Автоматизація проти «експертної думки»: що приховують ваші 100%?

Стрічки соцмереж переповнені підсумками року. Одні пишуть про досягнення, інші - про те, що не вдалося. А в мене професійна деформація: одразу питання - а як ці досягнення співвідносяться з планами?

Бо виконати 10 задач із 100 - це одна історія. Не виконати 5 із 5 — зовсім інша. 

За кілька днів бізнеси теж почнуть рахувати. Сума плану vs сума факту за рік. Що може бути простіше?

Але тут пастка.

При 100% виконанні річного плану продажів - кожен місяць міг «гуляти» на ±20%, ±50%.

Підсумок красивий, а протягом року бізнес штормило: то overstock і заморожений капітал, то out-of-stock і втрачені продажі.

Парадокс: якщо похибка прогнозу не має системного упередження (bias), сума відхилень за рік прямує до нуля. План «виконаний». А насправді - хаос щомісяця.

Ми стикаємося з цим постійно в проєктах з прогнозування продажів. Особливо коли треба довести, що автоматизована модель краща за «експертну думку» - а річні показники в обох однакові.

Існують десятки метрик точності прогнозування: MAE, MAPE, WMAPE, Bias, Forecast Value Added... Кожна - для своєї задачі. Кожна - зі своїми пастками. Розібратися у всіх деталях без практики важкувато. 

Тому...

Новорічний подарунок від нашої команди!

У січні - по два персональних розбори на тиждень. Більше не встигнемо, якщо робити нормально. Розберемо, які метрики підходять саме для вашого кейсу — щоб потім можна було застосувати, а не просто покивати.

Стратегія охолодження ЦОД для епохи AI