PRODUCTCrystal BallCrystal Ball 도구기능

Dramatically Improve the Quality of Your Strategic Business Decisions

Crystal Ball 도구기능

Batch Fit(F)
다중 변수들에 대한 데이터를 이용하여 한번에 동시에 변수들의 상관관계를 고려하여 분포를 적합 시키고자 할 때 유용하게 활용됩니다. P-value 값을 제공하여 분포 적합도의 유의성 유무를 판단 할 수 있습니다.


Batch Fit 분석 결과 보고서

Bootstrap(B)
시뮬레이션 통계량(평균, 표준편차, 분산, 왜도, 첨도 등) 및 표본으로부터 추정된 기술 통계량에 대한 통계적 신뢰성을 분석해 보고자 할 때 사용됩니다.

Data Analysis(A)
시뮬레이션 수행 전 데이터에 대한 통계적 사전 탐색(이상치 여부, 분포의 형태 등)을 통해 데이터 전처리를 하고자 할 때 유용하게 사용됩니다.

Decision Table(D)
예측(결과)값을 최대 또는 최소화 할 수 있는 하나 또는 두 개의 통제가 가능한 의사결정 변수에 대한 최적 조건을 찾고자 할 때 사용됩니다.

Scenario Analysis(S)
분석자가 입력 변수 중에서 몇 개의 변수를 선택하여 정의한 구간에서의 다양한 시나리오에 따른 결과(예측값)변수의 변화를 분석하고자 할 때 유용하게 사용됩니다. 분석자가 원하는 시나리오에 따른 결과값을 파악할 수 있습니다.

Tornado Analysis(T)
시뮬레이션 수행 전 모델에 포함할 주요 확률 분포 변수를 선택할 때 주로 활용하며 확률 분포로 정의된 입력 변수들이 결과 변수에 독립적으로 미치는 영향력을 분석해 줍니다.
  • 토네이도 차트를 통해서 영향력의 크기를 파악
  • 스파이더 차트를 통해서 영향력의 방향을 파악


토네이도 차트


스파이더 차트

2D Simulation(2)
2차원 시뮬레이션 기법으로 1차원에는 불확실성을 갖는 변수를 2차원에는 변동성을 갖는 변수를 정의하여 불확실성과 변동성에 따른 리스크의 크기를 분석할 때 유용하게 사용할 수 있습니다.

CB Predictor™
시계열 분석을 제공하는 툴로써 가장 일반적이고 유용하게 적용할 수 있는 시계열 예측 기법을 사용하여 여러분의 과거 데이터에서 동향(trends)을 확인하고 미래 데이터를 예측해 줍니다. CB Predictor™는 여러분의 데이터를 분석하여 통찰력 있는 미래의 정보를 제공합니다.

CB Predictor는 여덟 개의 시계열 예측 기법을 기본으로 제공합니다. 각 기법의 목적은 데이터에 존재하는 동향이나 패턴을 확인하여 그것을 “noise” 로부터 분리시키는 것입니다. 그리고 나서 이 패턴은 미래 데이터에 가장 근사치로써 반영됩니다. 만일 여러분이 어떤 기법을 사용해야 할지 잘 모를 경우 CB Predictor는 자동으로 모든 기법을 시도하여 여러분의 데이터에 가장 잘 맞는 한 가지를 선택합니다.

가령 여름 기간의 아이스크림 판매 급상승과 같이 순환적인 혹은 주기적인 데이터를 다루기 위한 특별한 계절적(seasonal) 방법 또한 가능합니다.

만약 여러분이 다른 데이터와 결합되어 있다고 (혹은 의존하고 있다고) 생각되는 데이터를 가지고 있다면, CB Predictor는 몇 가지 회기 기법을 제공할 것입니다. 데이터 간에 상관 관계가 존재하고 있을 때 회귀 분석을 사용하면 미래 예측 능력을 더욱 향상시켜 줄 것입니다.

  • 크리스탈볼의 CB Predictor는 비 정상적인 시계열 특성인 이벤트의 여부를 고려한 분석을 수행할 수 있습니다.
  • 결측치 또는 이상치에 대해서 보정을 해 주는 기능을 제공합니다.
  • 최적의 시계열 모형을 자동으로 찾아 주며 분석자가 원하는 기간의 예측 자료를 제공해 줍니다.

CB Predictor가 스프레드시트에 미래 값을 생성하기 전에 여러분은 예측값을 도표로 미리 볼 수 있습니다.
시계열 차트에서 오른쪽을 보면 파란색으로 표시된 Sales 자료에 대한 예측을 중심으로 붉은색으로 표시된 90%의 신뢰 구간으로 둘러싸여 가장 가능성 높은 최선의 시나리오와 최악의 시나리오를 보여주고 있음을 알 수 있습니다. 또한 다른 데이터 시리즈를 선택하거나 혹은 다른 예측 기법들에서는 어떤 메소드가 “최선(best)” 값을 제공하는지도 볼 수 있습니다.