Funzioni di analitica statistica che è possibile aggiungere alle visualizzazioni

Previsione

La funzione Previsione utilizza la regressione lineare per prevedere i valori futuri in base ai valori esistenti lungo una tendenza lineare.

È possibile impostare periodi di tempo futuri per prevedere un valore in base alla serie temporale nei dati. Vedere Aggiungere una previsione a una visualizzazione.

Oracle supporta i tipi di modelli di previsione riportati di seguito.

• Auto-Regressive Integrated Moving Average (ARIMA): questo tipo di modello è adatto se i dati delle serie temporali passate non sono stagionali, ma forniscono osservazioni sufficienti (almeno 50 osservazioni, ma preferibilmente più di 100) per spiegare e progettare il futuro.
• Seasonal ARIMA: questo tipo di modello è adatto se i dati presentano un pattern uniforme di modifiche che si ripetono nei vari periodi di tempo. Ad esempio, la stagionalità nei dati mensili potrebbe essere costituita dal verificarsi di valori elevati durante i mesi estivi e di valori bassi durante i mesi invernali.
• Exponential Triple Smoothing (ETS): questo tipo di modello è adatto per analizzare i dati delle serie temporali ripetitive che non presentano un pattern sufficientemente chiaro. Questo tipo di modello produce una media mobile esponenziale che tiene conto della tendenza dei dati a ripetersi a intervalli nel tempo.
• Profeta: questo tipo di modello è adatto se il data set copre periodi di tempo prolungati, presenta più stagionalità forti, include eventi irregolari noti in precedenza, presenta datapoint mancanti o dispone di valori anomali di grandi dimensioni.

È inoltre possibile creare un calcolo personalizzato con la funzione FORECAST per esercitare un maggiore controllo sulle impostazioni o se si desidera usare la previsione in altre visualizzazioni. Vedere Funzioni analitiche.

Cluster

La funzione Cluster raggruppa un set di oggetti in modo che gli oggetti all'interno di uno stesso gruppo presentino tra loro caratteristiche di coerenza e similitudine maggiori rispetto agli oggetti di altri gruppi. Ad esempio, è possibile utilizzare i colori in un grafico a dispersione per mostrare cluster di gruppi diversi. Vedere Creare un cluster o un valore anomalo in una visualizzazione.

• Configurazione cluster K-medie: da utilizzare per suddividere "n" osservazioni in "k" cluster in cui ogni osservazione appartiene al cluster con la media più vicina e funge da prototipo del cluster.
• Configurazione cluster gerarchica: consente di creare una gerarchia di cluster mediante un approccio agglomerante (bottom-up) o divisivo (top-down).

È inoltre possibile creare un calcolo personalizzato con la funzione CLUSTER per esercitare un maggiore controllo sulle impostazioni o se si desidera usare il cluster in altre visualizzazioni. Vedere Funzioni analitiche.

Valori anomali

La funzione Valori anomali visualizza i record di dati più lontani dall'aspettativa media dei singoli valori. Ad esempio, in questa categoria rientrano i valori estremi che si discostano maggiormente dalle altre osservazioni. I valori anomali possono indicare variabilità nella misurazione, errori sperimentali o una novità. Se si aggiungono valori anomali a un grafico che dispone già di cluster, i valori anomali verranno rappresentati come forme diverse.

I valori anomali possono utilizzare la configurazione cluster K-medie o la configurazione cluster gerarchica. Vedere Creare un cluster o un valore anomalo in una visualizzazione.

È inoltre possibile creare un calcolo personalizzato con la funzione OUTLIER per esercitare un maggiore controllo sulle impostazioni o se si desidera usare il valore anomalo in altre visualizzazioni. Vedere Funzioni analitiche.

Linee di riferimento

La funzione Linee di riferimento definisce, in un grafico, le linee orizzontali o verticali che corrispondono ai valori dell'asse X o dell'asse Y. Vedere Aggiungere una linea di riferimento a una visualizzazione.

• Linea: per calcolare la linea è possibile scegliere tra Media, Minima e Massima. Ad esempio, nel settore del trasporto aereo, se l'affluenza dei passeggeri viene tracciata rispetto al tempo, la linea di riferimento può mostrare se l'affluenza dei passeggeri per un determinato mese è superiore o inferiore alla media.
• Banda; una banda rappresenta l'intervallo superiore e inferiore dei datapoint. È possibile scegliere un'opzione personalizzata o una funzione di deviazione standard e tra media, massima e minima. Ad esempio, se si analizzano le vendite mese per mese e si utilizza una banda di riferimento personalizzata dalla media al massimo, è possibile identificare i mesi in cui le vendite sono superiori alla media, ma inferiori al massimo.

Linee di tendenza

La funzione Linea di tendenza indica l'andamento generale della metrica in questione. Per linea di tendenza si intende una linea retta che collega numerosi punti su un grafico. La linea di tendenza facilita l'analisi della direzione specifica di un gruppo di set di valori in una visualizzazione. Vedere Aggiungere funzioni di analitica statistica alle visualizzazioni.

• Lineare: da utilizzare con i dati lineari. I dati sono lineari se il pattern nei relativi datapoint è simile a una linea. Una linea di tendenza lineare indica che la metrica aumenta o diminuisce a una velocità costante.
• Polinomiale: utilizzare questa linea curva quando i dati fluttuano. Questa linea è utile, ad esempio, per analizzare i profitti e le perdite in un data set di grandi dimensioni.
• Esponenziale: utilizzare questa linea curva quando i valori dei dati aumentano o diminuiscono a velocità sempre maggiori. Se i dati contengono valori pari a zero o negativi, non è possibile creare una linea di tendenza esponenziale.

È inoltre possibile creare un calcolo personalizzato con la funzione TRENDLINE per esercitare un maggiore controllo sulle impostazioni o se si desidera usare la linea delle tendenze in altre visualizzazioni. Vedere Funzioni analitiche.