Domande frequenti: Eventi di pianificazione e stagionalità

Gli eventi ricorrenti che si verificano nello stesso giorno di anno in anno devono essere definiti in modo esplicito come eventi di pianificazione nel sistema oppure il modello di machine learning può apprendere e tenere conto automaticamente di questi modelli?: Gli eventi ricorrenti con un impatto significativo sulle performance devono essere definiti in modo esplicito come Eventi di pianificazione. Sebbene il nostro modello machine learning sia in grado di apprendere dai modelli nei dati, definire questi giorni ad alto impatto indica chiaramente che non sono solo un altro punto dati. Ciò garantisce che il modello dia loro il peso corretto e non li tratti come parte di una tendenza generale.
Se si definiscono eventi come il Black Friday, il Cyber Monday o altre festività specifiche dell'azienda come Eventi di pianificazione, il modello deve attribuire un peso maggiore ai dati storici comparativi per quella data specifica. Ciò consente al modello di imparare da questi modelli univoci, anno dopo anno, invece di interpretarli erroneamente come un'anomalia. Identificando in modo esplicito questi giorni, in sostanza si indica al modello: "Prestare particolare attenzione a questa data, poiché la sua performance storica è un indicatore chiave del comportamento di quest'anno".

Quando si decide cosa includere, è consigliabile concentrarsi solo sugli eventi che si ritiene possano avere un impatto enorme sulla metrica che si sta monitorando. In genere è meglio usare cautela e includere meno eventi piuttosto che di più. Se non si è certi che un evento avrà un impatto sufficientemente ampio, è consigliabile attendere la creazione dell'evento per quest'anno e osservare il comportamento. Questo approccio aiuta a evitare che il modello indicizzi eccessivamente gli eventi meno significativi e garantisce il massimo livello di accuratezza predittiva.
In che modo il modello di machine learning distingue tra un evento di pianificazione ricorrente effettivo e un'anomalia una tantum che si è verificata lo stesso giorno dell'anno precedente?: Il modello machine learning distingue tra eventi ricorrenti e anomalie una tantum analizzando più punti dati e modelli storici nel tempo.
Per gli eventi configurati in modo specifico nella funzionalità degli eventi di pianificazione, il modello viene addestrato in modo da prestare un'attenzione specifica all'attività in quei giorni. Questa configurazione esplicita funge da segnale forte, indicando al modello che si tratta di modelli ricorrenti effettivi a cui dovrebbe dare la priorità.

Al contrario, sebbene il modello sia in grado di identificare anomalie, come un evento una tantum verificatosi lo stesso giorno dell'anno scorso, non le tratterà in modo diverso rispetto a qualsiasi altro punto dati, a meno che non siano configurate in modo specifico all'interno della funzionalità degli eventi di pianificazione. Il modello apprende da tutti i dati storici, ma solo gli eventi preconfigurati ricevere un'attenzione particolare nell'analisi.
Per gli eventi che hanno una data variabile ma sono noti in anticipo (ad es. Pasqua, Capodanno cinese), come devono essere gestiti? Devono essere definiti come eventi di pianificazione?: Le festività rilevanti per l'azienda che hanno un grande impatto previsto devono essere inserite come Evento di pianificazione, comprese le festività che cadono ogni anno nella stessa data. Inoltre, è consigliabile aggiungere fino a 7 giorni prima e/o dopo l' evento se la festività ha un impatto sui giorni precedenti o successivi.
La definizione di un evento di pianificazione che alla fine non ha un impatto visibile sulla metrica di previsione o un impatto attualmente sconosciuto ha un impatto negativo (ad esempio: precisione ridotta, maggiore tempo di elaborazione , confusione del modello)? È più sicuro definire tutti gli eventi potenziale o solo quelli con una chiara influenza prevista?: Per garantire le migliori performance del nostro modello machine learning , è consigliabile un approccio più selettivo all'aggiunta di eventi di pianificazione.
Quando si crea un evento di pianificazione , si segnala al modello che la performance aziendale in quella data specifica è unica e più significativa della normale attività quotidiana. L'inclusione di eventi di impatto sconosciuto o di minore entità può causare un'iperfissazione del modello in tali date. Ciò riduce la sua capacità di identificare con precisione modelli e tendenze più ampi e a lungo termine nei dati aziendali.

Per massimizzare il potere predittivo del modello, includere solo gli eventi che si sa avranno un impatto significativo e fuori dall'ordinario sull'azienda. Fornendo un elenco selezionato di eventi ad alto impatto, il modello potrà rilevare in modo più affidabile correlazioni significative e generare previsioni più solide e accurate.
Se la mia azienda vede cambiamenti significativi per una stagione su base annua (ad es. tra il Giorno del Ringraziamento e il Natale), è necessario definire gli eventi di pianificazione per l'intero periodo?: Il modello di machine learning tiene già conto delle performance su base annua per un mese, quindi non è necessario specificare una stagione di questa durata. È consigliabile creare eventi di pianificazione per il Giorno del Ringraziamento e il Natale se tali date specifiche sono particolarmente influenti per l'azienda.
È possibile creare eventi che vengono per posizione metriche aziendali specifiche?: No, gli eventi di pianificazione verranno per posizione tutte le metriche dell'azienda.