KPI болжау

KPI болжау - бұл «графикті болжау» емес, басқарылатын контур: дұрыс деректер → барабар модель → сценарийлер және интерпретация → операциялық мониторинг. Төменде - қарапайым қатарлардан портфельдік, иерархиялық және ықтималдық болжамдарға дейін масштабталатын жүйелік чек-парақ пен сәулет.

1) Тапсырманы қою

Не болжап отырмыз? деңгей, дельта, квантиль, аралық, оқиға (спайк).
Көкжиек/қадам: сағат/күн/апта/ай; қысқа мерзімді бақылауға арналған rolling-терезелер.
Бірлік: өнім/бренд/ел/платформа/арна.
Бизнес контекст: басқарылатын тетіктер (промо, бағалар, релиздер) және шектеулер (SLA, RG/комплаенс).
Құндылықтар мен тәуекелдер: қайта/толық емес болжам құны, жалған тәуекелдер үшін айыппұл.

2) Деректер және дайындық

Астық және күнтізбе: бірыңғай күнтізбе (мерекелер/демалыс/жалақы күндері), уақыт локалы (UTC + жергілікті ұсыныстар).
Агрегаттар және консистенттілік: DAU/WAU/MAU, GGR/Net, ARPPU, ұстап тұру (D7/D30), құйғыштың конверсиясы, latency p95 - айқын формулалары бар жеке витриналар ретінде сақтау.
Регрессорлар (X): промо/бонустар, науқандар, бағаның өзгеруі, контент-релиздер, спорттық оқиғалар, валюта бағамдары, ауа райы (егер қатысты болса).
Ауытқулар мен ауытқулар: таңбалаймыз, соқыр алып тастамаймыз; оқиғалар үшін - «one-off» жалаулары.
Схемалардың тұрақтылығы: өнім/өлшеу нұсқаларының ауысу нүктелерін оқиға ретінде белгілейміз.

3) KPI түрлері және модельдеу ерекшеліктері

Аддитивті көлемдер (түсім, депозиттер): ETS/ARIMA/GBM/Temporal-NN жақсы жұмыс істейді.
Үлестер мен конверсиялар: логит-сызғыштар, бета-биномиалды модельдер, шектеулермен регрессия [0,1].
Коэффициенттер мен қатынастар (ARPPU): алымы мен бөлімін бөлек модельдейміз, содан кейін композицияны.
Араластырушы қатарлар (сирек оқиғалар, chargeback): Croston/SBA/TSB, zero-inflated тәсілдері.
Иерархия (ел → бренд → арна): reconciliation: Bottom-Up, Top-Down, MinT.
Композитті KPI (мысалы, GGR): драйверлерді таратыңыз: трафик × конверсия × жиілік × орташа чек.

4) Модельдер: базалықтан алға

Бейзлайндар: Naive, Seasonal Naive, Drift - әділ бағалау үшін қажет.
Қатарлардың классикасы: ETS/ARIMA/SARIMA; Жылдам маусымдықтар мен мерекелер үшін Prophet.
Регрессорлар: ARIMAX/ETS + X, динамикалық регрессиялар, бірнеше маусымдарға арналған TBATS.
Градиенттік бустинг/кестелік NN: LightGBM/XGBoost/TabNet лаг-фич, терезе статистикасы, күнтізбе және промо.
Темпоральды NN: N-Beats, TFT (Temporal Fusion Transformer) - көп сериялы және бай X.
Ықтималдығы: квантильді регрессия (pinball loss), Gaussian/Student-t, quantile forests/GBM.
Себептері және сценарийлері: DiD/SC промо әсерін бағалау үшін; uplift «қосқанда не болады» деп жоспарлайды.

5) Декомпозиция және белгілер

T + S + R: тренд + маусымдылық (апта күні/ай/сағат) + қалдық.
Лагтар мен терезелер: 'y _ {t-1.. t-28}', жылжитын орташа/стд, эксп. тегістеу; «мерекелік қалдықтар».
Санатты: ел/арна/OS эмбеддингтер/one-hot.
Оқиғалар: релиздер/акциялар/баннерлер - бинарлық/қарқындылығы.
Leakage-бақылау: тек қана «өткеннен» ақпарат.

6) Бағалау және backtesting

Сплиттер: rolling/expanding origin; маусымдылықты (бірнеше апта/ай) бұғаттаймыз.
Деңгей өлшемдері: MAE, RMSE, MAPE/sMAPE, WAPE (нөл кезінде сенімдірек).
Ықтималдық метрикасы: pinball loss (q = 0. 1/0. 5/0. 9), CRPS, интервалдарды калибрлеу (coverage, SHARP).
Оқиғалар/дәнекерлеу өлшемдері: «шығарынды» детекторы бойынша precision/recall.
Бейзлайн ережесі: модель Seasonal Naive-ден жеңуі тиіс.
Тұрақтылық: сегменттер/мерекелер бойынша қателер дисперсиясы; out-of-time (соңғы N апта).

7) Иерархиялық болжам және келісу

Bottom-Up: «төменнен» жиынтықтаймыз; қарапайым, бірақ шулы.
Top-Down: тарихи үлестерге бөлеміз.
MinT (optimal reconciliation): қателердің ковариациясын азайтады - бай «төменгі» кезінде ең жақсы ымыраға келу.
Практика: базалық үлгілерді әрбір деңгейде оқытамыз, содан кейін келісеміз.

8) Ықтималдық болжамдар және интерпретация

Квантили: q10/q50/q90 → жоспарлау «пессимист/база/оптимист».
Аралық: мақсатты жабу (мысалы, 80 %/95%); калибрлеуді тексереміз.
Тәуекел құны: асимметриялық шығындары бар KPI үшін шартты VaR/expected shortfall бойынша жоспарлаңыз (асимметриялықтан қымбат сұраныстың қысқа болжамы және керісінше).

9) Сценарийлік модельдеу

Экзогенді сценарийлер: «промо/промо жоқ», «курс ± 10%», «футбол финалы».
What-if: X (науқан қарқындылығы, лимиттер, бағалар) → KPI болжамын және сенімді аралықтарды өзгертеміз.
Жоспар-факт: көпір (bridge) факторлары: маусымдар, промо, баға, тренд, шок/инцидент үлесі.

10) Пайдалану контуры және MLOps

Қайта оқыту жиілігі: қысқа мерзімді KPI - күн сайын/апта сайын; айлық - T + 1/T + 3.
Қабаттар/артефактілер: фичестор (онлайн/офлайн паритет), модельдер тізілімі, деректер нұсқасы/KPI формулалары.
Мониторинг: Жылжымалы терезе бойынша WAPE/SMAPE, интервалдарды жабу, белгілердің дрейфі (PSI), фидтердің кідіруі, SLA генерациясы.
Алерттар: қателердің> табалдырықтың көтерілуі, калибрленбеген интервалдар, маусымдылықтың бұзылуы.
Fail-safe: деградация → Seasonal Naive/ETS-ке қайту; мерекелік шыңдарда freeze-модельдері.
Гистерезис: «жыпылықтамау» үшін «промо-регрессорларды» қосу/өшірудің әртүрлі шектері.

11) Азық-түлік және iGaming-KPI ерекшелігі (үлгі карта)

Трафик/белсенділік: DAU/WAU/MAU, матч-күндер/ойын релиздерін ескере отырып.
Монетизация: GGR/Net, депозиттер, ARPU/ARPPU - күшті маусымдық «кеш/демалыс/мереке».
Ұстап қалу: D1/D7/D30 - күнтізбесі бар ықтималдық (логит) ретінде болжау жақсы.
Тәуекелдер: chargeback rate (араластырушы), RG-индикаторлар (саясат/мерекелер), антифрод-сигналдар.
Операциялар: latency p95/p99, транзакция қателері - аномалиялармен/каузальды релиздер әсерлерімен үйлесімді.

12) Артефактілердің үлгілері

A. KPI болжау паспорты

KPI/код: 'GGR _ EUR' (формуланың нұсқасы)

Көкжиек/қадам: 8 апта, күн

Иерархия: бренд → ел → платформа

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

Модель: 'TFT _ v4' (q10/q50/q90) + MinT reconciliation

Өлшемдер: WAPE (абс. мақсатты ≤ 8%), coverage 90% - интервал ≥ 85%

SLO: генерация ≤ 10 мин кейін 06:00 лок.; деректер ≤ 1 сағ

Иелері: Monetization Analytics; тексеру күні: 2025-10-15

B. decision-ready есеп (скелет)

Тақырып: «GGR: болжам 8 апта, q10/q50/q90»

Кілт: 3-аптадағы толық емес болжам қаупі 22% (ES = - € X)

Драйверлер: + демалыс маусымы, + промо әсері, − FX

Ұсынымдар: бюджетті тәуекелі төмен апталарға ауыстыру, А/В арналарына лимиттерді көтеру

C. пайплайнның жалған коды (жылдам)

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) Жиі қателер және қарсы үлгілер

Нөлдер кезінде MAPE: WAPE/sMAPE пайдаланыңыз.
Орташа: алымдар/бөлгіштерді бөлек біріктіріңіз.
Мереке/релиздер белгісі: регрессорлар мен «дәмнен кейінгі» күндерді қосыңыз.
Ликтер: болашақ ақпараты бар фичтер (target leakage).
Бейзлайнсыз тым «ақылды» модельдер: алдымен Seasonal Naive-ді жеңіңіз.
Калибрленбеген аралықтар: «әдемі, бірақ бос» - coverage тексеріңіз.
Иерархиялардың келіспеушілігі: reconciliation болмаса, жалпы жоспар ыдырайды.
Fail-safe жоқтығы: мерекенің шыңында модель «ілініп тұр», жоспарлар құлдырауда.

14) Өнімдегі мониторинг

Сапасы: WAPE rolling, квантиль бойынша pinball, coverage 80/95%.
Тұрақтылық: негізгі белгілері бойынша PSI, маусымдық дрейф.
Операциялар: генерация уақыты, деректер лаг,% фолбэктер.
Алерта: «3 σ» ережесі қатеде, SLO-ның бұзылуы, иерархиялардың алшақтығы.
Рунибук: freeze-режим, «шулы» регрессорларды өшіру, форс-қайта.

15) Шығарылым алдындағы чек-парақ

KPI анықталған және нұсқаланған (семантикалық қабат)
Күнтізбе/мерекелер/регрессорлар келісілді және тестіленді
Бейзлайндар (Naive/Seasonal) backtesting
Таңдалған метриктер (WAPE/pinball) және мақсатты шектер
Аралықтар калибрленген; «пессимист/база/оптимист» сценарийлері жинақталған
Иерархиялар (MinT/Top-Down)
MLOps: жаттығу кестесі, мониторинг, алерта, fail-safe
Құжаттама: болжам паспорты, SQL/физикалық рецепттер, инциденттердің рунибукі

Жиынтығы

KPI болжау - бұл шешімдердің архитектурасы: нақты анықтамалар, бай күнтізбе және регрессорлар, адал бейзлайндар, ықтималдық болжамдар, иерархиялық келісу, тұрақты MLOps және сценарийлік жоспарлау. Мұндай контур дұрыс күтулерді, басқарылатын тәуекелдерді және жоспарлауды, маркетингті, операцияларды және комплаенсті тікелей қоректендіретін «decision-ready» есептерін береді.

KPI болжау