პროგნოზირება KPI

KPI- ს პროგნოზირება არ არის „გრაფიკის გამოცნობა“, არამედ კონტროლირებადი წრე: სწორი მონაცემები, ადეკვატური მოდელი, სცენარი და ინტერპრეტაცია და ოპერაციული მონიტორინგი. ქვემოთ მოცემულია სისტემის შემოწმების სია და არქიტექტურა, რომლებიც ფართოვდება მარტივი რიგებიდან პორტფელის, იერარქიული და სავარაუდო პროგნოზებით.

1) დავალების შესრულება

რას ვგეგმავთ? დონე, დელტა, კვანტილი, ინტერვალი, მოვლენა (სპაიკი).
ჰორიზონტი/ნაბიჯი: საათი/დღეები/კვირა/თვეები; მოკლევადიანი კონტროლისთვის როლინგის ფანჯრები.
ერთეული: პროდუქტი/ბრენდი/ქვეყანა/პლატფორმა/არხი.
ბიზნეს კონტექსტი: კონტროლირებადი ბერკეტები (პრომო, ფასები, გამოშვებები) და შეზღუდვები (SLA, RG/შესაბამისობა).
ღირებულებები და რისკები: კალმის ღირებულება/დაუფიქრებლად, ჯარიმა ყალბი ალერტებისთვის.

2) მონაცემები და მომზადება

მარცვლეული და კალენდარი: ერთი კალენდარი (არდადეგები/გამომავალი/ხელფასი), დროის ადგილი (UTC + ადგილობრივი წარმოდგენები).
დანაყოფები და თანმიმდევრულობა: DAU/WAU/MAU, GGR/Net, ARPPU, გამართვა (D7/D30), ძაბვის კონვერტაცია, ლატენტური p95 - შეინახეთ როგორც ცალკეული ფანჯრები აშკარა ფორმულებით.
რეგრესორები (X): პრომო/პრემია, კამპანიები, ფასების ცვლილება, შინაარსის გამოშვება, სპორტული მოვლენები, გაცვლითი კურსები, ამინდი (თუ შესაბამისი).
ანომალიები და უღელტეხილები: მარკირიუმი, ნუ ამოიღებთ ბრმად; მოვლენებისთვის - „ერთი-ოფის“ დროშები.
სქემების სტაბილურობა: პროდუქტის/გაზომვის ვერსიების შეცვლის წერტილები აღირიცხება, როგორც მოვლენები.

3) KPI ტიპები და მოდელირების მახასიათებლები

დანამატის მოცულობა (შემოსავალი, ანაბრები): ETS/ARIMA/GBM/Temporal-NN კარგად მუშაობს.
აქციები და კონვერტაცია: ლოგიტის ხაზები, ბეტა-ბინომიური მოდელები, რეგრესია შეზღუდვებით [0,1].
კოეფიციენტები და ურთიერთობები (ARPU): მოდელირება მრიცხველი და მნიშვნელი ცალკე, შემდეგ კომპოზიცია.
ინტერმიტაციის რიგები (იშვიათი მოვლენები, chargeback): Croston/SBA/TSB, zero-inflated მიდგომები.
იერარქია (ქვეყანა - ბრენდის არხი): რეკონსტრუქცია: Bottom-Up, Top-Down, MinT.
კომპოზიციური KPI (მაგალითად, GGR): disagregrection დრაივერები: ტრანსპორტის × კონვერტაციის სიხშირე × საშუალო ჩეკი.

4) მოდელები: ბაზიდან მოწინავე

ბასლაინები: Naive, Seasonal Naive, Drift - საჭიროა გულწრფელი შეფასებისთვის.
სერიების კლასიკა: ETS/ARIMA/SARIMA; Prophet სწრაფი სეზონებისა და არდადეგებისთვის.
რეგრესორები: ARIMAX/ETS + X, დინამიური რეგრესიები, TBATS მრავალჯერადი სეზონისთვის.
გრადიენტური ბუსტინგი/ფირფიტა NN: LightGBM/XGBoost/TabNet ლაქებით, ფანჯრის სტატისტიკით, კალენდრით და პრომო.
ტემპერატურის NN: N-Beats, TFT (Temporal Fusion Transformer) - X- ის მულტფილმებისა და მდიდარი სერიებისთვის.
ალბათობა: pinball loss, Gaussian/Student-t, quantile forests/GBM.
მიზეზი და სკრიპტები: DiD/SC პრომო ეფექტის შესაფასებლად; დაგეგმვისთვის „რა მოხდება, თუ ჩართავთ“.

5) დაშლა და ნიშნები

T + S + R: ტენდენცია + სეზონური (კვირის დღე/თვე/საათი) + დარჩენილი.
Lages და ფანჯრები: 'y _ {t-1.. t-28}', საშუალო/std მოცურების, off. გაბრტყელება; „სადღესასწაულო კუდები“.
კატეგორიული: ქვეყანა/არხი/OS, როგორც ემბედინგი/one-hot.
მოვლენები: გამოშვებები/აქციები/ბანერები - ორობითი/ინტენსივობა.
Leakage კონტროლი: მხოლოდ ინფორმაცია „წარსულიდან“.

6) შეფასება და დაბლოკვა

სპლიტები: rolling/expanding origin; ბლოკავს სეზონურობას (მრავალჯერადი კვირა/თვე).
დონის მეტრიკა: MAE, RMSE, MAPE/sMAPE, WAPE (უფრო საიმედოა ნულებით).
ალბათობის მეტრიკა: pinball loss (q = 0. 1/0. 5/0. 9), CRPS, ინტერვალის კალიბრაცია (coverage, SHARP).
მოვლენების/სპექტაკლების მეტრიკა: precision/recall „ემისიის“ დეტალურ მიხედვით.
ბაზლაინის წესი: მოდელმა უნდა მოიგოს Seasonal Naive.
სტაბილურობა: შეცდომების დისპერსია სეგმენტებში/არდადეგებზე; out-of-time (ბოლო N კვირა).

7) იერარქიული პროგნოზი და კოორდინაცია

Bottom-Up: შეჯამება „ქვედა“; მარტივი, მაგრამ ხმაურიანი.
Top-Down: განაწილება ისტორიულ წილებზე.
MinT (optimal reconciliation): ამცირებს შეცდომების კოვარიზაციას - საუკეთესო კომპრომისს მდიდარ „ქვედა“ ქვეშ.
პრაქტიკა: ჩვენ ვასწავლით საბაზო მოდელებს თითოეულ დონეზე, შემდეგ ვეთანხმებით.

8) სავარაუდო პროგნოზები და ინტერპრეტაცია

კვანალი: q10/q50/q90 - დაგეგმვა „პესიმისტი/ბაზა/ოპტიმისტი“.
ინტერვალები: სამიზნე საფარი (მაგალითად, 80 %/95%); ჩვენ ვამოწმებთ კალიბრაციას.
რისკის ღირებულება: დაგეგმეთ პირობითი VaR/expected shortfall KPI- სთვის ასიმეტრიული დანაკარგებით (მოთხოვნის ნაკლებობა უფრო ძვირია, ვიდრე ზედმეტი, და პირიქით).

9) სცენარის მოდელირება

ეგზოგენური სცენარები: „პრომო/წმ პრომო გარეშე“, „კურსი ± 10%“, „ფეხბურთის ფინალი“.
რა-if: ჩვენ ვცვლით X (კამპანიის ინტენსივობა, ლიმიტები, ფასები) - KPI პროგნოზი და ნდობის ინტერვალები.
გეგმა ფაქტი: ხიდი (ხიდი) ფაქტორები: სეზონის წვლილი, პრომო, ფასები, ტენდენცია, შოკი/ინციდენტი.

10) ოპერაციული წრე და MLOps

გადამზადების სიხშირე: მოკლევადიანი KPI - ყოველდღიურად/ყოველკვირეულად; ყოველთვიური - T + 1/T + 3.
ფენები/არტეფაქტები: მეწამული (ონლაინ/ოფლაინ პარიტეტი), მოდელების რეესტრი, მონაცემთა ვერსიები/KPI ფორმულები.
მონიტორინგი: WAPE/SMAPE მოცურების ფანჯრის მიხედვით, ინტერვალების დაფარვა, მახასიათებლების დრიფტი (PSI), ფიდების შეფერხება, SLA თაობა.
ალერტები: შეცდომების ზრდა> ბარიერი, არაკალიბრული ინტერვალები, სეზონური განადგურება.
Fail-safe: Seasonal Naive/ETS დეგრადაცია და დაბრუნება; უფასო მოდელები სადღესასწაულო მწვერვალებში.
ჰისტერეზი: „პრომო რეგრესორების“ ჩართვის/გამორთვის სხვადასხვა ბარიერი, ისე რომ არ მოხდეს „მოციმციმე“.

11) პროდუქტის სპეციფიკა და iGaming-KPI (სავარაუდო რუკა)

ტრაფიკი/აქტივობა: DAU/WAU/MAU, თამაშების მატჩის დღის/გამოშვების გათვალისწინებით.
მონეტიზაცია: GGR/Net, ანაბრები, ARPU/ARPPU - ძლიერი სეზონური „საღამო/შაბათ/არდადეგები“.
გამართვა: D1/D7/D30 - უმჯობესია პროგნოზირება, როგორც კალენდარული ალბათობა (ლოგიტი).
რისკები: chargeback rate (intermitional), RG ინდიკატორები (პოლიტიკა/არდადეგები), ანტიფროდიული სიგნალები.
ოპერაციები: latency p95/p99, გარიგების შეცდომები - შეესაბამება ანომალიებს/გამოშვებების კაუზურ გავლენას.

12) არტეფაქტების შაბლონები

A. KPI პროგნოზის პასპორტი

KPI/კოდი: 'GGR _ EUR' (ფორმულის ვერსია)

ჰორიზონტი/ნაბიჯი: 8 კვირა, დღე

იერარქია: ბრენდი - ქვეყანა, პლატფორმა

რეგრესორები: 'promo _ spend', 'fixtures _ flag', 'holiday', 'fx _ rate'

მოდელი: 'TFT _ v4' (q10/q50/q90) + MinT ჩანაწერი

მეტრიკა: WAPE (სამიზნე ევრო 8%), სამიზნე 90% ინტერვალით 85%

SLO: წარმოება 10 წუთი 06:00 საათის შემდეგ.; მონაცემთა ბლოკი 1 საათი

მფლობელები: Monetization Analytics; აუდიტის თარიღი: 2025-10-15

Decision-ready ანგარიში (ჩონჩხი)

სათაური: „GGR: პროგნოზი 8 კვირა, q10/q50/q90“

გასაღები: მე -3 კვირაში 22% (ES = - X) დაუსაბუთებელი რისკი

დრაივერები: + სეზონური შაბათ-კვირას, + პრომო ეფექტი, - FX

რეკომენდაციები: გადაიტანეთ ბიუჯეტი კვირის დაბალი რისკით, გაზარდეთ ლიმიტები A/B არხებზე

ფსევდო კოდი paypline (ხანმოკლე)

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) ხშირი შეცდომები და საწინააღმდეგო ნიმუშები

MAPE ნულებზე: გამოიყენეთ WAPE/sMAPE.
საშუალო საშუალო: ცალკეული მრიცხველები/მნიშვნელები.
არდადეგების/გამოშვებების უგულებელყოფა: დაამატეთ რეგრესორები და „assevkusion“ თარიღები.
სახეები: მომავალი ინფორმაციის ფიჩები (target leakage).
ძალიან „ჭკვიანი“ მოდელები ბასლაინის გარეშე: პირველი დაამარცხეთ Seasonal Naive.
არასასურველი ინტერვალები: „ლამაზი, მაგრამ ცარიელი“ - შეამოწმეთ კვანძი.
იერარქიების შეუსაბამობა: რეკონსტრუქციის გარეშე, ზოგადი გეგმა იშლება.
fail-safe- ის არარსებობა: არდადეგების მწვერვალზე, მოდელი „ეკიდა“, გეგმები იშლება.

14) გაყიდვების მონიტორინგი

ხარისხი: WAPE rolling, pinball quantiles, coverage 80/95%.
სტაბილურობა: PSI ძირითადი ნიშნით, სეზონური დრიფტი.
ოპერაციები: თაობის დრო, მონაცემთა ლაქი, ფოლკლორის%.
ალერტები: შეცდომით „3“ წესი, SLO დარღვევა, იერარქიების უთანხმოება.
რუნიბუკი: უფასო რეჟიმი, „ხმაურიანი“ რეგრესორების გათიშვა, სწრაფი გადატვირთვა.

15) ჩეკის სია გამოქვეყნებამდე

KPI განისაზღვრება და არის ვერსირებული (სემანტიკური ფენა)
კალენდარი/არდადეგები/რეგრესორები შეთანხმებულია და ტესტირებულია
ბეისლაინი (Naive/Seasonal) დამარცხდა
შეარჩიეთ მეტრიკები (WAPE/pinball) და მიზნობრივი ბარიერები
ინტერვალები კალიბრირებულია; სცენარები „პესიმისტი/ბაზა/ოპტიმისტი“ შეგროვდა
იერარქიები შეესაბამება (MinT/Top-Down)
MLOps: ტრენინგის გრაფიკი, მონიტორინგი, ალერტები, fail-safe
დოკუმენტაცია: პროგნოზის პასპორტი, SQL/fice რეცეპტები, ინციდენტების რუნიბუკი

შედეგი

KPI- ს პროგნოზირება არის გადაწყვეტილებების არქიტექტურა: მკაფიო განმარტებები, მდიდარი კალენდარი და რეგრესორები, გულწრფელი ბეისლაინები, სავარაუდო პროგნოზები, იერარქიული კოორდინაცია, სტაბილური MLOps და სცენარის დაგეგმვა. ასეთი წრე იძლევა სანდო მოლოდინებს, კონტროლირებად რისკებს და „დეკლარაციის“ მოხსენებებს, რომლებიც პირდაპირ კვებავს დაგეგმვას, მარკეტინგს, ოპერაციებს და შესაბამისობას.

პროგნოზირება KPI