Exigences relatives aux jeux de données pour utiliser les informations de ML avec Amazon QuickSight
Pour commencer à utiliser les capacités de machine learning de Amazon QuickSight, vous devez vous connecter ou importer vos données. Vous pouvez utiliser un jeu de données Amazon QuickSight existant ou en créer un nouveau. Vous pouvez interroger directement votre source compatible SQL, ou intégrer les données dans SPICE.
Les données doivent avoir les propriétés suivantes :
-
Au moins une métrique (par exemple, ventes, commandes, unités expédiées, inscriptions, etc.).
-
Au moins une dimension de catégorie (par exemple, catégorie de produits, canal, segment, secteur, etc.). Les catégories avec des valeurs NULL sont ignorées.
-
La détection des anomalies nécessite un minimum de 15 points de données pour la formation. Par exemple, si la fréquence de vos données est quotidienne, vous avez besoin de 15 jours de données minimum. Si la fréquence est mensuelle, vous avez besoin de 15 mois de données minimum.
-
Plus vous disposez de données, plus les prévisions sont précises. Pour un résultat optimal, assurez-vous que votre jeu de données dispose de suffisamment de données historiques. Par exemple, si la fréquence de vos données est quotidienne, vous avez besoin de 38 jours de données minimum. Si fréquence est mensuelle, vous avez besoin de 43 mois de données minimum. Les exigences relatives à la fréquence temporelle sont les suivantes :
-
Années : 32 points de données
-
Trimestres : 35 points de données
-
Mois : 43 points de données
-
Semaines : 35 points de données
-
Jours : 38 points de données
-
Heures : 39 points de données
-
Minutes : 46 points de données
-
Secondes : 46 points de données
-
-
Si vous souhaitez analyser des anomalies ou des prévisions, vous avez également besoin d'au moins une dimension de date.
Si vous ne disposez pas d'un jeu de données pour pouvoir commencer, vous pouvez télécharger l'exemple suivant : ML Insights Sample Dataset VI. Une fois que votre jeu de données est prêt, créez une analyse à partir de ce dernier.