La saisonnalité, également appelée "données cycliques", signifie que les données d'une certaine période se répètent selon un motif régulier. Par exemple, si vous disposez de 24 points de données mensuels et qu'il existe un pic dans les données à chaque mois de décembre, la saisonnalité (motif récurrent) correspond à une période d'un an ou 12 mois.
Dans le volet Attributs des données de l'assistant Predictor, vous pouvez effectuer les tâches suivantes :
Indiquer les périodes et la saisonnalité des données historiques
Définir des événements ayant eu un impact sur des valeurs de données
Appliquer un filtrage facultatif pour remplacer les valeurs manquantes, et localiser et remplacer les valeurs aberrantes
Définir des périodes et la saisonnalité
Pour définir des périodes et la saisonnalité, procédez comme suit :
Affichez le volet Attributs des données de l'assistant Predictor.
Pour afficher le volet Attributs des données, cliquez sur Suivant dans Données d'entrée ou sur Attributs des données dans le volet de navigation de l'assistant Predictor.
Dans Les données sont en, identifiez la période des données.
Par exemple, si les points de données représentent des chiffres mensuels, sélectionnez mois.
Pour Saisonnalité, indiquez si les données sont saisonnières :
Détection automatique : détermine la saisonnalité des données à l'aide d'algorithmes statistiques. Les résultats apparaissent dans un état à droite de la zone de liste.
Non saisonnier : indique que les données sont traitées en mode non saisonnier. Les méthodes saisonnières ne sont donc pas appliquées.
Saisonnier : indique que les méthodes saisonnières et non saisonnières sont utilisées par défaut. Vous devez disposer d'au moins deux saisons (cycles complets) de données pour utiliser les méthodes saisonnières.
Facultatif : si vous analysez plusieurs séries de données, cliquez sur Affich. saisonnalité pour afficher la saisonnalité de chaque série sous forme de graphique.
Pour plus d'informations, reportez-vous à la section « Affichage des données historiques par saisonnalité ».
Spécifiez comment traiter les valeurs manquantes et les valeurs aberrantes (valeurs historiques très différentes des autres) :
Sélectionnez Remplir les valeurs manquantes pour renseigner les valeurs de données manquantes à l'aide des paramètres de la boîte de dialogue Options d'analyse des données.
Sélectionnez Ajuster les valeurs aberrantes pour éliminer les valeurs extrêmes des données avant l'exécution des méthodes de prévision des séries chronologiques.
Les valeurs par défaut (remplacement des valeurs manquantes, mais sans ajustement des valeurs aberrantes) conviennent à la plupart des cas. Pour plus d'informations, reportez-vous à la section « Visualisation des données filtrées ».
Facultatif : cliquez sur Afficher les événements pour définir et gérer les événements (périodes pendant lesquelles les données risquent d'être influencées par des événements inhabituels, tels que des promotions, la météo, les jours fériés ou les grèves).
Si vous avez défini un événement, vous pouvez sélectionner Inclure les événements pour intégrer les définitions d'événement dans les prévisions. Pour plus d'informations, reportez-vous à la section « Affichage et gestion des événements ».
Facultatif : cliquez sur Afficher les données filtrées pour afficher un graphique des valeurs remplies et des valeurs aberrantes ajustées. Pour plus d'informations, reportez-vous à la section « Visualisation des données filtrées ».
Une fois les paramètres définis, cliquez sur Suivant pour ouvrir le volet Méthodes.