Passer au contenu principal
Administrator Guide
Dernière mise à jour : 2026-02-06
Concept : événements de planification

Concept : événements de planification

Les événements de planification sont des dates ou des périodes désignées par l'utilisateur qui signalent au modèle de Machine Learning que la performance constatée d'un indicateur de l'entreprise ce jour-là est sensiblement atypique en raison d'une situation spécifique, unique ou récurrente (par exemple, un jour férié principal ou un événement unique imprévu ). En marquant ces dates, vous pouvez demander au modèle d'exclure l'fluence de l'événement, en pondération fortement la relation entre ces dates à l'exclusion de la tendance normale. Le marqueur devient ainsi un outil puissant pour modéliser le comportement anormal de l'indicateur, mais il est moins efficace si l'utilisateur a l'intention de mettre à jour l'intégrité de la prévision à long terme pour les opérations normales de l'entreprise.

Calendrier des événements de planification

Un calendrier événement est une collection ou un regroupement d'événements de planification individuels utilisés pour fournir des informations contextuelles spécifiques aux modèles de prévisions de Machine Learning .
Ce calendrier est défini et mis à jour pour une ou plusieurs organisations de planification, ce qui permet aux utilisateurs de cible différents ensembles de dates atypiques (par exemple, des jours fériés, des promotions ou des incidents ponctuels) selon différents segments d'activité. En appliquant des calendriers sur mesure, les modèles de Machine Learning peuvent aligner plus précisément les prévisions métriques sur les modèles de performance uniques influencés par la zone géographique, le segment de marché ou d'autres facteurs de différenciation opérationnelle. Exemple : séparer des événements pour
APAC Détail
et
North America E-commerce
.

Marqueur d'événement récurrent

Un marqueur d'événement récurrent est un libellé réutilisable que vous pouvez appliquer à plusieurs événements de planification (passés et futurs) pour informer le modèle de Machine Learning (ML) que les dates marquées sont associées ou similaires dans leur impact sur les performances des indicateurs de l'entreprise. En liant ces dates dans le temps, le modèle de Machine Learning peut analyser l'activité historique collective associée à ce type d' événement spécifique. Exemple : marquer le jour de l'An sur plusieurs années consécutives. Ce processus permet au modèle de pondérer et d'anticiper de manière appropriée la performance de l'indicateur atypique lorsque cet événement récurrent spécifique se produit à nouveau.