Прогнозирование временных рядов с использованием SAS Forecast Server
(FSTU)

Длительность: 2 дня.                Уровень: 2.              

В данном курсе рассматривается использование интерактивного интерфейса SAS Forecast Studio для автоматического создания прогнозов.
Слушатели этого курса изучат:

  • Автоматическое создание и построение прогнозных моделей для данных большого объёма, содержащих временные ряды.
  • Как определить временные ряды, не имеющие достаточной точности для прогноза.
  • Способы для уточнения прогнозных моделей для улучшения точности прогноза
  • Сверка иерархических прогнозов
  • Приёмы для приведения данных в вид, удобный для построения и применения прогнозных моделей.
  • Организация обновления наборов данных, имеющих большой объём

Для прохождения этого курса слушателям желательно иметь представление о бизнес-задачах, в которых используется прогнозирование, уметь пользоваться программой Microsoft Excel  для ввода и передачи данных и уметь пользоваться ей для подсчёта итоговых или средних значений, а также строить графики и диаграммы.  Вам не требуется знать статистические методы или подходы к построению прогнозных моделей, а также иметь опыт программирования.  

Аудитория

Специалисты, занимающиеся построением прогнозных моделей, аналитики из любой отрасли, включая розничную торговлю, финансовую сферу, промышленное производство и фармацевтику

Введение в SAS Forecast Studio

Прогнозирование в SAS Forecast Studio

  • Создание проекта SAS Forecast Studio
  • Статистики, показывающие точность модели, и выбор прогнозной модели
  • Типы поддерживаемых моделей и их функциональность
  • Анализ сценария

Иерархическое прогнозирование

  • Сверка статистических прогнозов
  • Настройки накопления и агрегирования
  • Эффекты сверки
  • Ручная коррекция для сверенных прогнозов

Уточнение модели

  • Пользовательские модели: сгенерированные и с заданными настройками
  • Событийные переменные

Создание лучших прогнозов для иерархически структурированных данных

  • Простая оценка
  • Выбросы и другие входы модели
  • Создание и использование событийных переменных, основанных на календарном эффекте
  • Построенные наборы данных
  • Обеспечение обновления данных