Ale někteří kritici ptají, zda máme kliku na tom, kde jsou všechny tyto údaje při nás. Vezměte a ekonomika podniku, například. Tradiční modely ekonomická prognóza používá faktorů, jako je demografie, výši schodku veřejných financí a dluhu, úrokových sazeb, cen ropy a údajů o zaměstnanosti se odhadnout směr ekonomiky. Firmy pak sloučil tyto předpovědi, spolu s daty týkajících se svých oborech, vést své rozpočty, přijímání a platy. Zadejte velkých objemů dat, které kanály oceány up-to-the-minute informace analytiků založené na představě, že více dat je lepší. A v mnoha případech přijde vhod, jako když ji podniky používají sledovat, jak zákazníci a zaměstnanci používají zboží a služby, nebo sledovat šíření názorů a chutí prostřednictvím sociálních médií, nebo stavět modely zákaznických preferencí, z nichž všech otevřených dveře do nových metod analýzy trend [Zdroje: Lohr; Rosenbush a Totty].
Ale kritici stále více nepříjemný s velkými daty je dosáhnout a přístup. Ještě důležitější je pro prognostiky, oni argumentují, že to produkuje algoritmy, které jsou příliš tajné, příliš nespravedlivé a příliš špatně pochopil [Zdroj: Auerbach; Pasquale].
Ďábel v detailech
prognostiky dráždit ven vzory přes smíšené nástrojů technik, ale jejich předpovědi jsou jen tak dobré, jako jejich údajů, předpokladů a dovedností. Můžete spustit analýzu trendu v aplikaci Microsoft Excel, ale bez vedení odůvodnění, co můžete skončit s je pravděpodobně horší než zbytečné. - Je to asi zavádějící zavést
Pokud chcete, aby vaše předpovědi říct něco smysluplného, nemůžete jen " plug-and-Chug &Quot.; Musíte sbírat dobrá data, ujistěte se, že říká, že to, co si myslíš, že to říká, a zkontrolujte, zda neobsahuje skryté vztahy, které budou své výsledky točivý moment. Možná budete muset upravit to taky, pro inflaci nebo sezónní výkyvy. A co je nejdůležitější, musíte znát a respektovat své základní předpoklady. - Včetně toho, zda lze spolehlivě promítnout současné vzory do budoucna
Tři z nejčastěji používaných prognostických metod se nazývají lineární trend (aka jednoduchá lineární regrese ), vícenásobná regrese a autoregresní integrovaný klouzavý průměr (aka ARIMA). Zde je podstata každého:
