Lista de funciones de SAS Visual Forecasting

Análisis y pronóstico de series temporales a gran escala en un entorno distribuido

Análisis y pronóstico de series temporales a gran escala en un entorno distribuido

  • Genera automáticamente grandes cantidades de pronósticos basados en estadísticas en un entorno distribuido en memoria.
  • El lenguaje de secuencias de comandos permite el análisis de series temporales distribuidas en memoria.
  • Mezcla los datos para que cada serie temporal se copie en la memoria de un único nodo informático.
  • Ejecuta cada serie temporal en un subproceso de un nodo y cada nodo ejecuta el script compilado para cada una de sus series temporales asignadas.
  • Está optimizado para la máquina en la que se ejecuta, por lo que los usuarios no tienen que volver a escribir el código para diferentes máquinas.

Nodos de estrategia de modelado de red neuronal/machine learning

Nodos de estrategia de modelado de red neuronal/machine learning

  • Incluye un marco de red neuronal de serie de paneles con capacidades de generación automática de características y ajuste de hiperparámetros (ajuste automático).
  • Proporciona un marco de múltiples etapas (red neuronal/regresión + serie temporal) para crear una metodología de pronóstico que combina señales de diferentes tipos de modelos.
  • Aborda problemas que tienen tanto características de series temporales como relaciones no lineales entre variables dependientes e independientes mediante el uso de pronósticos de modelos apilados (red neuronal + series temporales).

Capacidades de deep learning

Capacidades de deep learning

  • Produzca pronósticos con la red neuronal recurrente (RNN), la red de unidades de memoria a corto plazo (LSTM) y la red de unidades recurrentes (GRU).
  • Los datos transaccionales se formatean automáticamente con fines de previsión con los métodos de deep learning anteriores.
  • La estrategia recursiva se aplica automáticamente para la previsión de varios pasos.

Modelado interactivo

Modelado interactivo

  • Produzca automáticamente gráficos de análisis, incluidos ciclos estacionales, función de autocorrelación (ACF), función de autocorrelación parcial (PACF) y prueba de probabilidad de ruido blanco para series temporales individuales.
  • Compare modelos visualmente y utilizando la métrica de su elección en las regiones dentro y fuera de la muestra.
  • Desarrolle modelos personalizados de suavizado exponencial, ARIMA y subconjunto (factorizado) ARIMA para series de tiempo individuales a través de una interfaz de usuario simple.
  • Seleccione sus propios campeones modelo.

Facilidad de anulación flexible

Facilidad de anulación flexible

  • Habilita ajustes de pronósticos personalizados que no están limitados por la estructura de la jerarquía de pronóstico.
  • Permite seleccionar filtros basados en atributos, como ubicación, marca, categoría, tamaño, color, opinión, calidad, etc.
  • Permite definir especificaciones de anulación por filtro y período(s) de tiempo para todas las series de tiempo contenidas dentro de un filtro.
  • Incluye filtros de búsqueda por facetas.
  • Permite la desagregación de anulación mediante el modelo de optimización.
  • Habilita la ejecución por lotes y las actualizaciones de datos incrementales.

Integración con código abierto

Integración con código abierto

  • Incluye paquete de lenguaje externo (EXTLANG), que distribuye código fuente abierto de Python y R para ejecutarse en paralelo en los nodos trabajadores de SAS Viya en la nube.
  • Llame a las acciones analíticas de SAS Visual Forecasting desde Python, R, Java, JavaScript y Lua.

Conciliación jerárquica

Conciliación jerárquica

  • Modela y pronostica cada serie en la jerarquía individualmente.
  • Concilia pronósticos en múltiples niveles de la jerarquía.

Segmentación automática basada en patrones de datos

Segmentación automática basada en patrones de datos

  • Plantilla de segmentación preconstruida basada en patrones de series temporales como volumen, volatilidad y estacionalidad.
  • Creación automática de canalizaciones anidadas y configurables con una estrategia de modelado adecuada para cada segmento seleccionado de forma predeterminada para la plantilla de clasificación de demanda preconstruida.
  • Capacidad de importar segmentos predefinidos por los usuarios, admitiendo hasta 1000 segmentos.

Atributos derivados

Atributos derivados

  • Cree conjuntos predefinidos de atributos derivados, incluidos:
    • Atributos de series temporales (mín., máx., media, faltante, etc.).
    • Atributos de pronóstico (propiedades del modelo, estadísticas de ajuste).
    • Atributos de clasificación de la demanda.
    • Atributos de volumen/volatilidad.

Análisis de series temporales

Análisis de series temporales

  • Análisis de autocorrelación.
  • Análisis de correlación cruzada.
  • Descomposición estacional y análisis de ajuste.
  • Análisis de series de conteo.
  • Pruebas de diagnóstico de estacionalidad, estacionariedad, intermitencia y selección tentativa de órdenes ARMA.

Análisis de frecuencia de tiempo

Análisis de frecuencia de tiempo

  • Funciones de ventana.
  • Análisis de Fourier para series temporales reales y complejas.
  • Análisis de Fourier a corto plazo.
  • Transformada discreta de Hilbert.
  • Pseudo distribución de Wigner-Ville.

Modelado de series de tiempo

Modelado de series de tiempo

  • Modelos ARIMA (regresión dinámica y funciones de transferencia).
  • Modelos de suavizado exponencial.
  • Modelos de componentes no observados.
  • Modelos de espacio de estados.
  • Modelos de demanda intermitente con el método de Croston.

Modelado automático de series de tiempo

Modelado automático de series de tiempo

  • Generación automática de modelos de series temporales.
  • Selección automática de eventos y variables de entrada.
  • Selección automática de modelo.
  • Optimización automática de parámetros.
  • Predicciones automáticas.

Análisis de espectro singular (SSA)

Análisis de espectro singular (SSA)

  • Descomposición y pronóstico univariado SSA.
  • SSA multivariado.
  • SSA automático.

Seguimiento subespacial (SST)

Seguimiento subespacial (SST)

  • Realice técnicas avanzadas de monitoreo (análisis de señales) para múltiples series de tiempo.

Evaluación de intervalos de tiempo

Evaluación de intervalos de tiempo

  • Evalúe una variable en una tabla de entrada para determinar su idoneidad como variable de ID de tiempo.
  • Evalúe qué tan bien se ajusta una especificación de intervalo de tiempo a los valores de fecha/fechahora o números de observación utilizados para indexar una serie de tiempo.
  • Puede especificarse explícitamente como entrada para PROC TSMODEL o inferirse mediante el procedimiento en función de los valores de la variable de ID de tiempo.

Espectadores de series temporales y pronósticos

Espectadores de series temporales y pronósticos

  • Proporciona un visor de series temporales con un conjunto preconstruido de atributos de series temporales.
  • Proporciona un visor de pronósticos con un conjunto preconstruido de atributos de pronóstico.
  • Incluye gráficos envolventes para ver varias series.
  • Permite usar filtros facetados en estadísticas descriptivas, propiedades del modelo y estadísticas de ajuste.

Paquete de reducción de dimensiones de series temporales (TDR)

Paquete de reducción de dimensiones de series temporales (TDR)

  • Permite la reducción de la dimensión de los datos de series temporales transaccionales en preparación para la minería de series temporales.
    • Le permite luego aplicar técnicas tradicionales de minería de datos (como agrupamiento, clasificación, árboles de decisión y otros).

Compartir proyecto

Compartir proyecto

  • Los proyectos en Model Studio utilizan la función de uso compartido de proyectos de SAS Drive.
  • Cuando se comparte con acceso de lectura/escritura, varios usuarios pueden realizar cambios en el proyecto al mismo tiempo.
  • Alternativamente, los proyectos se pueden compartir con acceso de solo lectura.

Distribuido, accesible y listo para la nube

Distribuido, accesible y listo para la nube

  • Se ejecuta en SAS® Viya®, un motor escalable y distribuido en memoria.
  • Distribuye tareas de análisis y datos en varios nodos informáticos.
  • Proporciona acceso rápido, simultáneo y multiusuario a los datos en la memoria.
  • Incluye tolerancia a fallas para alta disponibilidad.
  • Permite agregar el poder del análisis de SAS a otras aplicaciones utilizando las API REST de SAS Viya.