Fabio Martins
O que é projeção?
Projeção é uma atividade estatística comum na área de negócios. Ela proporciona informações para a tomada de decisão e serve de guia para planejamento estratégico de longo-prazo.
Projeção envolve antever o futuro tão precisamente quanto possível com as informações disponíveis, como histórico de dados e o conhecimento de qualquer evento futuro que possa impactar as previsões.
Na Unit, utilizamos a projeção para analisar as condições de um serviço monitorado em um momento futuro.
Como funciona a projeção?
A projeção é feita baseada em um determinado período de tempo. Confira o passo a passo de como fazer a projeção dos dados:
- Selecione um período para obter os dados históricos;
- Selecione um modelo de predição;
- Se escolher o “automático”, o sistema tenta determinar qual dos modelos disponíveis melhor prediz os dados. Para isso, o sistema utiliza a metodologia “Hold Out” explicada a seguir.
- O sistema avalia qual dos algoritmos gera um modelo de predição com menor erro;
- Então, o modelo escolhido é usado em 100% dos dados, gerando a linha de predição do gráfico.
Observações importantes
A metodologia hold-out é utilizada para dividir o conjunto de dados em duas partes, os dados de treinamento e os dados de teste. O primeiro conjunto é utilizado para estimar quaisquer parâmetros de um modelo de predição. Os dados de teste, por outro lado, são utilizados para avaliar o desempenho do modelo escolhido em dados não vistos. A divisão dos dados feita no método é normalmente de 80% separados para os dados de treinamento e 20% para os de teste.
Por padrão, a projeção é calculada utilizando quatro modelos, mas é possível selecionar manualmente o algoritmo que você entender mais adequado. Os quatro modelos utilizados na Unit são AUTO.ARIMA, ETS, TBATS e NNETAR, explicados mais abaixo. Vale lembrar também que o modelo NNETAR não tem banda de confiança. A banda de confiança é o intervalo de valores estimados para o resultado da linha de predição.
Caso o gráfico tenha mais de uma linha, a projeção será feita linha por linha.
Modelos de predição
Abaixo estão os quatro modelos de predição utilizados.
- AUTO.ARIMA – Automatic Auto Regressive Integrated Moving Average: Essa função combina testes de raiz unitária, minimização do AICc e MLE para obter um modelo ARIMA. Vale lembrar que o modelo ARIMA fornece uma abordagem para a predição de séries temporais, buscando descrever as autocorrelações nos dados.
- ETS– Exponential Smoothing State Space Model: A função é totalmente automática. O único argumento necessário para o ETS é a série temporal. O modelo é escolhido automaticamente caso não for especificado.
- TBATS–Trigonometric Exponential Smoothing State Space Model With Box-Cox Transformation, ARMA Errors, Trend And Seasonal Components: Utilizada para predição de séries temporais complexas que não podem ser tratadas com a mesma eficiência dos modelos demais modelos. O modelo TBATS é mais adequado quando a sazonalidade muda com o passar do tempo.
- NNETAR– Neural NEt Auto Regressive: Utiliza um modelo de rede neural aos valores anteriores presentes na série temporal como parâmetro.