常見問題︰人力需求預測引擎

什麼是斜率增強樹狀目錄模型？: 坡度增強樹模型是我們的系統用來進行高度準確預測的進階方法之一。您可以將其視為許多小型決策者共同工作的團隊。決策者團隊由以下人員組成 (樹狀目錄)：
第一順位樹 (新手級)：流程從簡單的「樹狀目錄」開始。第一個樹狀目錄會選取您的歷史資料，並進行非常基本的猜測 (預測)。這通常是錯誤的，或者只有一點點正確。
下一個樹狀目錄 (更正者)：接著建置第二個樹狀目錄。但這個新樹狀目錄並沒有嘗試預測原始資料，而是專門關注第一層樹狀目錄目錄所犯的錯誤。它的全部作業就是學習如何修正前一個錯誤。
激勵團隊：重複此流程。每個新樹狀目錄的建立都是為了更正整個樹狀團隊之前的剩餘錯誤。這種依序修正錯誤的流程稱為「增強」。
最終預測︰當需要進行最終預測 (例如︰預測下週的銷售額) 時，模型會逐一分析所有資料樹，將個別預測加在一起，建立一個高度準確的最終結果()。
此方法功能強大，因為其細緻入微。此模型可堆疊建立數以千計的小型修正，藉此擷取資料中極為微妙複雜的模式，例如重大假日事件發生時，需求可能會如何飆升。這就是為什麼它通常能為複雜的業務指標產生最準確的預測。
什麼是趨勢導向預測模型？: 基於趨勢的預測模型是我們的系統用於預測的最直接明了的方法之一，並且為穩定性提供了良好的基準。運作方式如下︰
範例：您需要預測下週二的銷售額。年同比模型只是簡單回顧一年前 (最後一個星期二) 的那一天實際發生的事情。然後根據近期觀察到的趨勢調整該歷史數字。
尋找基準︰模型會找出與 365 天前完全相符的資料點。這會擷取您已知的所有歷史模式，例如特定假日、每周晉升或季節性低谷的影響。
計算成長/衰退：然後計算自此之後您的企業經歷的整體變更率 (您的「成長率」)。
套用變更︰模型會將去年的增長或拒絕百分比套用至基準數字，得出下週的最終預測。

年同比模型最適合用於穩定的指標，或當您需要可靠而謹慎的預測時。之所以運作良好，是因為它假設您的業務基本模式每年都會保持一致，同時只需根據您目前的增長率調整結果即可。