대부분의 과거 또는 실시간 데이터에는 기본 추세 또는 계절 패턴이 있습니다. 그러나 대부분의 과거 데이터에는 컴퓨터 없이 이러한 추세와 패턴을 감지하기 어렵게 만드는 무작위 변동(노이즈)도 있습니다. Predictive Planning에서는 고급 시계열 메소드를 사용하여 데이터의 기본 구조를 분석합니다. 그런 다음 추세와 패턴을 투영하여 미래 값을 예측합니다.
시계열 예측은 과거 데이터를 레벨, 추세, 계절성 및 오차 구성요소로 구분합니다. Predictive Planning에서는 이러한 구성요소를 분석한 다음 미래에 투영하여 유사한 결과를 예측합니다.
Predictive Planning에서 데이터 계열은 단일 멤버에 대한 과거 데이터 세트입니다. 예측을 실행하면 선택한 각 데이터 계열에 대해 각 시계열 메소드를 시도하고 적합도의 수학적 측정항목을 계산합니다. Predictive Planning에서는 적합도가 가장 높은 메소드를 가장 정확한 예상을 생성할 메소드로 선택합니다.
최종 예측은 최고가능성 데이터 연속을 보여 줍니다. 이러한 메소드는 모두 과거 추세 또는 패턴의 일부 측면이 미래에 계속된다고 가정합니다. 그러나 더 멀리 예측할수록 이벤트가 과거 동작에서 벗어날 가능성이 커지고 결과의 신뢰도가 떨어집니다. 예상의 신뢰도를 측정하는 데 도움이 되도록 Predictive Planning에서는 예상의 불확실성 정도를 나타내는 예상 간격을 제공합니다.