality),

- opcje zaawansowane (Custom) – możemy samodzielnie kombinować komponenty związane z trendem i sezonowością, mamy dziewięć różnych możliwości:

· Trend: None, Season: None,

· Trend: Additive, Season: None,

· Trend: Multiplicative, Season: None,

· Trend: None, Season: Additive,

· Trend: None, Season: Multiplicative,

· Trend: Additive, Season: Additive,

· Trend: Multiplicative, Season: Additive,

· Trend: Additive, Season: Multiplicative,

· Trend: Multiplicative, Season: Multiplicative.

Więcej na temat metod związanych z Forecastingiem w Tableau można przeczytać w dokumentacji Tableau Desktop, zamieszczonej na oficjalnej stronie Tableau:

http://onlinehelp.tableausoftware.com/current/pro/online/mac/en-us/forecast_how_it_works.html

FORECASTING W TABLEAU VS. W INNYCH PROGRAMACH

Osobom, które nie czują się przekonane do Forecastingu zaimplementowanego w Tableau polecam przeczytanie artykułu “Comparing Tableau 8 and R: time series forecasting features” na The Analytics Compass Blog:

http://www.simafore.com/blog/bid/117997/Comparing-Tableau-8-and-R-time-series-forecasting-features

We wspomnianym artykule została przeprowadzona analiza porównawcza jakości Forecastingu wykonanego w Tableau oraz w R (open-source`owe środowisko do analiz statystycznych i język programowania) na pewnym zbiorze danych. Jako kryterium porównawcze zostały przyjęte cztery miary błędu związanego z dopasowaniem modeli:

- Root Mean Square Deviation (RMSE),

- Mean Absolute Error (MAE),

- Mean Absolute Scaled Error (MASE),

- Mean Absolute Percent Error (MAPE).