Nieuw in OneStream: Predictive Analytics 123

Het meest voorkomende probleem met voorspellende systemen is de kwaliteit van de brongegevens. Wat kan er verwacht worden van de uitkomst als er geen goede datakwaliteit wordt gebruikt als input? Dat is precies waarin OneStream zich 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 je voorspellende model van hoge kwaliteit zijn. En het goede nieuws is dat dit alles nu beschikbaar is voor elke klant van OneStream.

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

Instellen van Predictive Analytics

Naast de configuratie 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 instrumenten in hun toolkit. 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 uw OneStream omgeving. Het pad waar u deze map plakt, wordt later gebruikt tijdens de configuratie van Predictive Analytics. Als u een OneStream cloud heeft, zal het support team dit voor u 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. Daarna ben je klaar om modellen te configureren. Zorg ervoor dat het pad eindigt met Python.exe, dus niet alleen de map!

‍

Hoe configureer je modellen

De startpagina van Predictive Analytics bevat 3 hoofdonderdelen.

• Setup - om voorspellende modellen te configureren, zoals gegevensbronnen en modellengte.
• Predict - om uw 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 scherm instellingen door op de knop toevoegen te klikken:

De sjabloon kan worden aangepast via de knop Bewerken, maar zodra een model wordt uitgevoerd, kunnen de elementen van de kubusweergave en de scenariosectie niet meer worden gewijzigd. U kunt echter ook eenvoudig een sjabloon kopiëren als u 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:

• Default Model – Select a specific Analytical model or a selection where OneStream automatically uses the best one.
• Historisch bereik - 18 tot 48 maanden nodig, afhankelijk van het type voorspelling. 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 uw 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 overschrijdingen te voorkomen.

Houd er rekening mee dat het in de huidige versie (nog) niet is toegestaan om data uit meerdere kubussen in een enkele Cube View op te halen als bron voor Predictive Analytics.
Daarnaast zijn er Bound parameters nodig voor de verschillende dimensies in de Cube View:

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

Hoe voer je het model uit?

Na het opslaan van je sjabloon kun je direct naar de pagina voorspellen gaan via de knoppen bovenaan. Hier moet je de sjabloon selecteren die we zojuist hebben gemaakt:

Wanneer je in de Kubusweergave een gegevenscel selecteert waarvoor een sjabloon beschikbaar is - waarvoor je in de juiste Periode moet zijn, 2018M12 in mijn geval - kun je op de afspeelknop drukken om het model te berekenen:

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

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

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

Niet alle historische perioden die u 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 u uw model hebt uitgevoerd, kunt u de resultaten wissen, het model in detail bekijken en de uitkomsten becommentariëren:

Hier ziet u de best overeenkomende modellen en kunt u er een selecteren om de bijbehorende cijfers te laten zien. Alleen de best overeenkomende uitkomsten worden echter opgeslagen in uw kubusweergave.

Analyse en belangrijke punten

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

Hier kun je ook alle commentaren bekijken.
Voor de beste resultaten is minimaal 18 maanden data nodig. Voor seizoensinvloeden adviseert OneStream 24 maanden en ARIMA (Autoregressive Integrated Moving Average) zelfs 48 maanden.

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

• Simple Exponential Smoothing
• Holt Linear (Additive and Multiplicative)
• Holt-Winters Exponential
• Seasonal Additive
• Holt-Winters Exponential Multiplicative
• Holt-Winters Damped Method
• Autoregressive Integrated Moving Average (ARIMA) (also Seasonal)

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

Conclusie

Predictive Analytics is een geweldige aanvulling op uw OneStream platform, waarmee gebruikers voorspellende modellen kunnen maken voor meer inzicht in uw bedrijf.

Voordelen van OneStream Predictive Analytics:

+ Automatisch selecteren van het beste voorspellende model voor je gegevens, dat zelfs per account kan verschillen

+ Eenvoudig te configureren en te spelen met je modellen

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

Nadelen vanOneStream Predictive Analytics:

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

De installatie wordt gedetailleerd beschreven in de documentatie en de configuratie is eenvoudig. Daarom classificeer ik deze oplossing als Admin Configurable. Zie mijn eerdere post 'De OneStream Market Place in het echt' over classificaties.