系統提供五種預測方法，協助您根據資料特性與預測目標建立預測。合適的方法取決於歷史資料中的模式，例如趨勢、成長、短期波動或季節性。
可用的預測方法
趨勢追蹤器（Trend Tracker）
最適合： 具有穩定趨勢的資料。
趨勢追蹤器（Trend Tracker） 專為隨時間呈現相對穩定的上升或下降走勢的資料而設計。當您的歷史資料顯示明確且一致的趨勢，且成長速度沒有顯著變化時，適合使用此方法。
範例： 使用趨勢追蹤器（Trend Tracker）預測數個期間內以相對穩定速度成長的銷售額。
成長加速器（Growth Accelerator）
最適合： 成長速度不斷增加的資料。
成長加速器（Growth Accelerator） 適用於資料不僅持續成長，且成長速度也隨時間增加的情況。此方法有助於掌握歷史資料中加速成長的模式。
範例： 當您的月銷售額每季成長速度都在加快時，可使用成長加速器（Growth Accelerator）。
平滑預測器（Smooth Forecaster）
最適合： 具有短期波動的資料。
平滑預測器（Smooth Forecaster） 有助於降低資料中短期波動的影響，讓潛在趨勢更容易辨識。
當您的資料存在暫時性的起伏，而這些起伏可能無法反映業務的長期走向時，可使用此方法。
範例： 當月銷售額波動明顯，但整體趨勢相對穩定時，可使用平滑預測器（Smooth Forecaster）。
季節感知（Season Sense）
最適合： 具有重複性季節模式的資料。
季節感知（Season Sense） 專為呈現隨時間重複出現之可預測模式的資料而設計。
當您的業務在特定月份、季度或其他期間會出現規律性變化時，可使用此方法。
範例： 某電商企業若銷售額在假期季節持續上升、之後下降，即可使用季節感知（Season Sense）。
智慧預測器（Smart Predictor）
最適合： 複雜的時間序列。
智慧預測器（Smart Predictor） 是一種進階方法，專為處理時間序列資料中較複雜的模式而設計。
當您的資料包含多種模式，或難以辨識出單一明確的趨勢、成長模式或季節模式時，可使用此方法。
範例： 當您的歷史資料同時包含變動趨勢、波動及其他複雜模式時，請使用智慧預測器（Smart Predictor）。
如何選擇方法
以歷史資料的特性作為起點：
若您的資料... | 可考慮使用 |
|---|---|
呈現一致的上升或下降趨勢 | 趨勢追蹤器（Trend Tracker） |
成長率持續增加 | 成長加速器（Growth Accelerator） |
存在頻繁的短期波動 | 平滑預測器（Smooth Forecaster） |
呈現重複出現的季節性模式 | 季節感知器（Season Sense） |
包含複雜或多重時間序列模式 | 智慧預測器（Smart Predictor） |
這些準則僅作為起點，並非嚴格規定。最適合的方法可能因您的資料集及預測目標而有所不同。
技巧與最佳實務
- 先檢視您的歷史資料。 尋找明顯的趨勢、成長模式、波動或季節性變化。
- 將方法與您的資料相匹配。 選擇最能反映您想分析之模式的方法。
- 不要假設最先進的方法就一定是最好的。 當您的資料呈現明確且一致的模式時,較簡單的方法可能更為合適。
- 當資料改變時,重新檢視您的方法。 對某一資料集有效的方法,隨著您的業務模式改變,可能不再是最適合的選擇。
提示: 從最符合資料中最明顯模式的方法開始。