Zeitreihen-Prognose- und Saisonalitaetsanalyse

Prognostiziert kuenftige Perioden aus CSV- oder JSON-Zeitreihen und zeigt Trend, Saison und Residuen in einem Bericht

Importieren Sie CSV-, JSON- oder Tabellen-Daten mit einer Zeitspalte und einer numerischen Spalte. Das Tool passt eines von drei leichten Prognosemodellen an, projiziert kuenftige Perioden mit Konfidenzintervallen und zerlegt die Beobachtungsreihe in Trend, Saison und Residuum.

Modellhinweise:

ARIMA verwendet eine leichte ARIMA(1,1,0)-artige Annaeherung
Exponentielle Glaettung nutzt Holt-aehnliche Level- und Trend-Updates
Linearer Trend basiert auf Regression ueber den Beobachtungsindex plus Saisonkorrektur

So wird das Formular ausgefuellt:

CSV- oder JSON-Eingabe: Tabelle oder Objektliste einfuegen
Datendatei: CSV, JSON, XLS oder XLSX hochladen
Zeitspalte / Wertespalte: Feldnamen angeben
Prognosemodell: Ansatz auswaehlen
Prognoseperioden: Anzahl kuenftiger Zeilen
Saisonlaenge: Zyklus fuer Zerlegung und saisonale Anpassung
Konfidenzniveau: steuert die Intervallbreite
Exportformat: Vorschau der Prognosezeilen als JSON oder CSV

Beispielergebnisse

1 Beispiele

Woechentliche Umsaetze mit Saisonalitaet prognostizieren

Projiziert 8 kuenftige Perioden und prueft das woechentliche Muster.

Time Series Forecast & Seasonality Report

Eingabeparameter anzeigen

{ "seriesInput": "timestamp,value\n2026-01-01,120\n2026-01-02,128\n2026-01-03,132\n2026-01-04,125\n2026-01-05,140\n2026-01-06,148\n2026-01-07,145\n2026-01-08,126\n2026-01-09,133\n2026-01-10,138", "timestampColumn": "timestamp", "valueColumn": "value", "model": "arima", "forecastPeriods": 8, "seasonLength": 7, "confidenceLevel": "0.95", "exportFormat": "json" }

CSV- oder JSON-Eingabe

Datendatei

Click to upload file or drag and drop file here

Maximum file size: 20MB Supported formats: text/csv, application/json, application/vnd.ms-excel, application/vnd.openxmlformats-officedocument.spreadsheetml.sheet, .csv, .json, .xls, .xlsx

Zeitspalte *

Wertespalte *

Prognosemodell

Prognoseperioden

Saisonlaenge

Konfidenzniveau

Exportformat

Wichtige Fakten

Kategorie: Daten & Tabellen
Eingabetypen: textarea, file, text, select, number
Ausgabetyp: html
Sample-Abdeckung: 4
API verfügbar: Yes

Überblick

Ein leistungsstarkes Tool zur Analyse und Prognose von Zeitreihendaten. Importieren Sie Ihre CSV- oder JSON-Daten, um zukünftige Werte mit Modellen wie ARIMA oder exponentieller Glättung vorherzusagen. Das Tool zerlegt Ihre Daten automatisch in Trend, Saisonalität und Residuen und liefert einen übersichtlichen Bericht inklusive Konfidenzintervallen für fundierte datengetriebene Entscheidungen.

Wann verwenden

•Wenn Sie historische Verkaufs- oder Traffic-Daten haben und zukünftige Entwicklungen abschätzen möchten.
•Um wiederkehrende saisonale Muster in Ihren Datensätzen zu identifizieren und vom allgemeinen Trend zu isolieren.
•Wenn Sie eine schnelle, browserbasierte Zeitreihenprognose ohne komplexe Python- oder R-Skripte benötigen.

So funktioniert es

•Fügen Sie Ihre Zeitreihendaten als CSV oder JSON ein oder laden Sie eine Datei (CSV, JSON, Excel) hoch.
•Geben Sie die genauen Namen der Zeit- und Wertespalte an und wählen Sie ein Prognosemodell (z. B. ARIMA oder Linearer Trend).
•Legen Sie die Anzahl der Prognoseperioden, die Saisonlänge und das gewünschte Konfidenzniveau fest.
•Das Tool generiert einen detaillierten Bericht mit der Zerlegung der Zeitreihe und exportiert die Prognosewerte im gewünschten Format.

Anwendungsfälle

Umsatzprognose für den Einzelhandel unter Berücksichtigung wöchentlicher Schwankungen.

Vorhersage von Website-Traffic oder Serverauslastung basierend auf historischen Log-Daten.

Analyse von monatlichen Finanzkennzahlen zur Erkennung langfristiger Wachstumstrends.

Beispiele

1. Wöchentliche Umsatzprognose

E-Commerce-Manager

Hintergrund: Ein Online-Shop verzeichnet starke Umsatzschwankungen je nach Wochentag, wobei die Wochenenden besonders stark sind.
Problem: Es wird eine präzise Prognose für die nächsten 14 Tage benötigt, um den Lagerbestand und den Kundenservice optimal zu planen.
Verwendung: Laden Sie die täglichen Umsatzdaten als CSV hoch, setzen Sie die Saisonlänge auf 7 und wählen Sie das ARIMA-Modell.
Beispielkonfiguration: Modell: ARIMA, Prognoseperioden: 14, Saisonlänge: 7, Konfidenzniveau: 0.95
Ergebnis: Ein Bericht visualisiert den wöchentlichen Zyklus und liefert eine 14-Tage-Prognose mit einem 95%-Konfidenzintervall als CSV-Export.

2. Analyse des monatlichen Website-Traffics

Marketing-Analyst

Hintergrund: Die Website hat über die letzten drei Jahre ein stetiges Wachstum gezeigt, weist aber auch deutliche saisonale Spitzen im Winter auf.
Problem: Der zugrunde liegende Wachstumstrend soll isoliert und der Traffic für das nächste Quartal geschätzt werden.
Verwendung: Fügen Sie die monatlichen JSON-Daten ein, wählen Sie 'Exponential Smoothing' und setzen Sie die Saisonlänge auf 12.
Beispielkonfiguration: Modell: Exponential Smoothing, Prognoseperioden: 3, Saisonlänge: 12, Exportformat: JSON
Ergebnis: Die Zeitreihe wird in Trend, Saisonalität und Residuen zerlegt. Die Prognose für die nächsten 3 Monate wird im JSON-Format ausgegeben.

Mit Samples testen

json, csv, xml

CSV Beispiele

CSV-Beispieldateien mit verschiedenen Datentypen, Größen und Komplexitätsstufen

preferred input family json,csv

json, csv

Python Beispiele

Python Code-Beispiele und Hello World Demonstrationen

preferred input family json,csv

json, csv

XLSX-Beispiele

XLSX-Beispiele fur Arbeitsblatt-Parsing und Datenextraktions-Tests

preferred input family xls,xlsx

xls, xlsx

WebRTC Echtzeitkommunikation Beispiele

Umfassende WebRTC-Beispiele für P2P Audio/Video-Kommunikation, Datenkanäle, Bildschirmfreigabe und Signalisierungsserver

title token time

json

FAQ

Welche Dateiformate werden für den Import unterstützt?

Sie können Daten direkt als Text einfügen oder CSV-, JSON-, XLS- und XLSX-Dateien hochladen.

Welche Prognosemodelle stehen zur Verfügung?

Das Tool bietet eine leichte ARIMA-Näherung, exponentielle Glättung (Holt-Methode) und lineare Trendregression.

Was bewirkt die Einstellung der Saisonlänge?

Die Saisonlänge definiert den Zyklus für die saisonale Anpassung und Zerlegung. Nutzen Sie beispielsweise 7 für wöchentliche oder 12 für monatliche Muster.

Wie werden die Prognoseergebnisse exportiert?

Die berechneten Prognosewerte können wahlweise als JSON oder CSV exportiert und direkt in der Vorschau betrachtet werden.

Werden meine Daten auf einen Server hochgeladen?

Nein, die Verarbeitung und Modellierung der Zeitreihen erfolgt lokal in Ihrem Browser, sodass Ihre sensiblen Daten sicher bleiben.

API-Dokumentation

Request-Endpunkt

POST /de/api/tools/time-series-forecast-seasonality-analyzer

Request-Parameter

Parameter-Name	Typ	Erforderlich	Beschreibung
seriesInput	textarea	Nein	-
dataFile	file (Upload erforderlich)	Nein	-
timestampColumn	text	Ja	-
valueColumn	text	Ja	-
model	select	Nein	-
forecastPeriods	number	Nein	-
seasonLength	number	Nein	-
confidenceLevel	select	Nein	-
exportFormat	select	Nein	-

Dateitypparameter müssen erst über POST /upload/time-series-forecast-seasonality-analyzer hochgeladen werden, um filePath zu erhalten, dann filePath an das entsprechende Dateifeld übergeben.

Antwortformat

{
  "result": "Processed HTML content",
  "error": "Error message (optional)",
  "message": "Notification message (optional)",
  "metadata": {
    "key": "value"
  }
}

HTML: HTML

MCP-Dokumentation

Fügen Sie dieses Tool zu Ihrer MCP-Server-Konfiguration hinzu:

{
  "mcpServers": {
    "elysiatools-time-series-forecast-seasonality-analyzer": {
      "name": "time-series-forecast-seasonality-analyzer",
      "description": "Prognostiziert kuenftige Perioden aus CSV- oder JSON-Zeitreihen und zeigt Trend, Saison und Residuen in einem Bericht",
      "baseUrl": "https://elysiatools.com/mcp/sse?toolId=time-series-forecast-seasonality-analyzer",
      "command": "",
      "args": [],
      "env": {},
      "isActive": true,
      "type": "sse"
    }
  }
}

Sie können mehrere Tools verketten, z.B.: `https://elysiatools.com/mcp/sse?toolId=png-to-webp,jpg-to-webp,gif-to-webp`, maximal 20 Tools.

Unterstützt URL-Dateilinks oder Base64-Codierung für Dateiparameter.

Wenn Sie auf Probleme stoßen, kontaktieren Sie uns bitte bei [email protected]