Perguntas frequentes: mecanismo de previsão de demanda de mão de obra

O que é um modelo de árvore com boosting por acúmulo?: O modelo de árvore com boosting por nível é um dos métodos avançados que nossos sistemas usam para fazer previsões altamente precisas. Você pode pensá-lo como uma equipe de pequenos tomadores de decisão trabalhando juntos. A equipe de tomadores de decisão consiste ( pelas árvores) de:
A primeira árvore (o iniciante): o processo começa com uma " árvore de decisões" simples. Essa primeira árvore coleta seus dados históricos e faz uma suposição muito básica (predição). Geralmente está errado ou apenas um pouco correto.
As próximas árvore(s) (corredores): em seguida, build uma segunda árvore. Mas, em vez de tentar prever os dados originais, essa nova árvore se concentra especificamente nos erros baseados na primeira árvore. Toda a sua tarefa é aprender a corrigir os erros da anterior.
Incentivo da equipe: este processo se repete. Cada nova árvore é construído para corrigir os erros restantes de toda a equipe de árvores que vieram antes dela. Esse processo de correção de erros sequencialmente é chamado de " boosting ".
Predição final: quando é hora de fazer uma previsão final (exemplo: prever as vendas para a próxima semana), o modelo passa os dados por todas as pequenas árvores e suas predições individuais são somadas para criar um resultado final altamente preciso, .
Esse método é eficiente porque é cuidadoso. Ao criar milhares de pequenas correções umas sobre as outras, o modelo pode capturar padrões extremamente sutis e complexos em seus dados; por exemplo, como a demanda pode aumentar quando um grande evento de feriado está ocorrendo. É por isso que geralmente gera as previsões mais precisas para métricas de negócios complexas.
O que é um modelo de predição de previsão com base em tendências?: Um modelo de previsão com base em tendências é um dos métodos mais simples que nosso sistema usa para previsão, além de ser uma ótima base para estabilidade. Veja como isso funciona:
Exemplo: você precisa prever as vendas da próxima terça-feira. O modelo anual apenas analisa o que realmente aconteceu naquele dia exato há um ano (última terça-feira). Em seguida, ajusta esse número histórico com base em uma tendência recente detectada.
Localizar a referência: o modelo localiza o ponto de dados exato de 365 dias atrás. Este captura todos os padrões históricos que você já conhece, como o efeito de um determinado feriado, uma promoção semanal ou uma baixa sazonal.
Calcular o crescimento/decrescente: em seguida, calcula a taxa geral de alterar que o seu negócio sofreu desde aquele momento (sua "taxa de crescimento").
Aplicar a alteração: o modelo aplica esse percentual de crescimento ou recusa ao número de referência do ano passado para obter a previsão final para a próxima semana.

O modelo anual é mais valioso para obter métricas confiáveis ou quando você precisa de uma previsão confiável e conservadora. Funciona bem porque pressupõe que os padrões subjacentes de sua empresa permanecem consistentes de um ano para o outro, enquanto simplesmente dimensiona os resultados para que correspondam à sua taxa de crescimento atual.