Nieuw in OneStream: Voorspellende analyses 123

Het meest voorkomende probleem bij voorspellende systemen is de kwaliteit van de brongegevens. Wat kan er verwacht worden van de uitkomst als er geen goede datakwaliteit als input wordt gebruikt? Dat is precies waar OneStream zich in onderscheidt. Het platform heeft een zeer geavanceerde en uitgebreide opzet voor datakwaliteit. Begeleide workflows, volledige transparantie, audit trails en gegevenscontroles zorgen ervoor dat de kwaliteit van de verzamelde gegevens hoog is. Door deze gegevens te gebruiken als bron voor een voorspellend model, zullen de resultaten van jouw voorspellende model van hoge kwaliteit zijn. En het goede nieuws is dat dit alles nu beschikbaar is voor elke klant van OneStream.

Waar begin je met Predictive Analytics? We zullen eerst de opzet van de oplossing beschrijven en daarna het gebruik en de resultaten.

Voorspellende analyses instellen

Naast het configureren van database-instellingen die ook nodig zijn voor veel andere Market Place-oplossingen, vereist Predictive Analytics de "installatie" van het OneStream Data Science Package. Zoals je misschien al weet, gebruiken datawetenschappers vaak Python als een van de tools in hun gereedschapskist. OneStream biedt een vooraf geconfigureerde map die de vereiste Python functionaliteit bevat om te worden gebruikt door deze Market Place oplossing. De enige vereiste is om deze map te kopiëren naar een locatie (server of gedeelde schijf zonder uitvoeringsbeperkingen) die toegankelijk is vanuit jouw OneStream omgeving. Het pad waar je deze map plakt zal later worden gebruikt tijdens de configuratie van Predictive Analytics. Als je een OneStream cloud hebt, zal het support team dit voor je doen.

De volgende stap is het importeren van de solution zip via Application Tools > Load/ Extract:

Nu is het dashboard beschikbaar in OnePlace > Dashboards met knoppen om de tabellen te maken en de oplossing te starten.

Rechtsboven vind je de instellingenknop waar je het pad naar de Python-bibliotheek moet invoeren op de pagina Globale opties. Dan ben je klaar om modellen te configureren. Zorg ervoor dat het pad eindigt met Python.exe, niet alleen de map!

‍

Modellen configureren

De startpagina van Predictive Analytics bevat 3 hoofdonderdelen.

• Setup - om voorspellende modellen te configureren, zoals gegevensbronnen en modellengte.
• Predict - om jouw voorspellende modellen uit te voeren tegen een vooraf geconfigureerde kubusweergave.
• Audit - om de uitgevoerde modellen te analyseren.

De eerste stap is het instellen van een sjabloon in het instellingenscherm door op de knop Toevoegen te klikken:

De sjabloon kan worden gewijzigd via de knop Bewerken, maar zodra een model wordt uitgevoerd, kunnen de elementen van de kubusweergave en de scenariosectie niet meer worden gewijzigd. je kunt echter wel eenvoudig een sjabloon kopiëren als je enkele parameters wilt wijzigen.

De sjabloonvelden worden in detail beschreven in de Installatie-instructies, dus ik zal ze niet allemaal beschrijven.

Enkele interessante sjabloonvelden zijn:

• Standaardmodel - Selecteer een specifiek analysemodel of een selectie waarbij OneStream automatisch het beste model gebruikt.
• Historisch bereik - 18 tot 48 maanden nodig, afhankelijk van het type prognose. Ik heb wat testgegevens gemaakt van Jan2015 - Dec2018 en zal mijn resultaten laden in hetzelfde scenario als mijn werkelijke gegevens.

De gegevens in een Kubusweergave vormen de basis voor jouw voorspellende analyse. De gebruiker die het model uitvoert, moet de juiste toegangsrechten hebben tot die kubusweergave, wat betekent dat de gebruiker gegevens en Toegangs- en Onderhoudsgroepen kan wijzigen. Predictive Analytics houdt geen rekening met de beveiliging van de kubusweergave, dus deze moet in de kubusweergave zelf worden ingesteld om overschrijven te voorkomen.

Houd er rekening mee dat het in de huidige versie (nog) niet is toegestaan om gegevens uit meerdere kubussen in één kubusweergave op te halen als bron voor Predictive Analytics.
Bovendien zijn er Bound-parameters nodig voor de verschillende dimensies in de kubusweergave:

Nu jouw model is geconfigureerd, kun je aan de slag.

Hoe implementeer je het model?

Nadat jouw sjabloon hebt opgeslagen, kun je direct naar de voorspelpagina gaan met de knoppen bovenaan. Hier moet je het sjabloon selecteren dat we zojuist hebben gemaakt:

‍

Wanneer je in de Kubusweergave een gegevenscel selecteert waarvoor een sjabloon beschikbaar is - wat vereist dat je in de juiste Periode bent, 2018M12 in mijn geval - kan je op de afspeelknop drukken om het model te berekenen:

je kunt ook op Calculate All drukken om de beschikbare modellen voor jouw hele kubusaanzicht uit te voeren, maar dat kan even duren, vooral als je geen specifieke modellen hebt geselecteerd en op automatisch hebt gezet. Op mijn demo-machine bevriest de omgeving een tijdje). Calculate duurde in mijn situatie 10 minuten:

Wanneer het model wordt uitgevoerd voor de geselecteerde cel, wordt het onderste paneel van het dashboard gevuld met de originele en voorspelde gegevens:

Na het uitvoeren van 1 account worden de voorspelde gegevens automatisch ingevuld (op basisniveau) en zichtbaar in de kubusweergave:

Niet alle historische perioden die je wilt gebruiken hoeven beschikbaar te zijn in de Cube View. In mijn geval begint de Kubusweergave bijvoorbeeld bij 2018M6, terwijl ik 12 maanden aan historische gegevens gebruik.
Nadat je jouw model hebt uitgevoerd, kun je de resultaten wissen, het model in detail bekijken en de resultaten becommentariëren:

Hier zie je de best overeenkomende modellen en kun je er een selecteren om de bijbehorende figuren te laten zien. Alleen de best overeenkomende resultaten worden echter opgeslagen in jouw kubusweergave.

Analyse en kernpunten

Er is ook een Audit sheet die je een overzicht geeft van welke modellen door wie zijn uitgevoerd op welke rekeningen:

je kunt hier ook alle reacties bekijken.
Voor de beste resultaten is minimaal 18 maanden data nodig. Voor seizoensinvloeden raadt OneStream 24 maanden aan en ARIMA (Autoregressive Integrated Moving Average) zelfs 48 maanden.

De huidige versie ondersteunt de meest voorkomende en meest gebruikte voorspellingsmethoden, zoals:

• Eenvoudige exponentiële afvlakking
• Holt Lineair (Additief en Multiplicatief)
• Holt-Winters exponentieel
• Seizoensgebonden additief
• Holt-Winters Exponentieel Vermenigvuldigend
• Holt-Winters Gedempte methode
• Autoregressief Geïntegreerd Bewegend Gemiddelde (ARIMA) (ook Seizoensgebonden)

Als je niet echt van statistiek houdt, zijn de details van deze methoden ter referentie toegevoegd aan de installatie-instructies van Predictive Analytics 123. De oplossing wordt geleverd met een aantal standaard dashboards die ook kunnen worden opgenomen in de dashboards van jouw applicatie. Om dit te doen, moet het Servertaakargument correct worden ingesteld, dus zorg ervoor dat de juiste sjabloon wordt weergegeven.

Conclusie

Predictive Analytics is een geweldige toevoeging aan jouw OneStream platform, waarmee gebruikers voorspellende modellen kunnen maken voor meer inzicht in jouw bedrijf.

Voordelen van OneStream Predictive Analytics:

+ Automatisch het beste voorspellende model selecteren voor jouw gegevens, die zelfs per account kunnen verschillen

+ Eenvoudig te configureren en te spelen met jouw modellen

+ Geen (technische) statistische kennis nodig om te beginnen met modelleren op jouw eigen gegevens

Nadelen vanOneStream Predictive Analytics:

- Het uitvoeren van complexe voorspellingsmodellen kost tijd. Afhankelijk van de grootte van jouw dataset, moet je geduld hebben.

De installatie wordt gedetailleerd beschreven in de documentatie en de configuratie is eenvoudig. Daarom classificeer ik deze oplossing als Admin Configureerbaar. Zie mijn eerdere post "The OneStream Market Place in Real Life" over classificaties.