Requisitos de conjunto de dados para usar insights de ML com a Amazon QuickSight

Para começar a usar os recursos de aprendizado de máquina da Amazon QuickSight, você precisa se conectar ou importar seus dados. Você pode usar um QuickSight conjunto de dados existente da Amazon ou criar um novo. Você pode consultar diretamente sua fonte compatível com SQL ou ingerir os dados no SPICE.

Os dados devem ter as seguintes propriedades:

• Pelo menos uma métrica (por exemplo, vendas, pedidos, unidades enviadas, inscrições e assim por diante).

• Pelo menos uma dimensão de categoria (por exemplo, categoria de produto, canal, segmento, setor e assim por diante). Categorias com valores NULL são ignoradas.

• A detecção de anomalias exige um mínimo de 15 pontos de dados para treinamento. Por exemplo, se a granularidade dos seus dados for diariamente, você precisará de pelo menos 15 dias de dados. Se a granularidade for mensal, você precisará de pelo menos 15 meses de dados.

• A previsão funciona melhor com mais dados. Certifique-se de que seu conjunto de dados tenha uma quantidade suficiente de dados históricos para obter os melhores resultados. Por exemplo, se a granularidade dos seus dados for diariamente, você precisará de pelo menos 38 dias de dados. Se a granularidade for mensal, você precisará de pelo menos 43 meses de dados. Veja a seguir os requisitos para cada granularidade de tempo:

  • Anos: 32 pontos de dados

  • Trimestres: 35 pontos de dados

  • Meses: 43 pontos de dados

  • Semanas: 35 pontos de dados

  • Dias: 38 pontos de dados

  • Horas: 39 pontos de dados

  • Minutos: 46 pontos de dados

  • Segundos: 46 pontos de dados

• Se quiser analisar anomalias ou previsões, você também precisará de pelo menos uma dimensão de data.

Se não houver um conjunto de dados para começar, você pode fazer download deste exemplo de conjunto de dados: ML Insights Sample Dataset VI. Quando tiver um conjunto de dados pronto, crie uma análise desse conjunto de dados.