예측을위한 양적 및 질적 방법론은 비즈니스 목표 및 목적을 개발하는 데 도움이됩니다. 비즈니스 예측은 향후 시장 행동을 예측하는 데 사용되는 과거 데이터 패턴을 기반으로 할 수 있습니다. 예측의 시계열 방식은 미래의 상황 및 이벤트를 예측하기 위해 과거 데이터 포인트 (예: 꺾은 선형 차트 사용)를 측정하는 하나의 데이터 분석 도구입니다. 시계열 방법의 목표는 미래 결과에 관한 진술을 작성하는 데 사용할 수있는 데이터의 의미있는 특성을 식별하는 것입니다.
신뢰할 수 있음
시계열 테스트에 사용 된 기록 데이터는 점진적인 선형 차트를 따라보고하는 조건을 나타냅니다. 예측의 시계열 방식은 데이터가 광범위한 기간을 나타낼 때 가장 신뢰할 수 있습니다. 조건에 대한 정보는 다양한 시간 간격 (예: 시간별, 일별, 월별, 분기 별, 연간 또는 기타 시간 간격)으로 데이터를 측정하여 추출 할 수 있습니다. 예측은 조건의 패턴을 측정하기 위해 더 긴 기간 동안 많은 수의 관측을 기반으로 할 때 가장 건강합니다.
계절 패턴
데이터 포인트 차이를 측정하고 매년 비교하면 미래 예측의 기초가 될 수있는 계절적 변동 패턴을 알 수 있습니다. 이러한 유형의 정보는 상품 및 의류 소매업과 같이 계절적으로 제품이 변동하는 시장에 특히 중요합니다. 예를 들어, 소매업자를 위해 시계열 데이터는 겨울철 의류에 대한 소비자 수요가 매년 다른 시간대에 급증하여 생산 및 공급 요구 사항 예측에 중요한 정보를 나타낼 수 있습니다.
경향 추산
분석의 선형 모델로서 시계열 방법을 사용하여 추세를 식별 할 수도 있습니다. 시계열 차트에서보고하는 데이터 경향은 특정 제품이나 제품의 매출이 증가하거나 감소하는 경우 관리자에게 유용 할 수 있습니다. 예를 들어, 특정 프랜차이즈 상점에서의 위젯 X에 대한 일일 판매의 상승 추세는 비슷한 위치에있는 프랜차이즈 매장에서의 경향 추산의 기초가 될 수 있습니다.
성장
볼티모어 대학의 호세인 알 샴 (Hossein Arsham) 교수에 따르면 시계열 방법은 금융 및 내생 성장을 측정하는 데 유용한 도구입니다. 금융 성장과 달리 내생 적 성장은 경제 성장으로 이어질 수있는 조직의 내부 인적 자본에서 발생하는 개발입니다. 예를 들어, 정책 변수의 영향은 시계열 테스트를 통해 입증 될 수 있습니다.
