KPI 예측
KPI 예측
KPI 예측은 "그래프를 추측" 하는 것이 아니라 제어 된 루프: 올바른 데이터 → 적절한 모델 → 시나리오 및 해석 → 운영 모니터링입니다. 아래는 간단한 시리즈에서 포트폴리오, 계층 적 및 확률 적 예측까지 확장되는 시스템 점검표 및 아키텍처입니다.
1) 작업 진술
우리는 무엇을 예측합니까? 레벨, 델타, 양자화, 간격, 이벤트 (스파이크).
수평선/단계: 시간/일/주/월; 단기 제어를위한 롤링 윈도우.
단위: 제품/브랜드/국가/플랫폼/채널.
비즈니스 컨텍스트: 제어 레버 (프로모션, 가격, 릴리스) 및 제한 (SLA, RG/준수).
가치 및 위험: 재/예측 비용, 잘못된 경고에 적합합니다.
2) 데이터 및 준비
곡물 및 달력: 단일 달력 (공휴일/주말/급여 일), 시간 로케일 (UTC + 로컬보기).
집계 및 일관성: DAU/WAU/MAU, GGR/Net, ARPPU, 보존 (D7/D30), 깔때기 변환, 대기 시간 p95-명시 적 공식이있는 별도의 쇼케이스로 저장합니다.
Regressors (X): 프로모션/보너스, 캠페인, 가격 변경, 컨텐츠 릴리스, 스포츠 이벤트, 환율, 날씨 (관련된 경우).
변칙과 누락: 우리는 라벨을 붙이고 맹목적으로 제거하지 마십시오. 이벤트- "일회성" 플래그.
체계의 안정성: 제품 버전/치수의 변경 지점을 이벤트로 기록합니다.
3) KPI 유형 및 모델링 기능
첨가량 (수익, 예금): ETS/ARIMA/GBM/Temporal-NN이 잘 수행합니다.
분수 및 변환: 로그 라인, 베타 이항 모델, 제한된 회귀 [0,1].
계수 및 비율 (ARPPU): 분자와 분모를 개별적으로 모델링 한 다음 구성합니다.
간헐적 인 시리즈 (드문 이벤트, 차지 백): Croston/SBA/TSB, 부풀려지지 않은 접근 방식.
계층 구조 (strana → brend → kanal): 조정: 상향식, 상향식, MinT.
복합 KPI (예: GGR): 분리 드라이버: 트래픽 × 변환 × 주파수 × 평균 점검.
4) 모델: 기본에서 고급까지
Baselines: Naive, Seasonal Naive, Drift-정직한 평가가 필요했습니다.
시리즈 클래식: ETS/ARIMA/SARIMA; 빠른 계절과 휴일을위한 선지자.
회귀자: ARIMAX/ETS + X, 동적 회귀, 여러 계절에 대한 TBATS.
그라디언트 부스팅/테이블 NN: 지연 기능, 창 통계, 캘린더 및 프로모션이있는 LightGBM/XGBoost/TabNet.
Temporal NN: N-Beats, TFT (Temporal Fusion Transformer) -멀티 시리즈 및 리치 X.
확률: 양자 회귀 (핀볼 손실), 가우시안/학생 -t, 양자 숲/GBM.
인과 관계 및 시나리오: 프로모션 효과를 평가하기위한 DiD/SC; "포함하면 어떻게됩니까?"
5) 분해 및 표시
T + S + R: 추세 + 계절 (주/월/시간) + 균형.
걸쇠와 창: 'y _ {t-1.. t-28} ', 이동 평균/std, Exp. 평활화; "휴일 꼬리".
범주: 포함/원핫으로 국가/채널/OS.
이벤트: 릴리스/프로모션/배너-이진/의도.
누출 제어: "과거의 정보" 만.
6) 득점 및 백 테스트
분할: 롤링/확장 원점; 계절성을 차단합니다 (여러 주/개월).
레벨 메트릭: MAE, RMSE, MAPE/sMAPE, WAPE (0에서 더 안정적).
확률 메트릭: 핀볼 손실 (q = 0. 1/0. 5/0. 9), CRPS, 간격 교정 (적용 범위, CHARP).
이벤트/스파이크 메트릭: "배출" 검출기의 정밀/리콜.
기준 규칙: 모델은 Seasonal Naive를 이겨야합니다.
안정성: 세그먼트/휴일 별 오류 차이; 외부 시간 (지난 N 주).
7) 계층 적 예측 및 화해
상향식: "하단" 을 요약하십시오. 단순하지만 시끄러운.
Top-Down: 과거 주식에 퍼져 있습니다.
MinT (최적의 조정): 오류 공분산을 최소화합니다.
연습: 각 레벨에서 기본 모델을 교육 한 다음 동의합니다.
8) 확률 론적 예측 및 해석
Quantiles: q10/q50/q90 → "비관론 자/기본/낙관론자" 계획.
간섭: 대상 범위 (예: 80 %/95%); 교정 확인.
위험 비용: 비대칭 손실이있는 KPI의 조건부 VaR/예상 부족에 따라 계획하십시오 (수요 예측은 예측보다 비싸며 그 반대도 마찬가지입니다).
9) 시나리오 모델링
외인성 시나리오: "프로모션/s 프로모션 없음", "코스 λ10%", "축구 결승".
What-if: X (캠페인 강도, 한계, 가격) → KPI 예측 및 신뢰 구간 변경.
계획 사실: 교량 요인: 계절의 기여, 프로모션, 가격, 추세, 충격/사고.
10) 생산 루프 및 MLop
재교육 빈도: 단기 KPI - 매일/매주; 매월-T + 1/T + 3.
레이어/인공물: 가상 (온라인/오프라인 패리티), 모델 레지스터, KPI 데이터/수식 버전.
모니터링: WAPE/SMAPE 슬라이딩 창, 간격 범위, 기능 드리프트 (PSI), 피드 지연, SLA 생성.
경고: 오류 스파이크> 임계 값, 보정되지 않은 간격, 계절성 분석.
실패: 분해 → 계절 네이브/ETS로의 롤백; 휴일 피크에 동결 모델.
Hysteresis: "깜박임" 을 피하기 위해 "프로모션 회귀기" 의 다른 온/오프 임계 값입니다.
11) 제품 및 iGaming-KPI의 특이성 (대략적인지도)
교통/활동: 경기 일/게임 릴리스를 포함한 DAU/WAU/MAU.
수익 창출: GGR/Net, 예금, ARPU/ARPPU-강한 저녁/주말/휴일 계절.
보존: D1/D7/D30-달력으로 확률 (로짓) 로 예측하는 것이 좋습니다.
위험: 요금 환급 률 (간헐적), RG 지표 (정책/공휴일), 사기 방지 신호.
작업: 대기 시간 p95/p99, 트랜잭션 오류-릴리스의 이상/인과 적 영향과 호환됩니다.
12) 아티팩트 패턴
A. KPI 예측 여권
KPI/코드: 'GGR _ EUR' (공식 버전)
수평선/단계: 8 주, 일
계층: brend → strana → platforma
회귀자: '프로모션 _ 소비', '비품 _ 플래그', '휴일', 'fx _ rate'
모델: 'TFT _ v4' (q10/q50/q90) + MinT 조정
측정 항목: WAPE (절대 목표
SLO: 06:00 이후 10 분의 생성; 데이터 로그 1 시간
소유자: 수익 분석; 개정 날짜: 2025-10-15
B. 결정 준비 보고서 (골격)
헤드 라인: "GGR: 예측 8 주, q10/q50/q90"
키: 3 주차 예후 저하 위험 22% (ES = - € X)
드라이버: + 주말 계절, + 프로모션 효과, FX-
권장 사항: 저 위험 주 예산 변경, A/B 채널 제한
파이프 라인의 <> C. 의사 코드 (일시적)
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) 빈번한 오류 및 패턴 방지
0의 MAPE: WAPE/sMAPE를 사용하십시오.
평균 의미: 분자/분모를 별도로 집계하십시오.
휴일/릴리스 무시: 회귀 자 및 "뒷맛" 날짜를 추가하십시오.
얼굴: 향후 정보가있는 기능 (대상 누출).
기준이없는 너무 "스마트 한" 모델: 먼저 Seasonal Naive를 물리 칩니다.
보정되지 않은 간격: "아름답지만 비어 있음" -적용 범위를 확인하십시오
계층 불일치: 조정이 없으면 전체 계획이 흩어집니다.
실패 안전 부족: 휴일이 절정에 이르면 모델이 "매달려" 계획이 무너집니다.
14) 판매 모니터링
품질: WAPE 롤링, 양자화 핀볼, 적용 범위 80/95%.
안정성: 주요 속성에 따른 PSI, 계절성 드리프트.
작업: 생성 시간, 데이터 지연, 폴백의%.
경고: 오류, SLO 위반, 계층 구조 분석에 대한 "3 λ" 규칙.
Runibook: 동결 모드, "잡음" 회귀 자를 끄고 강제로 초과했습니다.
15) 시험판 점검표
- KPI 정의 및 버전화 (시맨틱 레이어)
- 달력/공휴일/회귀기 정렬 및 테스트
- 기본 테스트 (Naive/Seasonal)
- 선택된 메트릭 (WAPE/핀볼) 및 대상 임계 값
- 간격이 교정됩니다. 비관론 자/기본/낙관주의 시나리오 수집
- 계층 구조가 동의합니다 (MinT/Top-Down)
- MLops: 운동 일정, 모니터링, 경고, 안전
- 문서: 예측 여권, SQL/기능 레시피, 사건 룬 문서
합계
KPI 예측은 명확한 정의, 풍부한 캘린더 및 회귀 자, 정직한 기준선, 확률 적 예측, 계층 적 정렬, 안정적인 MLop 및 시나리오 계획과 같은 솔루션 아키텍처입니다. 이러한 개요는 계획, 마케팅, 운영 및 규정 준수를 직접 공급하는 그럴듯한 기대, 관리 가능한 위험 및 "의사 결정 준비" 보고서를 제공합니다.