趨勢與預測

為降低歷程資料中周期性變更的影響，會利用使用者定義的業務期間 (business period)，將資料分割為以時間間隔為基礎的貯倉 (bin)，接著以單一點代表每一個貯倉。此點可為資料的平均、尖峰或第 90 百分位數 (90% 的點均小於該值)。除非有效貯倉內的點百分比超出使用者指定的臨界值，否則不會使用貯倉。

	重要： 待分析的資料範圍內至少要有兩個貯倉具有適當百分比的有效點，否則不會計算其趨勢。

使用者可設定報告期間排除某個特殊的事件，或將該時段標示為無效，將在該期間蒐集到的點排除於趨勢分析外。

線性回歸以最小平方法 (least squares fit) 為基礎，將每個總合點之間的垂直偏移量 (vertical offset) 的平方與其趨勢直線總合減至最低。

	秘訣： 透過小型資料集執行回歸不見得有意義，而且可能具誤導性。任何以少於 12 個總合點為基礎的趨勢分析均應和歷程資料小心對照，以瞭解該分析是否「合理」。趨勢分析的資料點數量上限為報告總時間除以業務期間，不符合驗證標準的業務期間可排除。 由於趨勢是以年度成長率來回報，因此最好具有一年以上的歷程資料再嘗試分析趨勢。

使用者可選擇在報告中加入錯誤分析。可使用的錯誤值如下：

r-squared: 為估算趨勢而執行的回歸之相關係數，為表示回歸能否正確呈現總合點的量測方式。以小數表示；趨近 1 或 -1 的值代表回歸較精確地呈現出資料。

在容量規劃員內可指定四種不同層級的預測模型，其中較明確的預測模型可橫越較籠統的預測模型，如下表所示：

預測資料範圍定義結合年度投射成長率以產生預測模型的歷程資料。預測資料範圍可指定為：

年度投射成長率以百分比指定，可為正數 (代表提高使用量)、負數 (代表降低使用量) 或零 (表示不變)。預設值是為不變。可分別指定記憶體和 CPU 的成長率。

預測會以點對點的方式套用於使用者指定範圍內的歷程資料。套用的方式為線性套用，因此預測起始點 1 年後的點即為套用至資料中的完全成長率結果。使用者提供之資料範圍內的資料可套用資料範圍中各點的適當成長率部份，並重複資料組直到達到屬意的結束點，以「拼湊」未來。