Preguntas frecuentes: motor de previsión de demanda de mano de obra

¿Qué es un modelo de árbol potenciado por degradado?: Un modelo de árbol potenciado por degradado es uno de los métodos avanzados que utilizan nuestros sistemas para realizar predicciones muy precisas. Puede concebirse como un equipo de muchos pequeños responsables de la toma de decisiones que trabajan juntos. El equipo de responsables de la toma de decisiones está formado por (los árboles) los siguientes elementos:
El primer árbol (el novato): el proceso comienza con un sencillo " árbol de decisiones". Este primer árbol toma sus datos históricos y hace una suposición (predicción) muy básica. Por lo general, es incorrecto o solo un poco correcto.
Los siguientes árboles (los correctores): a continuación, build un segundo árbol. Sin embargo, en lugar de intentar predecir los datos originales, este nuevo árbol se centra específicamente en los errores cometidos por el primer árbol. Todo su trabajo consiste en aprender a corregir los errores del anterior.
Impulsar al equipo: este proceso se repite. Cada nuevo árbol se crea para corregir los errores restantes de todo el equipo de árboles que lo precedieron. Este proceso de corrección secuencial de errores se denomina "potenciación".
Predicción final: cuando llega el momento de realizar una previsión final (por ejemplo, predecir las ventas de la semana siguiente), el modelo pasa los datos a través de todos los pequeños árboles y sus predicciones individuales se suman para crear un resultado final muy preciso.
Este método es eficaz porque es meticuloso. Al generar miles de pequeñas correcciones una encima de otra, el modelo puede capturar patrones extremadamente sutiles y complejos en sus datos, como la forma en que la demanda puede aumentar más cuando se produce un evento festivo importante. Por este motivo, suele generar las previsiones más precisas para métricas empresariales complejas.
¿Qué es un modelo de predicción de previsión basado en tendencias?: Un modelo de predicción de modelo de previsión basado en tendencias es uno de los métodos más sencillos que utiliza nuestro sistema para realizar previsiones y es una excelente referencia para la estabilidad. Así es como funciona:
Ejemplo: debe predecir las ventas del próximo martes. El modelo interanual simplemente analiza lo que realmente sucedió exactamente ese día hace un año (el martes pasado). A continuación, ajusta esa cifra histórica en función de una tendencia reciente observada.
Find the Baseline: el modelo busca el punto de datos exacto de hace 365 días. De este modo, se capturan todos los patrones históricos que ya conoce, como el efecto de un determinado festivo, una promoción semanal o un descenso estacional.
Cálculo de crecimiento/declive: a continuación, calcula la tasa de cambio (noun), cambiar (verb) global que ha experimentado su empresa desde ese momento (su "tasa de crecimiento").
Aplicar el cambio: el modelo aplica ese porcentaje de crecimiento o declinar al número de referencia del año pasado para obtener la previsión final para la semana siguiente.

El modelo interanual es más valioso para las métricas estables o cuando necesita una previsión fiable y conservadora. Funciona bien porque supone que los patrones subyacentes de su empresa se mantienen constantes de un año a otro, y simplemente escala los resultados para que coincidan con su tasa de crecimiento actual.