FAQ: 인력 수요 예측 엔진

Gradient-Boosted Tree 모델은 당사 시스템이 매우 정확한 예측을 수행하는 데 사용하는 고급 방법 중 하나입니다. Workday는 여러 소규모 의사결정자로 구성된 팀 으로 생각하면 됩니다. 의사 결정자 팀 다음과 같은 구성원으로 구성됩니다.

최초 트리(신인): 간단한 '의사결정 트리'부터 프로세스를 시작합니다. 첫 번째 트리 과거 데이터를 가져와서 매우 기본적인 추측(예측)을 수행합니다. 일반적으로 틀릴 수도 있고 약간만 맞을 수도 있습니다.
다음 트리(수정자): 그런 다음 두 번째 트리 빌드 . 그러나 이 신규 트리 원래 데이터를 예측하는 대신 첫 번째 트리 의 오류에 특히 중점을 둡니다. 전체 작업 는 이전의 실수를 수정하는 방법을 학습하는 것입니다.
팀 강화: 이 프로세스를 반복합니다. 각각의 새로운 트리 이전에 수행된 전체 트리 팀 의 나머지 오류를 수정하기 위해 작성됩니다. 오류를 순차적으로 수정하는 이 프로세스를 "부스팅"이라고 합니다.
최종 예측: 최종 예측을 할 때가 되면(예: 다음주 매출 예측), 모델이 모든 작은 트리를 통해 데이터를 전달하고, 해당 개별 예측을 합산하여 매우 정확한 최종 결과 도출합니다.

이 방법은 세심한 작업을 수행한다는 점에서 매우 유용합니다. 이 모델은 수천 개의 작은 수정 항목을 서로 포개어 빌드함으로써 데이터에서 매우 미묘하고 복잡한 패턴(예: 주요 휴일 이벤트 발생하면 수요가 폭증할 수 있음)을 캡처할 수 있습니다. 따라서 복잡한 비즈니스 메트릭에 대한 가장 정확한 예측을 생성하는 경우가 많습니다.

트렌드 기반 예측 모델 예측 모델은 시스템이 예측에 사용하는 가장 간단한 방법 중 하나이며 안정성을 위한 훌륭한 기준이 됩니다. 작동 방식은 다음과 같습니다.