如何对1000个唯一的时间序列数据进行数据探索？

Question

这是我第一次处理时间序列，因此，请原谅。我的数据集包括以下产品ID列和1000种不同的产品，日期列，销售列。由于第一步是执行数据探索（时间序列分解为三个部分-趋势，季节性和随机性），因此我如何在没有附加信息的情况下探索数据，而仅需要产品ID和过去3年的销售额。

基于此数据，我需要构建一组模型，以预测未来4个月的销售量。请帮助我。

从图中可以看出，我试图了解每个时间序列的分布，但是有1000个图，并且很难理解或理解数据，这是我面临的挑战。我想将每个项目的销售数据分为趋势，季节性和随机部分。

我有基本代码，但是不确定如何为多个项目合并相同的代码，以识别每个项目的趋势，季节性和随机性。

我没有其他信息，例如产品类别，销售地区等，只有产品ID，日期和销售信息...

Answer 1

我不确定您到目前为止还尝试了什么，如果无法为您提供新的可用信息，我深表歉意。

先知本身已经是一个预测模型，所以我假设，您不是在构建机器学习模型，而是在为EDA生成预测数据。

在此阶段，您需要首先确定要从数据中获取什么。如果您确实要预测数据集中产品之一的每个单个产品的性能，那么您将必须找到一种方法来解决对1000个产品分别进行预测的不现实性。但是，即使您确实做到了这一点，在不了解产品类别或每个产品之间的相似性的情况下，结果可能也不会特别有意义。

我的建议是弄清楚您希望EDA回答哪些问题并使用那里的数据。也许您可以选择性能最低的产品并预测其未来的性能。基于此，您可以建议继续销售这些产品是否有任何意义。

如果您正在寻找有关如何使用预测模型的信息，那么可以参考以下一些资源

Predicting the future with Facebook Prophet

An Introduction to Time Series Forecasting with Prophet Package in Exploratory Data Analysis

当然，先知自己的documentation