FAQ : Moteur de prévision de la demande de main-d’œuvre

Qu’est-ce qu’un modèle arbre amélioré par le biais?: Un modèle d'arbre prend en charge l'une des méthodes avancées que nos systèmes utilisent pour effectuer des prédictions très précises. Vous pouvez le considérer comme une équipe de plusieurs petits décideurs qui travaillent ensemble. L’ équipe de décideurs se compose (les arborescences) de :
L’arbre du premier (ruffixe) : Le processus commence par un simple « arbre de décision ». Ce premier arbre prend vos données historiques et fait une estimation très base (prévision). C’est généralement incorrect, ou seulement un peu correct.
Les arborescences suivantes (correcteurs) : nous build ensuite un deuxième arbre. Mais au lieu d'essayer de prédire les données initiales, ce nouvel arbre doit se concentrer spécifiquement sur les erreurs faites par le premier arbre. L’ensemble de sa tâche consiste à apprendre comment corriger les erreurs de la précédente.
Amélioration de l’équipe : Ce processus se répète. Chaque nouvel arbre a été créé pour corriger les erreurs restantes de l'ensemble de l' équipe d'arbres qui l'figurait avant. Ce processus de correction d’erreurs séquentielles est appelé « amélioration ».
Prévision finale : Lorsqu’il s’agit de faire une prévision finale (par exemple, prévoir les ventes pour la semaine prochaine), le modèle transmet les données à travers tous les petits arborescences, et les prédictions individuelles sont additionnées pour créer un résultat final très précis.
Cette méthode est puissante, car elle est précise. En mettant en place des milliers de petites corrections les unes aux autres, le modèle peut saisir des tendances très subtiles et complexes dans vos données, comme la façon dont la demande peut stimuler un événement de jour férié important. C’est pourquoi elle génère souvent les prévisions les plus précises pour des indicateurs d’entreprise complexes.
Qu'est-ce qu'un modèle de prévision de prévision fondée sur des tendances?: Un modèle de prévision de modèle de prévision fondée sur des tendances est l’une des méthodes les plus simples utilisées par notre système pour la prévision, et c’est un excellent point de départ pour la stabilité. Voici comment cela fonctionne :
Exemple : vous devez prédire les ventes du mardi prochain. Le modèle YoY retourne simplement ce qui s’est passé il y a un an (dernier mardi). Il ajuste ensuite ce nombre historique en fonction d’une tendance récente et observée.
Rechercher la base : le modèle trouve le point de données exact d’il y a 365 jours. Cette donnée saisit tous les modèles historiques que vous connaissez déjà, comme l’effet de certains jours fériés, d’une promotion hebdomadaire ou d’une baisse saisonnière.
Calculer le taux de croissance ou de refus : il calcule ensuite le taux global de changements que votre entreprise a connu depuis ce moment (votre « taux de croissance »).
Appliquer le changement : le modèle applique ce pourcentage de croissance ou de refuser au nombre de base de l’année dernière pour obtenir la prévision finale pour la semaine prochaine.

Le modèle YoY est le plus précieux pour les indicateurs stables ou lorsque vous avez besoin d’une prévision fiable et prudente. Elle fonctionne bien, car elle suppose que les modèles sous-jacents de votre entreprise restent cohérents d’une année à l’autre, tout en adaptant simplement les résultats en fonction de votre taux de croissance actuel.