Previsione del reddito

Previsione del reddito

Il reddito è il risultato dell'interazione di molti fattori: offerta di contenuti/prodotti, comportamento degli utenti, prezzi e promo, condizioni esterne (festività, sport-ivent, cambio, cambiamenti regolatori). Una previsione affidabile non è un solo «modello», ma un tracciato controllato: le definizioni dei dati, il modello di , lo scenario, l'utilizzo, il controllo e il miglioramento.

1) Creare un'attività

Cosa prevediamo: ricavi lordi (GGR), netti (Net), ricavi dopo bonus/commissioni, valuta di base e valute locali.
Orizzonte/passo: giornaliero/settimanale/mensile; per pianificare le rotture di cassa - diurno, budget mensile/trimestrale.
Unità di previsione: Brand x Paese x Piattaforma x Canale (minimo) e successiva negoziazione gerarchica.
Destinazione: budget, acquisto di traffico/contenuto, limiti di infrastruttura, covenant finanziari.
Prezzo di errore: insufficienza (mancata richiesta/malgoverno) vs ripnosi (eccesso di acquisto/ristrutturazione).

2) Definizioni e negoziazione del circuito finanziario

Formule: GGR, Net, deduzioni (tasse, bonus, commissioni afiliatiche) - versionati in uno strato semantico.
Calendario: archiviazione UTC + visualizzazioni locali festività/giorni di stipendio; orari sportivi (se rilevanti).
Criteri FX: origine dei corsi, data di conversione (data di transazione/media del periodo), moneta di base unica.
Crocevia: procedura di reconcilion obbligatoria con contabilità (soluzione temporanea entro i limiti consentiti).

3) Decomposizione del reddito per driver

[
\ text {Guadagno} =\text {Traffico }\times\text {Conversione }\times\text {Frequenza }\times\text {Assegno medio}
]

Traffico/attivi: utenti/sessioni/ingressi.
Conversione: percentuale di paganti, CR negli eventi di destinazione.
Frequenza: numero di transazioni per periodo/pagamento.
Assegno medio: importo medio della transazione (considerare bonus/sconti).

Si consiglia di prevedere i driver separatamente, quindi raccogliere il composito per vedere il contributo dei fattori (il ponte piano-fatto).

4) Dati e regressori

Serie temporali: unità diurne/settimanali per unità di previsione.

• promo/bonus (intensità, tipo, copertura);
• spese di marketing/impressione/clic;
• contenuti-ivent (comunicati, tornei, grandi partite);
• variazioni dei prezzi/limiti/catalogo;
• FX/inflazione, meteo/calendario (se influenzato);
• Eventi di regolazione (restrizioni/scongelazioni).
• Anomalie/one-off - Contrassegna, non antialiasing in silenzio.
• Nessuna licenza: utilizzare solo le informazioni disponibili al momento della previsione.

5) Modellazione

5. 1 Basline

Naive/Seasonal Naive/Drift sono obbligatori per una valutazione onesta.

5. 2 Classiche righe

ETS/ARIMA/SARIMA, TBATS (multiple stagionali), Prophet (partenza veloce con festività).

5. 3 Regressori

ARIMAX/ETS + X, regressione dinamica con calendario e promo/FX.

5. 4 Multi-siriani/tabellari

I GBM/XGBoost/lineari con lame/finestre/calendario;

NN temporali (TFT, N-Beats) per portafogli e X.

5. 5 Probabili

Regressione Quantilica (pinball), Student-t/Gaussian previsioni, combinazioni di quantile per intervalli (q10/q50/q90).

5. 6 Gerarchie e negoziazione

Bottom-Up/Top-Down/MinT (ottimale negoziazione degli errori) per la struttura del strana→brend→kanal→platforma.

6) Specificità delle metriche di reddito

Quote/relazioni (margine, commissione): modella il numeratore/denominatore separatamente, quindi compone.
Componenti intermittenti (changeback, high-roller): Crotton/TSB, zero-inflated, componenti separati con quantile.
Cannibalizzazione - Quando si avvia una nuova promozione/prodotto, modellare i passaggi tra i segmenti (modelli multivendor o regressori limitati).
Elasticità per prezzo/bonus: loga del modello/punteggio causale (DiD/SC) per la valutazione dei coefficienti, seguito da what-if.

7) Valutazione qualità e backtesting

Split: rolling/expanding origin con un multiplo di stagionalità (settimane/mesi).
Metriche di livello: WAPE/sMAPE (resistenti a zero), MAE/RMSE.
Probabili: pinball loss, coverage 80/95% - intervali.
Stabilità: errori per segmenti/vacanze/canali; out-of-time.
Regola del basline: il modello deve superare Seasonal Naive su orizzonti chiave.

8) Script e incertezza

Quantili: q10/q50/q90 «pessimista/base/ottimista».
Gli script X sono «promo/s promo», «FX © 10%», «grande ivent», «restrizioni regolatorie».
Il rischio di metaparametri sono gli stress test per i cambiamenti di elasticità e stagionalità.
Costo del rischio: pianifica con shortfall condizionale (la punizione per la malnutrizione/pugnosi è asimmetrica).

9) Piano-fatto e contributo fattori (bridge reddituale)

Mostra il ponte: trend + stagionalità + promo + prezzo/limiti + FX + shock/incidenti, deviazione finale. Aumenta la fiducia e aiuta a prendere azioni (aggiungere budget, spostare promo, cambiare pricing).

10) MLOps e funzionamento

Orari: previsioni diurne - T + 1 fino alle 6:00; settimanali - N una volta a settimana; mensili - T + 1/T + 3.
Manufatti: fichestor (parità online/offline), registro dei modelli, versioni delle formule di reddito.
Monitoraggio: WAPE/coverage per finestra, PSI della deriva dei segni, ritenzione dei fidi, generazione SLA.
Alert: aumento dell'errore> soglia, intervalli non calibrati, scarico delle gerarchie.
Fail-safe: reimpostazione di ETS/Seasonal Naive; modalità freeze durante le vacanze di punta.
Isteresi: diverse soglie di accensione/spegnimento dei regressori promozionali per non «lampeggiare».
Ricomposizioni giornaliere/settimanale con report finanziari.

11) Modelli di manufatti

A. Passaporto di previsione del reddito

KPI: `NET_REVENUE_EUR_v3`

Orizzonte/passo: 8 settimane/giorno

Unità: brand x paese x piattaforma x canale; reconciliation: MinT

Регрессоры: `promo_spend`, `content_event_flag`, `price_index`, `fx_rate`, `holiday`

Modelli: 'ARIMAX _ v2' + '(insieme, q10/50/90)

Obiettivi: WAPE 8% (diurno), coverage 90% -interstatale 85%

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

Proprietari: Finance & Growth Analytics; data di revisione, versione

B. Report di risoluzione-ready (scheletro)

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

Rischi: malgoverno in settimana 3 - 21% (shortfall € X- € Y atteso)

Fattori di contributo: + festività, + contenuto-ivent, - FX, - ritiro promo

Raccomandazioni: aumentare il promo nei paesi A/B, spostare l'azione, hedge FX

C. Pseudo-codice pipline

python
1) load y = load_revenue_series(grain=['brand','country','platform','channel'], step='D')
X = load_regressors(['promo_spend','content_event','price_idx','fx_rate','holiday'])
2) features ds = make_lags(y, lags=[1,7,14,28])
ds = add_rolling_stats(ds, windows=[7,14,28])
ds = join_regressors(ds, X)
3) cv cv = rolling_backtest(ds, folds=6, horizon=28, step=7)
4) models m_baseline = ETS(). fit(ds. train)
m_gbm = LGBMQuantiles(q=[0. 1,0. 5,0. 9]). fit(ds. train)
m_arimax = ARIMAX(). fit(ds. train)
5) evaluate & ensemble scores = evaluate([m_baseline,m_gbm,m_arimax], cv, metrics=['WAPE','pinball'])
best = ensemble_quantiles([m_gbm,m_arimax])
6) reconcile & publish f = reconcile_minT(forecast(best), hierarchy=['country','brand','platform','channel'])
publish(f, sla='06:10', owners=['Finance','Growth'])

12) Errori frequenti e anti-pattern

MAPE a zero/bassi valori: usa il WAPE/sMAPE.
Media media: aggregare il numeratore/denominatore, non la media degli interessi sui segmenti.
Ignora calendario/contenuto/FX: senza regressori, la prognosi è cieca.
Lickie: fitta dal futuro o post-fattura di aggiustamento in treno.
Le gerarchie sono incoerenti. I totali non corrispondono.
No fail-safe, il modello «nuota» durante le feste.
Nessuna fusione. La previsione non è associata a gestione/controllo.

13) Foglio di assegno prima del lancio

• Definizioni di reddito e deduzioni concordate e versionate
• Calendario/FX/regressori collegati e testati
• Basline sconfitti al backtesting; obiettivi WAPE/coverage raggiunti
• Gli intervalli sono calibrati; scenari «pessimista/base/ottimista» raccolti
• Prognosi gerarchica coerente (MinT/Top-Down)
• MLOs: pianificazione, monitoraggio, alert, fail-safe, runibook
• Personalizzare i controlli giornalieri/settimanali con finnadzor/contabilità
• Report «decision-ready» con il ponte dei fattori e le raccomandazioni

Totale

Le previsioni di reddito sono definizioni coerenti + decomposizione driver + regressori + modelli probabili e gerarchici + script e intervalli + MLOs disciplinato e compressioni. Questo tracciato trasforma la pianificazione grafica in uno strumento di pianificazione di budget, marketing e operazioni a costi comprensibili e trasparenti.