Forecast mogelijkheden

In veel gevallen wordt er in rapportages, dashboards en KPI's gekeken naar historische data. Dat is vaak genoeg voor het verklaren van een ontwikkeling of voor verantwoordingsdoeleinden.

Het is echter ook mogelijk om al een kijkje in de toekomst te nemen en zo vooraf bij te sturen eer dat de realisatie al heeft plaatsgevonden.

Hierin zijn er in ieder geval drie mogelijkheden die in dit artikel beknopt worden toegelicht. Deze staan ook gelijk in een logische volgorde qua datavolwassenheid. 

De meest logische route is om eerst te beginnen met standaard prognose methodiek, vervolgens een verdieping te maken in time series forecasting en tot slot een overgang naar Data Science casuïstiek waarbij Machine learning om de hoek komt kijken. 

Prognose

InTouch voorziet in een aantal prognosemethodes die gebruikt kunnen worden bij het definiëren van een KPI. Je vindt deze door als beheerder naar de rol 'Model beheer' te wisselen en vervolgens te navigeren naar KPI -> Prognose Methode, zie onderstaand screenshot.

Elke te selecteren methode is uitgebreid beschreven. 

Bij het maken van een KPI kun je een van deze methoden eenvoudig selecteren en toepassen:

Time series forecast

Daarna kun je een stap maken naar time series forecasting. Dit kan op twee verschillende manieren.

Manier 1: Power BI desktop pre-built forecast

Dit vereist Power BI desktop i.c.m. een DirectQuery verbinding. Vervolgens heb je een valide datumkolom nodig (in het kernmodel is deze beschikbaar in de datum dimensie) en een meetwaarde.

Zodra je deze in een lijngrafiek samenvoegt, kun je op het Analyse knopje aan de rechterzijde klikken en vervolgens de Forecast toggle op 'on' zetten.

Nu verschijnen er diverse opties om de time series forecast aan te passen: 

Manier 2: Coding 

Dit vereist Power BI desktop. Hierbij is een DirectQuery verbinding vereist, vervolgens kun je een R of Python visualisatie component selecteren en beginnen met coderen. Je kunt hier met R of Python time series algoritmes aanroepen. Deze route vereist wel kennis van R of Python en time series modellering.  Denk daarbij ook aan de vereiste om R of Python incl. libraries geïnstalleerd moeten worden afhankelijk van de omgeving waar van uit je verbonden bent met Power BI desktop en de data. Indien het niet de wens is om deze inzichten ook te publiceren, is dit eenvoudiger, daar dit enkel lokaal geïnstalleerd hoeft te staan. 

AI/Machine learning

Tot slot kun je overgaan tot toepassing van Machine learning, door bepaalde variabelen te voorspellen kun je middels scenario's ook een kijkje in de verwachte toekomst nemen.

Je kunt dit op dezelfde manier aanvliegen als Manier 2 bij de Time series forecast: Via Power BI desktop waarbij je in een R/Python component een model aanroept. Dit kan een eigen gemaakt model zijn maar ook een model wat je via een API aanroept.

Denk aan een Azure Machine Learning API die data 'scored' in de dataset bij het aanroepen ervan. Onze specialisten kunnen je hierbij verder assisteren indien gewenst, neem hiervoor contact op met jouw accountmanager. 

• Related Articles

• Zelf ontwikkelen binnen de BI tool

  De operationele BI binnen het EPD is gebaseerd op Oracle Analytics Server. Het is een tooling waarmee niet alleen standaard inzichten kunnen worden geleverd aan eindgebruikers, maar waarin een zorginstelling ook zelfstandig inzichten kan ontwikkelen. ...

• Algemeen

  Care4Data is een koppelvlak op het ECD voor de Jeugdzorg (CARE4). Care4Data wordt gebruikt voor de ontsluiting van data naar InTouch, maar Care4Data kan ook voor eigen gebruik door zorginstellingen worden afgenomen. Care4Data is benaderbaar vanaf een ...

• Versiebeheer op metadata: in- en uitchecken in InTouch

  Introductie Zodra je als beheerder gebruik maakt van InTouch vinden wij het belangrijk dat je naast grip op data ook grip op de configuratie van het platform houdt. Hierin ondersteunen wij middels versiebeheer. Deze functionaliteit heeft een aantal ...

• Authenticatie & autorisatie

  Authenticatie Wij koppelen samen jullie eigen "identity provider" (bijv. AzureAD, HelloID) aan SDB Identity. Vervolgens kan een beheerder ervoor zorgen dat gebruikers toegang krijgen tot de Analytics applicatie(s). Deze koppeling maakt gelijk single ...

• Tabular model zelf uitbreiden in combinatie met Power BI

  Voor wie is dit artikel? Voor Power Users. Indien je gebruik maakt van een Tabular model is er ook een mogelijkheid om zelf toevoegingen te doen op het datamodel. Wat is hiervoor nodig? Het tabular model moet voor jou te benaderen zijn, dit kan ...