Fonctionnalités de SAS® Visual Forecasting

Analyses de séries chronologiques et prévisions à grande échelle en environnement distribué

  • Génère automatiquement de grandes quantités de prévisions statistiques dans un environnement in-memory distribué.
  • Intègre un langage de script qui permet l'analyse in-memory distribuée de séries chronologiques. 
  • Déplace les données afin que chaque série chronologique soit copiée dans la mémoire d'un nœud de calcul spécifique.
  • Exécute chaque série chronologique sur un seul thread d'un nœud, et chaque nœud exécute le script compilé correspondant à chacune des séries qui lui ont été attribuées.
  • Est optimisé pour la machine sur laquelle il est exécuté, de sorte que les utilisateurs n'ont pas besoin de réécrire du code pour chaque système.

Nœuds de modélisation de réseaux de neurones/machine learning 

  • Comprend un framework de réseaux de neurones sous la forme d'une série de panels pour générer des features et entraîner un réseau de neurones.
  • Offre une structure multi-étapes (réseau de neurones/régression + série chronologique) permettant de créer une méthodologie de prévision qui combine les signaux de différents types de modèles.
  • Capture la relation non linéaire entre les variables dépendantes et les variables indépendantes ainsi que les caractéristiques des séries chronologiques dans les données, comme la saisonnalité et la tendance via les modèles de prévision empilés (réseau de neurones + série chronologique).

Fonction d'ajustement souple

  • Permet d'effectuer des ajustements de prévisions personnalisés non limités par la structure de la hiérarchie de prévision.
  • Permet de sélectionner des filtres basés sur des attributs : lieu, marque, catégorie, taille, couleur, sentiment, qualité, etc.
  • Permet de définir des spécifications de valeurs corrigées par filtre et par période pour chaque série chronologique contenue dans un filtre.
  • Inclut des filtres de recherche à facettes.
  • Permet de désagréger les valeurs corrigées à l'aide d'un modèle d'optimisation.
  • Offre des outils d'exécution en batch et de mise à jour incrémenale des données.

Prise en charge de langages open source

  • Intègre EXTLANG (External Language Package), compatible avec du code open source – Python et R.
  • Permet d'appeler des opérations analytiques en Python, R, Java, JavaScript et Lua.

Analyse de séries chronologiques

  • Analyse d'autocorrélation.
  • Analyse de corrélation croisée.
  • Décomposition saisonnière et analyse d'ajustements.
  • Analyse de dénombrement.
  • Tests de diagnostic de saisonnalité, de stationnarité, d'intermittence et de sélection de l'ordre ARMA provisoire.

Analyse de la fréquence

  • Fonctions de fenêtrage.
  • Analyse de Fourier pour séries chronologiques réelles et complexes.
  • Transformée de Fourier à court terme.
  • Transformée de Hilbert discrète.
  • Pseudo-distribution de Wigner-Ville.

Modélisation de séries chronologiques

  • Modèles ARIMA (fonctions de régression dynamique et de transfert). 
  • Modèles de lissage exponentiel.
  • Modèles de composants non observés (UCM). 
  • Modèles à variables d'état. 
  • Modèles de demande intermittente/sporadique avec méthode de Croston.

Modélisation automatique de séries chronologiques

  • Génération automatique de modèles de séries chronologiques. 
  • Sélection automatique d'événements et de variables explicatives. 
  • Sélection automatique de modèles. 
  • Optimisation automatique des paramètres.
  • Prévisions automatiques.

Analyse spectrale singulière (SSA)

  • Décomposition et prévision d'analyses SSA univariée.
  • Analyse SSA multivariée. 
  • Analyse SSA automatique.

Suivi des sous-espaces

  • Applique des techniques avancées de surveillance (analyse des signaux) pour plusieurs séries chronologiques.

Évaluation des intervalles de temps

  • Évalue une variable dans une table d'entrée afin de pouvoir l'utiliser comme variable ID temps.
  • Évalue l'adéquation entre l'intervalle de temps spécifié et les valeurs de type date-heure ou les numéros d'observations utilisés pour indexer une série chronologique. 
  • Peut être explicitement spécifié en entrée de PROC TSMODEL ou déduit par la procédure à partir des valeurs de la variable ID temps. 

Réconciliation dans la hiérarchie

  • Modélise et fait des prévisions de chaque série de la hiérarchie individuellement.
  • Réconcilie les prévisions à plusieurs niveaux de la hiérarchie.

Attributs dérivés

  • Crée des jeux prédéfinis d'attributs dérivés, dont :
    • Attributs de série chronologique (min, max, moyenne, manquant, etc.).
    • Attributs de prévision (propriétés de modèles, statistiques ajustées).
    • Attributs de classification de la demande.
    • Attributs de volume/volatilité.
  • Les attributs peuvent être utilisés dans le cadre de recherches à facettes dans les interfaces visuelles.

Segmentation et classification de la demande externe

  • Permet de définir jusqu'à 1 000 segments.
  • Permet d'utiliser des segments prédéfinis dans des séries chronologiques.
  • Intègre un modèle de segmentation prédéfini basé sur la classification de la demande.

Visualiseurs de séries chronologiques et de prévisions

  • Fournit un visualiseur de séries chronologiques avec un ensemble prédéfini d'attributs de série chronologique.
  • Offre un visualiseur de prévisions avec un ensemble prédéfini d'attributs de prévision.
  • Inclut des courbes enveloppes permettant de visualiser plusieurs séries.
  • Permet d'utiliser des filtres à facettes sur les statistiques descriptives, les propriétés de modèles et les statistiques d’ajustement.

Package Réduction de la dimension de la série chronologique

  • Permet de réduire la dimension des données d'une série chronologique transactionnelle afin de préparer l'extraction de séries chronologiques.
    • Permet ensuite d'appliquer des techniques de data mining traditionnelles (clusterisation, classification, arbres de décision, etc.).

Distribué, accessible et optimisé pour le cloud

  • S'exécute sur SAS® Viya®, un moteur in-memory évolutif et distribué de la plate-forme SAS.
  • Répartit les tâches d'analyse et de traitement des données sur plusieurs nœuds de calcul.
  • Offre un accès multi-utilisateur rapide et simultané aux données en mémoire.
  • Est conçu pour résister aux pannes et garantir une haute disponibilité.
  • Permet d'insuffler toute la puissance de SAS Analytics à d'autres applications via des API REST SAS Viya.