quick BI的波动原因分析使用到的是什么算法？

您好，Quick BI中的波动原因分析采用的是机器智能算法，该算法能够自动拆解并分析核心指标波动的具体原因。它通过分析维度或度量的变化，来确定哪些因素对整体波动的贡献最大。与手动对比分析相比，自动算法可能考虑了更多潜在变量和复杂关系，因此结果可能会有所不同。

波动原因分析的关键点包括： - 对比对象选择：允许您设定一个基准，以比较不同时间段或条件下的数据变化。 - 维度拆解：系统会基于选定的分析维度，展示每个维度值如何影响总体波动，通过变化贡献率来量化这种影响。 - 度量拆解：分析各度量间的关系及其对目标度量波动的贡献程度，进一步细化波动来源。

由于自动算法综合考量多维度数据关联性和复杂时间序列模式，其结果可能更加全面但也可能引入模型解释上的差异。如果发现自动分析结果与手动分析有出入，建议： - 复核分析设置：确认选取的对比对象、维度拆解及度量拆解是否合理，调整设置后观察分析结果的变化。 - 数据质量检查：确保输入的时间序列数据丰富且准确，因为预测准确性依赖于数据的质量与数量（建议数据点超过50个）。 - 理解算法局限性：自动算法虽强大，但仍受限于数据特性和算法设计，某些特定波动或异常情况可能需结合业务知识进行人工校验。

综上所述，波动原因分析的不一致可能是由算法处理复杂数据关系的方式与手动分析时的关注点差异造成的。在实际应用中，可将自动分析作为快速洞察波动的起点，必要时结合人工深入分析以获得更全面的理解。