Ensemble forecasting z modelami IBM Granite: co zmienia łączenie wielu prognoz w jedną

Prognozowanie zawsze wiązało się z jednym problemem: żaden pojedynczy model nie sprawdza się dobrze w każdych warunkach. Gdy sprzedaż jest stabilna, sprawdza się jedna architektura. Gdy pojawiają się skoki sezonowe albo jednorazowe zdarzenia, inne podejście daje lepsze wyniki. Ensemble forecasting to odpowiedź na ten dylemat. Zamiast stawiać na jeden model, uruchamia się kilka jednocześnie, a ich prognozy łączy się w jeden wynik, zwykle bardziej odporny na błędy i lepiej skalibrowany.

IBM udostępnił rodzinę modeli Granite do analizy szeregów czasowych. Modele te są wyraźnie mniejsze niż duże modele językowe, za to wyspecjalizowane pod konkretne zadanie: przewidywanie wartości w czasie na podstawie danych historycznych. Można je uruchamiać pojedynczo albo w zestawach, gdzie każdy model wnosi nieco inny „pogląd" na dane. Połączony wynik wychodzi lepiej niż mediana pojedynczych uruchomień.

Co to oznacza dla polskich firm (sprzedaż, obsługa klienta, księgowość, HR, marketing, operacje)

Sprzedaż i magazyn. Dla firm handlowych i produkcyjnych prognoza popytu to jeden z trudniejszych problemów. Ensemble z modeli Granite można podłączyć bezpośrednio pod dane sprzedażowe z ERP albo pliku CSV i uzyskać tygodniowe lub miesięczne prognozy z przedziałem ufności. Zamiast jednej liczby firma widzi zakres: od optymistycznej do pesymistycznej wersji. To realna zmiana przy planowaniu zamówień u dostawców.

Finanse i cash flow. Działy finansowe, które teraz prognozują wpływy i wydatki ręcznie w Excelu, mogą zastąpić ten proces automatyczną prognozą. Modele szeregów czasowych dobrze radzą sobie z cyklicznością, która jest w danych płatności. Ensemble dodatkowo wygładza anomalie. Prognozy dzienne albo tygodniowe trafiają do narzędzia, które zestawia je z aktualnym stanem konta.

HR i operacje. Sezonowość dotyczy też zatrudnienia. Firmy z wyraźnym szczytem pracy (handel przed świętami, rolnictwo, turystyka, e-commerce) mogą modelować zapotrzebowanie na pracowników z wyprzedzeniem kilku miesięcy. Ensemble zmniejsza ryzyko, że jeden „zły" model zaniży albo zawyży prognozę i firma skończy z brakiem ludzi w krytycznym momencie.

• Modele Granite do szeregów czasowych można uruchomić lokalnie albo w chmurze, bez wysyłania danych do zewnętrznych serwisów.
• Są znacznie lżejsze obliczeniowo niż duże modele językowe, więc koszt prognozowania tysięcy szeregów dziennie pozostaje niski.
• Ensemble można konfigurować pod konkretny horyzont prognozy: dzień, tydzień, miesiąc, kwartał.

Ważna różnica wobec narzędzi BI: nie chodzi tu o wykres z przedłużoną linią trendu. Modele uwzględniają złożone wzorce, których prosta ekstrapolacja nie widzi. Firma, która ma kilka lat historii sprzedaży, pracowników czy zleceń, ma gotowy materiał do pierwszego treningu.

Automatyczne prognozowanie z ensemble to temat, który widzimy coraz częściej w rozmowach z klientami. Zwykle zaczyna się od jednego obszaru, gdzie decyzje są drogie: zamówienia, zatrudnienie, budżet marketingowy. Jeśli chcecie sprawdzić, gdzie w Waszej firmie taka prognoza dałaby największy efekt, zapraszamy na bezpłatny audyt.