Perguntas frequentes: eventos de programação e sazonalidade

Eventos recorrentes que são o mesmo dia ano após ano precisam ser definidos explicitamente como eventos de programação no sistema ou o modelo de aprendizado de máquina pode aprender automaticamente e contabilizar esses padrões?: Eventos recorrentes com um impacto significativo no desempenho devem ser definidos explicitamente como eventos de programação. Embora nosso modelo de aprendizado de máquina possa aprender com os padrões dos dados, definir esses dias de alto impacto fornece um sinal claro de que eles não são apenas mais um ponto de dados. Isso garante que o modelo dê a elas o peso adequado e não as trate como parte de uma tendência geral.
Definir eventos como Negro Sexta-feira, Cyber segunda-feira ou outros feriados específicos da empresa como Eventos de programação informa ao modelo para atribuir um peso maior aos dados históricos comparativos para essa data específica. Isso permite que o modelo possa aprender com esses padrões exclusivos ano a ano, em vez de interpretá-los incorretamente como uma anomalia. Ao identificar explicitamente esses dias, você está essencialmente informando ao modelo: "preste atenção especial a esta data, pois o desempenho histórico é um indicador principal para o comportamento deste ano".

Quando decidir o que incluir, recomendamos se concentrar apenas em eventos que você tem certeza de que terão um grande impacto na métrica que você está acompanhando. Em geral, é melhor exceder a atenção e incluir menos eventos do que mais. Se você não tem certeza se um evento terá um impacto grande o suficiente, recomendamos adiar a criação deste evento e observar o comportamento. Essa abordagem ajuda a evitar a indexação excessiva do modelo em eventos menos significativos e garante o nível mais alto de precisão preditiva.
Como o modelo de aprendizado de máquina diferencia um evento de programação recorrente real de uma anomalia única que cai no mesmo dia no ano anterior?: O modelo de aprendizado de máquina diferencia entre eventos recorrentes e anomalias únicas analisando vários pontos de dados e padrões históricos ao longo do tempo.
Para eventos configurados especificamente na funcionalidade de eventos de programação, o modelo é treinado para dar atenção específica às atividades nesses dias. Essa configuração explícita atua como um sinal forte, informando ao modelo que esses são padrões recorrentes verdadeiros que eles devem priorizar.

Por outro lado, enquanto o modelo pode identificar anomalias, como um evento único que aconteceu no mesmo dia no ano passado, ele não as trata de forma diferente de qualquer outro ponto de dados, a menos que sejam especificamente configuradas na funcionalidade de eventos de programação. O modelo aprende com todos os dados históricos, mas apenas os eventos pré-configurados receber consideração especial em sua análise.
No caso de eventos que têm uma data variável , mas que são conhecidos com antecedência (por exemplo, Datas de referência, Ano Novo chinês), como eles devem ser processados? Eles precisam ser definidos como eventos de programação?: Feriados comerciais relevantes que têm um grande impacto antecipado devem ser inseridos como um evento de programação, incluindo os feriados que caem na mesma data todos os anos. Além disso, recomendamos adicionar até 7 dias antes e/ou depois do evento se o feriado tiver impacto nos dias anteriores ou posteriores.
Existe um impacto negativo (exemplo: degradação da precisão, aumento do tempo de processamento, confusão de modelos) para definir um evento de programação que, no limite, não tem um impacto perceptível na métrica de previsão ou um impacto que é atualmente desconhecido? É mais seguro definir todos os eventos em potencial ou apenas aqueles com uma clara antecipação esperada?: Para garantir o melhor desempenho de nosso modelo de aprendizado de máquina , recomendamos uma abordagem mais selecionada para adicionar eventos de programação.
Quando você cria um evento de programação , sinaliza ao modelo que o desempenho da empresa nessa data específica é exclusivo e mais significativo do que a atividade normal do dia a dia. A inclusão de eventos de impacto desconhecido ou secundário pode fazer com que o modelo se encaixe nessas datas. Isso reduz sua conhecimento de identificar com precisão padrões e tendências mais amplos e de longo prazo em seus dados de negócios.

Para maximizar o poder preditivo do modelo, inclua apenas eventos que você sabe que terão um impacto significativo e fora do comum em seu negócio. Ao fornecer uma lista selecionada de eventos de alto impacto, você permitirá que o modelo detecte de forma mais confiável correlações significativas e gere uma previsão mais robusta e precisa.
Se minha empresa apresenta alterações significativas em uma determinada período do ano (por exemplo, entre o Dia de Ação de Graça e o Dia de casa), preciso definir eventos de programação para todo o período?: O modelo de aprendizado de máquina já leva em consideração o desempenho ano a ano para um mês, portanto, uma estação do ano com essa duração não precisa ser especificada. Recomendamos a criação de eventos de programação para o Dia de Ação de Ação de Graça e o Trabalho de casa se essas datas específicas tiver um impacto importante para o seu negócio.
Posso criar eventos que sejam considerado para métricas de negócios específicas?: Não, os eventos de programação serão considerado para todas as métricas em sua empresa.