让我们谈谈时间序列分析及其更具挑战性的方面。现在要小心数据。从各个角度查看它，然后重新考虑自己的工具。
好的，现在我引起了您的注意。是的，当然有蘸酱。在ARC，我们看到第三季度和第四季度将是最多的季度，我们已经为Corona上的客户发布了一系列报告。我们的研究表明，对于总自动化而言，我们预计会下降约-15％至-20％，但这很大程度上取决于单个行业。我们很快将为客户发布更多报告，因此，如果您是客户，您可以在这里检查。
实际上，我想利用当前情况来谈论时间序列分析及其更具挑战性的方面。不用担心，这里不会进行大量的理论讨论，但是我想以电晕危机为例，向您展示含义。
该图表显示了基于400多个公开列出的机械制造商的ARC机械，该机器使用A索引Paasche索引为了避免跳跃，添加新数据时。
在ARC，我们通常使用季节性调整的数据。这具有一个优势，即较小的“跳跃”被扁平，我们不会过度解释某些发现。例如我们在2019年第四季度或2019年第二季度的“峰值”，而市场或多或少是平坦的。但是现在，在电晕危机时期，季节性调整线（蓝色）没有显示出任何浸入。怎么会这样？
我们根据优化的过滤器根据百特/国王在时间序列中采用的情况下，它可以被认为是最佳的，但是在时间序列的结尾处有挑战，不幸的是，这是其中最有趣的部分。在时间序列结束时，过滤器使用过去的数据来计算当前的季节性调整值。但是，过去没有电晕！我们可以使用ARMA或ARIMA模型在这里帮助我们，但他们还使用过去的数据来预测未来。而且，过去没有电晕！因此，我们正处于结构中断的开始，无法使用过去的信息或数据对此进行平滑或预测，它行不通。
虽然这听起来很讨厌，但它具有非常清晰和简单的含义（在上面的第一张图中以红色突出显示）：
- 原始数据：年份：-4％和四分之一季度-8％的结论：危机开始！
- 季节性调整：年份：-1.3％和四分之一季度-0.2％结论：什么都没有发生！
这意味着什么？现在要小心数据。从各个角度查看它，然后在BI中重新考虑自己的工具。最坏的情况可能是作为战略家或经理，您的工具可能会为您提供错误的决策依据。