Previsione KPI

Prevendita KPI

La previsione KPI non è un'indovinazione del grafico ", ma un tracciato controllato: dati corretti, un modello di script adeguato e un'interpretazione del monitoraggio operativo. Di seguito sono elencati un foglio di lavoro di sistema e un'architettura scalabile dalle righe semplici alle previsioni di portafoglio, gerarchiche e probabilistiche.

1) Creare un'attività

Cosa prevediamo? livello, delta, quantiglia, intervallo, evento (spike).
Orizzonte/passo: ore/giorni/settimane/mesi; finestre di rolling per il controllo a breve termine.
Unità: prodotto/marchio/paese/piattaforma/canale.
Contesto aziendale: strumenti gestiti (promo, prezzi, rilascio) e restrizioni (SLA, RG/compilation).
Valori e rischi: il costo della penna, la multa per i falsi alert.

2) Dati e preparazione

Grano e calendario: calendario unico (festività/fine settimana/stipendio), orari locali (UTC + visualizzazioni locali).
Unità e consistenza: DAU/WAU/MAU, GGR/Net, ARPPU, contenimento (D7/D30), conversione vortice, latency p95 - conservare come vetrine separate con formule esplicite.
Regressori (X): promo/bonus, campagne, variazione dei prezzi, release di contenuti, eventi sportivi, tassi di cambio, meteo (se rilevanti).
Anomalie e omissioni: marciamo, non rimuoviamo ciecamente; per gli eventi sono le bandiere one-off.
Stabilità diagrammi: i punti dei turni di versione del prodotto/misurazione vengono fissati come eventi.

3) Tipi di KPI e caratteristiche di modellazione

Volumi additivi (ricavi, depositi): funzionano bene ETS/ARIA/GBM/Temporal-NN.
Quote e conversioni: lineamenti logit, modelli beta-binomiali, regressione con vincoli [0,1].
Coefficienti e relazioni (ARPU) - Modelliamo il numeratore e il denominatore separatamente, quindi la composizione.
Righe intermittenti (eventi rari, changeback): Crosson/SBA/TSB, approcci zero-influenzati.
Gerarchie (strana→brend→kanal): Ripartizione: Bottom-Up, Top-Down, MinT.
KPI compositi (ad esempio GGR): disaggregate i driver: traffico x conversione x frequenza x media assegno.

4) Modelli da base a avanzati

Basline: Naive, Seasonal Naive, Drift - servono per una valutazione onesta.
Classica serie: ETS/ARIMA/SARIMA; Prophet per stagioni veloci e feste.
Regressori: ARIMAX/ETS + X, regressione dinamica, TBATS per stagioni multiple.
Boosting sfumatura/NN tabellare: LightGBM/XGBoost/TabNet con LBFIC, statistiche finestre, calendario e promo.
Temporali NN: N-Beats, TFT (Temporal Fusion Trasformer) - per serie multi e ricchi X.
Probabili: regressione quantile (pinball loss), Gaussian/Student-t, quantile forests/GBM.
Causalità e script: DiD/SC per valutare l'effetto promo; uplift per pianificare «cosa succede se lo accendiamo».

5) Decomposizione e segni

T + S + R: trend + stagionalità (giorno settimana/mese/ora) + saldo.
Lagi e finestre: 'y _ {t-1.. t-28}', media/std che scivolano, . antialiasing «Code natalizie».
Categorici: paese/canale/OS come embedding/one-hot.
Eventi: comunicati/promozioni/banner - binari/intensità.
Leakage Control, solo informazioni del passato.

6) Valutazione e backtesting

Split: rolling/expanding origin; blocchiamo la stagionalità (settimane/mesi multipli).
Metriche di livello: MAE, RMSE, MAPE/sMAPE, WAPE (più affidabile a zero).
Metriche probabili: pinball loss (q = 0. 1/0. 5/0. 9), CRPS, calibrazione degli intervalli (coverage, SHARP).
Metriche di eventi/spiegamenti: precisione/recall per il dettaglio di rilascio.
Regola Basline: il modello deve vincere con Seasonal Naive.
Stabilità: variazioni di errori per segmenti/festività out-of-time (ultime settimane N).

7) Pianificazione e negoziazione gerarchica

Bottom-Up: riassumiamo il basso; Semplice, ma rumoroso.
Top-Down, distribuito in termini storici.
MinT - Riduce al minimo l'insidia degli errori, il miglior compromesso per il «basso» ricco.
Pratica: formare i modelli di base a ogni livello, poi concordare.

8) Previsioni e interpretazioni probabili

Quantili: q10/q50/q90 pianificazione pessimista/base/ottimista.
Intervalli: copertura di destinazione (ad esempio 80 %/95%) Stiamo controllando la calibrazione.
Costo del rischio: pianificare con il VaR/expected shortfall condizionato per KPI con perdite asimmetriche (la domanda non è più costosa della riprogettazione, e viceversa).

9) Simulazione scenografica

Gli scenari esogeni sono: «niente promo/s promo», «Tasso di Cambio del 10%», «Finale di calcio».
What-if: Variiamo X (intensità delle campagne, limiti, prezzi) con previsioni KPI e intervalli di fiducia.
Il piano-fatto è il ponte (bridge) dei fattori: il contributo di stagioni, promo, prezzi, trend, shock/incidente.

10) Tracciato operativo e MLOs

Frequenza di riutilizzo: KPI a breve termine, giornaliero/settimanale; mensili - T + 1/T + 3.
Livelli/manufatti: fichestor (parità online/offline), registro modelli, versioni dati/formule KPI.
Monitoraggio: WAPE/SMAPE sulla finestra scorrevole, spaziatura, deriva dei segni (PSI), ritardo dei fidi, generazione SLA.
Alert: aumento dell'errore> soglia, intervalli non calibrati, distruzione della stagionalità.
Fail-safe: degrado e ritorno a Seasonal Naive/ETS; modelli freeze nei picchi natalizi.
Isteresi: diverse soglie di accensione/spegnimento dei «regressori promozionali» per non «lampeggiare».

11) Specificità di prodotti alimentari e iGaming-KPI (mappa approssimativa)

Traffico/attività: DAU/WAU/MAU, data la partita-giorni/rilascio dei giochi.
Monetizzazione: GGR/Net, depositi, ARPU/ARPU - forte stagionalità serata/fine settimana/festività.
Ritenzione: D1/D7/D30 - È meglio prevedere come probabilità (logit) con calendario.
Rischi: proveback rate (intermittente), indicatori RG (policy/festività), antifrode.
Operazioni: latency p95/p99, errori transazionali - compatibili con anomalie/influenze causali dei rilasci.

12) Modelli di manufatti

A. Passaporto di previsione KPI

KPI/codice: «GGR _ EUR» (versione della formula)

Orizzonte/passo: 8 settimane, giorno

Gerarchia: brend→strana→platforma

Regolatori: 'promo _ spend', 'fixtures _ flag', 'holiday', 'fx _ rat'

Modello: 'TFT _ v4' (q10/q50/q90) + MinT recepciliation

Metriche: WAPE ( obiettivo 8%), coverage 90% -interval 85%

SLO: generazione di 10 minuti dopo le 6:00; ≤ di dati da 1 ora

Proprietari: Monetization Analytics; Data di revisione 2025-10-15

B. Report di risoluzione-ready (scheletro)

Titolo: «GGR: previsione di 8 settimane, q10/q50/q90»

Chiave: rischio di insufficienza alla 3 ° settimana di 22% (ES = - € X)

Driver: + stagionalità weekend, + effetto promo, -FX

Raccomandazioni: spostare il budget di settimane a basso rischio, aumentare i limiti per i canali A/B

C. pseudo-codice pipline (veloce)

python
1) load data y, X, calendar = load_series_and_regressors()
2) build features ds = make_lags_and_windows(y, X, lags=[1,7,14,28], roll=[7,14,28])
ds = add_calendar_features(ds, calendar) # holidays, dow, month_end
3) split cv = rolling_backtest(ds, folds=6, horizon=28)
4) models m1 = ETSx(). fit(ds. train)         # baseline m2 = LightGBMQuantiles(q=[0. 1,0. 5,0. 9]). fit(ds. train)
5) evaluate scores = evaluate([m1,m2], cv, metrics=['WAPE','pinball'])
6) retrain full + reconcile forecasts = reconcile_minT(train_and_forecast([m2], hierarchy))
7) report + push publish(forecasts, scores, sla=timedelta(minutes=10))

13) Errori frequenti e anti-pattern

MAPE a zero - Usa il WAPE/sMAPE.
Media media: aggregare numeri/denominatori separatamente.
Ignora festività/rilascio: aggiungi i regressori e le date successive.
Lickie: fitta con informazioni future (target leakage).
Modelli troppo «intelligenti» senza basline: prima sconfiggete Seasonal Naive.
Intervalli non calibrati: «belli ma vuoti» - Controlla coverage.
Le gerarchie sono incoerenti: il piano generale viene sciolto senza la reconciazione.
Assenza di fail-safe: al culmine delle feste, il modello è «appeso», i piani crollano.

14) Monitoraggio in vendita

Qualità: WAPE rolling, pinball quantile, coverage 80/95%.
Stabilità: PSI per segni chiave, deriva di stagionalità.
Operazioni: tempo di generazione, dati,% di folback.
Alert: regola 3 su errore, violazione dello SLO, disordine gerarchiche.
Runibook: modalità freeze, disattivazione dei regressori «rumorosi», forza-forza.

15) Foglio di assegno prima del lancio

• KPI definito e versionizzato (livello semantico)
• Calendario/festività/regressori concordati e testati
• Basline (Naive/Seasonal) sconfitti con backtesting
• Le metriche selezionate (WAPE/pinball) e le soglie di destinazione
• Gli intervalli sono calibrati; scenari «pessimista/base/ottimista» raccolti
• Le gerarchie sono coerenti (MinT/Top-Down)
• MLOs: routine di allenamento, monitoraggio, alert, fail-safe
• Documentazione: passaporto di previsione, SQL/prescrizioni fitte, runibook incidenti

Totale

La previsione KPI è un'architettura di soluzioni: definizioni chiare, calendario ricco e regressori, basline onesti, previsioni probabilistiche, allineamento gerarchico, MLOs stabile e pianificazione scenografica. Questo tracciato fornisce aspettative plausibili, rischi gestiti e report «definition-ready» che alimentano direttamente pianificazione, marketing, operazioni e compliance.