从上面的数据中我们可以将报告日期和第一列自行车品牌和地区（ModelRegion）形成组合主键满足上面的第二点要求，因为同一个时间一个品牌在一个地区只能产生一个销售值。
我们来详细分析上面的时间看看能不能满足第一个条件，我们选择透视表，这个和Excel里面的透视表是一样的，用起来基本没啥问题，我们将明细数据拖入到区域中间，将列选择报告日期、行选择自行车品牌区域（ModelRegion），我们来看看数据：
我们可以看到，这张往年销售记录表中包含了从2005年到2008年的销售记录，其中06年和07年都是全年每一个月份都会含有一个记录，而2005年、08年只有半年的数据，其实这里08年只有半年数据是正常的，因为微软案例数据库AdventureWorksDW2008R2产生的日期就是在这里，也就是说我们会预测这之后的销售记录，05年只有半年表示数据时从这里开始的，这个没啥问题...我们继续向下拖动
我去...这下面的几种产品在05年、06年就没有任何销售记录，这有两种可能，第一种是这两个产品从06年才开始引进销售的，所以之前的数据没有是正常的，当然还有一种极端的情况那就是这两年这个产品销售量就为0...对于这种情况我们要跟业务方确认做处理，对于我们分析人员而言...销售记录不存在空值，也就是说这地方没有销售显示值应为0，而非空！
我们点击年份进入月份，详细的看一下值。
看来这些数据开始日期真是从05年7月份开始，然后到08年6月结束，而且这之间每个月份的数据都是连续的，也就是说从开始到结束连续的每个月都有值，我们向下面拖
的确，下面的这几种商品是从07年7月份开始产生销售，结束日期都是到08年6月份结束。
经过上面的分析，其实这种表中的数据是满足我们Microsoft时序算法的数据要求的，其中存在连续的时间轴维度，只是有几种产品销售开始日期不是全部从开始日期开始的，对于这种情况时序算法是允许的，只要保证在我们时间轴维度中每一个序列都有统一的结束日期，并且区间时间为连续的既可以。
当然可以通过其它方式分析源数据，咱这里就不进行了。
（3）新建挖掘结构
在挖掘结构上右键，现在新建数据挖掘结构，然后下一步...继续然后下一步...这里不做赘述，不明白可以参考前几篇文章，我们选择Microsfoft时序算法，看图
点击下一步，有几个关键点我们需要设置一下，我们来看图：
这里我们将品牌和区域、报告日期联合形成键列，将销售量和销售业绩两列即作为输入又作为输出，因为这两列即使我们历史分析要用的输入值，也是我们以后将要推测的输出列，当然也可以通过建议进行分析，这里我们很明白要做的事情，我们点击下一步，
我们留下30%的事实，做后面的准确性验证测试，然后取个名字：Forecasting，然后选择下一步
（4）参数配置
对于Microsoft时序算法有几个参数比较重要，需要单独配置，这里我们介绍一下