第 2 课:构建预测方案(中间数据挖掘教程)

作为 Adventure Works Cycles 的销售分析师,你被要求预测明年的产品销售额。 特别是,你被要求比较不同区域和生产线的预测。 此外,还要求你确定不同产品的销售额是否因年份的时间而异。

若要查找请求的信息,在本课中,你将在每月级别汇总公司的销售数据,还将按三个区域汇总销售数据:欧洲、北美和太平洋。

完成本课程中的任务后,你将能够回答以下问题:

  • 不同自行车型号的销售随时间的变化如何?

  • 三个区域的销售额模式之间是否存在差异?

  • 我们可以预测销售高峰吗?

课程可以在两个部分完成:

  • 第一部分介绍了如何创建和使用时序模型的基础知识。

  • 第二部分将指导你基于所有区域创建常规时序模型。 可以使用此常规模型进行 交叉预测

若要完成本课程中下面列出的任务,请使用在第 1 课中创建的 AdventureWorksDW2012 数据源:创建中间数据挖掘解决方案(中间数据挖掘教程)。

警告

Adventure Works Cycles 示例数据库中的日期已针对此版本进行了更新。 如果使用早期版本的 Adventure Works Cycles,可以按照以下步骤生成模型,但可能会看到不同的结果。

创建简单的预测模型

创建用于交叉预测的常规预测模型

课程中的下一个任务

添加用于预测的数据源视图(中间数据挖掘教程)

了解时序模型的要求(中间数据挖掘教程)

所有课程

第 1 课:创建中间数据挖掘解决方案(中间数据挖掘教程)

第 2 课:预测方案(中间数据挖掘教程)

第 3 课:构建购物篮分析场景(中级数据挖掘教程)

第 4 课:构建序列聚类分析方案(中间数据挖掘教程)

第 5 课:构建神经网络和逻辑回归模型(中间数据挖掘教程)

另请参阅

基本数据挖掘教程
中间数据挖掘教程 (Analysis Services - 数据挖掘)
Microsoft时序算法