系统提供五种预测方法，帮助您根据数据特征和预测目标构建预测模型。选择合适的方法取决于历史数据中的模式，例如趋势、增长、短期波动或季节性。
可用的预测方法
趋势追踪器（Trend Tracker）
适用场景： 具有稳定趋势的数据。
趋势追踪器 适用于随时间呈相对稳定的上升或下降方向的数据。当您的历史数据显示出明显且一致的趋势，且增长率没有显著变化时，可使用此方法。
示例： 使用趋势追踪器预测多个周期内以相对稳定速率增长的销售额。
增长加速器（Growth Accelerator）
适用场景： 增长率不断提高的数据。
增长加速器 适用于数据不仅在增长，而且增长速度也随时间加快的情况。它能够捕捉历史数据中不断加速的增长模式。
示例： 当您的月度销售额每个季度增长得更快时，可使用增长加速器。
平滑预测器（Smooth Forecaster）
适用场景： 具有短期波动的数据。
平滑预测器 有助于减少数据中短期波动的影响，使潜在趋势更容易识别。
当您的数据存在可能无法代表业务长期方向的临时性波动时，可使用此方法。
示例： 当月度销售额波动较大，但整体趋势相对稳定时，可使用平滑预测器。
季节感知器（Season Sense）
适用场景： 具有周期性季节模式的数据。
季节感知器 专为遵循随时间重复出现的可预测模式的数据而设计。
当您的业务在特定月份、季度或其他时间段内出现规律性变化时，可使用此方法。
示例： 某电商企业的销售额在假日季持续上升、假日过后回落，此时可使用季节感知器。
智能预测器（Smart Predictor）
适用场景： 复杂的时间序列。
智能预测器 是一种高级方法，专为处理时间序列数据中更为复杂的模式而设计。
当您的数据包含多种模式，或难以识别出单一明确的趋势、增长模式或季节模式时，可使用此方法。
示例： 当您的历史数据包含变化的趋势、波动和其他复杂模式时，请使用 Smart Predictor。
如何选择方法
以历史数据的特征作为起点：
如果您的数据... | 建议使用 |
|---|---|
呈现持续的上升或下降趋势 | Trend Tracker |
增长率不断提高 | Growth Accelerator |
存在频繁的短期波动 | Smooth Forecaster |
显示出反复出现的季节性模式 | Season Sense |
包含复杂或多种时间序列模式 | Smart Predictor |
这些准则只是一个起点，而非严格规则。最合适的方法可能因您的数据集和预测目标而异。
技巧与最佳实践
- 首先回顾您的历史数据。 寻找明显的趋势、增长模式、波动或季节性变化。
- 让方法与数据相匹配。 选择最能反映您想要分析的模式的方法。
- 不要认为最先进的方法总是最好的。 当您的数据呈现清晰、一致的模式时，更简单的方法可能更为合适。
- 当数据发生变化时，重新审视您的方法。 对某一数据集有效的方法，随着业务模式的变化，可能不再是最佳选择。
提示： 从最能匹配数据中最明显模式的方法开始。