FAQ: Personalbedarfsprognose-Engine

Was ist einsgradient-geboostetes Baum ?: Ein durchgeboostetes Baummodell ist eine der fortschrittlichen Methoden, mit denen unsere Systeme hochpräzise Prognoseen erstellen können. Sie können sich ein Team mit vielen kleinen Entscheidungsträgern ansehen, die zusammenarbeiten. Das Team der Entscheidungsträger besteht (die Baum) aus:
Der erste Baum (der Rookie): Der Prozess beginnt mit einem einfachen „ Baum“. Dieser erste Baum verwendet Ihre historischen Daten und macht eine sehr einfache Schätzung. Es ist normalerweise falsch oder nur ein etwas richtig.
Die nächsten Baume (die Korrigatoren): Anschließend Build wir einen zweiten Baum. Aber anstatt zu versuchen, die ursprünglichen Daten vorherzusagen, konzentriert sich dieser neue Baum speziell auf die Fehler, die vom ersten Baum gemacht wurden . Ihre gesamte Job besteht darin, zu lernen, wie die Fehler der vorherigen Aufgabe behoben werden können.
Unterstützung des Teams: Dieser Prozess wird wiederholt. Jeder neue Baum wird erstellt, um die verbleibenden Fehler des gesamten Team von Baumstrukturen zu korrigieren, die davor entstanden sind. Dieser Prozess der sequenziellen Korrektur von Fehlern wird als „Boosting“ bezeichnet.
Finale Prognose: Wenn es Zeit ist, eine endgültige Prognose zu erstellen (z. B. mit einer Prognose der Verkäufe für die nächste Woche), durchläuft das Modell die Daten mit allen Baumstrukturen und die individuellen Prognosen werden addiert, um ein hochgenaues Ergebnis zu erstellen.
Diese Methode ist sehr leistungsstark, weil sie sehr sorgfältig ist. Da Tausende kleiner Korrekturen übereinstimmt, kann das Modell sehr detaillierte und komplexe Muster in Ihren Daten erfassen, z. B., wie die Nachfrage bei einem großen Ereignis in die Höhe steigt. Aus diesem Grund werden häufig die genauesten Prognosen für komplexe Geschäftsmetriken generiert.
Was ist ein Trend-basiertes Prognosemodell?: Das Vorhersagemodell der Art „Trendbasierte Prognose“ gehört zu den einfachsten Methoden, die unser System für Prognosen verwendet, und bietet eine hervorragende Basis für die Stabilität. So funktioniert es:
Beispiel: Sie müssen die Verkäufe für den nächsten Dienstag prognostizieren. Das Jahresmodell blickt einfach zurück auf das, was an genau diesem Tag vor einem Jahr (letzter Dienstag) tatsächlich passiert ist. Anschließend wird diese historische Zahl basierend auf einem kürzlich beobachteten Trend angepasst.
Baseline suchen: Das Modell sucht den genauen Datenpunkt von vor 365 Tagen. Dadurch werden alle historischen Muster erfasst, die Sie bereits kennen, z. B. die Auswirkungen eines bestimmten Feiertags, einer wöchentlichen Beförderung oder eines saisonalen Einblicks.
Berechnung von Wachstum/Rückgängen: Anschließend wird die Gesamtänderungsrate berechnet, die sich für Ihr Unternehmen seit diesem Zeitpunkt ergeben hat (Ihre „Wachstumsrate“).
Wenden Sie die Änderung an: Das Modell wendet diesen Wachstums- oder ablehnen auf die Baseline-Zahl aus dem letzten Jahr an, um die endgültige Prognose für die nächste Woche zu erhalten.

Das Jahresvergleichsmodell ist am wertvollsten für stabile Metriken oder wenn Sie eine zuverlässige, verlässliche Prognose benötigen. Es funktioniert gut, weil es davon ausgeht, dass die zugrunde liegenden Muster Ihres Unternehmens von einem Jahr zum anderen unverändert bleiben, und die Ergebnisse einfach an Ihre aktuelle Wachstumsrate angepasst werden.