Preguntas frecuentes: eventos de programación y estacionalidad

¿Los eventos recurrentes que tienen el mismo día año tras año deben definirse explícitamente como eventos de programación en el sistema, o el modelo de aprendizaje automático puede aprender y tener en cuenta automáticamente estos patrones?: Los eventos recurrentes con un impacto significativo en el rendimiento deben definirse explícitamente como eventos de programación. Si bien nuestro modelo de aprendizaje automático puede aprender de los patrones de los datos, definir estos días de alto impacto proporciona una señal clara de que no son solo otro punto de datos. Esto garantiza que el modelo les dé la ponderación adecuada y no los trate como parte de una tendencia general.
Definir eventos como Black Friday, Cyber Monday u otros festivos específicos de la empresa como eventos de programación le indica al modelo que otorgue una mayor ponderación a los datos históricos comparativos para esa fecha específica. Esto permite que el modelo aprenda de estos patrones únicos año tras año en lugar de malinterpretarlos como una anomalía. Al identificar explícitamente estos días, básicamente le está diciendo al modelo: "Preste especial atención a esta fecha, ya que su rendimiento histórico es un indicador clave del comportamiento de este año".

A la hora de decidir qué incluir, le recomendamos que se centre únicamente en los eventos de los que está seguro de que tendrán un gran impacto en la métrica de la que está realizando un seguimiento. Por lo general, es mejor pecar de precavido e incluir menos eventos en lugar de más. Si no está seguro de si un evento tendrá un impacto lo suficientemente grande, le recomendamos que deje de crearlo para este año y observe su comportamiento. Este enfoque ayuda a evitar que el modelo se indexe demasiado en eventos menos significativos y garantiza el más alto nivel de precisión predictiva.
¿Cómo diferencia el modelo de machine learning entre un verdadero evento de programación recurrente y una anomalía única que coincidió con el mismo día en un año anterior?: El modelo de aprendizaje automático diferencia entre eventos recurrentes y anomalías únicas mediante el análisis de varios puntos de datos y patrones históricos a lo largo del tiempo.
En el caso de los eventos configurados específicamente en la función de eventos de programación, el modelo se entrena para prestar atención específica a la actividad de esos días. Esta configuración explícita actúa como una señal fuerte, ya que le dice al modelo que estos son patrones recurrentes reales que debe priorizar.

Por el contrario, aunque el modelo puede identificar anomalías, como un evento único que se produjo el mismo día el año pasado, no las tratará de manera diferente a cualquier otro punto de datos a menos que se configuren específicamente en la función de eventos de programación. El modelo aprende de todos los datos históricos, pero solo los eventos preconfigurados recibir una consideración especial en su análisis.
En el caso de los eventos que tienen una fecha variable pero que se conocen de antemano (por ejemplo, Semana Santa, Año Nuevo chino), ¿cómo deben gestionarse? ¿Es necesario definirlos como eventos de programación?: Los festivos relevantes para la empresa que tengan un gran impacto previsto deben introducirse como evento de programación, incluidos los festivos que caen en la misma fecha todos los años. Además, recomendamos añadir hasta 7 días antes y/o después del evento si ese festivo afecta a los días anteriores o posteriores.
¿Se produce un efecto negativo (por ejemplo: disminución de la precisión, mayor tiempo de proceso, confusión de modelos) en la definición de un evento de programación que, en última instancia, no tiene un efecto perceptible en la métrica de previsión, o uno cuyo efecto se desconoce actualmente? ¿Es más seguro definir todos los eventos potencial o solo aquellos con una influencia esperada clara?: Para garantizar el mejor rendimiento de nuestro modelo de aprendizaje automático , recomendamos un enfoque más selectivo para añadir eventos de programación.
Cuando crea un evento de programación , le indica al modelo que el rendimiento empresarial en esa fecha específica es único y más significativo que la actividad diaria normal. La inclusión de eventos de impacto desconocido o menor puede hacer que el modelo se fije demasiado en esas fechas. Esto reduce su destreza para identificar con precisión patrones y tendencias más amplios y a largo plazo en sus datos empresariales.

Para maximizar el poder predictivo del modelo, incluya solo eventos que sepa que tendrán un efecto significativo y fuera de lo común en su empresa. Al proporcionar una lista seleccionada de eventos de alto impacto, permitirá que el modelo detecte de forma más fiable correlaciones significativas y genere una previsión más sólida y precisa.
Si mi empresa experimenta cambios significativos para una temporada año tras año (por ejemplo, entre Acción de Gracias y Navidad), ¿tengo que definir eventos de programación para todo ese periodo?: El modelo de aprendizaje automático ya tiene en cuenta el rendimiento interanual de un mes, por lo que no es necesario especificar una temporada de esta duración. Recomendamos crear eventos de programación para Acción de Gracias y Navidad si esas fechas específicas influyen especialmente en su empresa.
¿Puedo crear eventos que solo se considerado para métricas empresariales específicas?: No, los eventos de programación se tendrán en considerado para todas las métricas de su empresa.