KPI prognozlash

KPI prognozlash

KPI prognozlash - bu «grafikani taxmin qilish» emas, balki boshqariladigan kontur: to’g’ri ma’lumotlar → etarli model → ssenariylar va talqin → operatsion monitoring. Quyida oddiy qatorlardan portfel, ierarxik va ehtimoliy prognozlargacha kengaytiriladigan tizimli chek-varaq va arxitektura mavjud.

1) Vazifani qo’yish

Nimani bashorat qilyapmiz? daraja, delta, kvantil, interval, voqea (spike).
Gorizont/qadam: soat/kun/hafta/oy; qisqa muddatli nazorat uchun rolling-derazalar.
Birlik: mahsulot/brend/mamlakat/platforma/kanal.
Biznes konteksti: boshqariladigan vositalar (promo, narxlar, relizlar) va cheklovlar (SLA, RG/komplayens).
Qimmatbaho va xavf-xatarlar: o’zgartirish/o’tkazmaslik qiymati, yolg’on alertlar uchun jarima.

2) Ma’lumotlar va tayyorgarlik

Don va taqvim: yagona taqvim (bayramlar/dam olish/ish haqi kunlari), vaqt lokali (UTC + mahalliy taqdimotlar).
Agregatlar va konsistentligi: DAU/WAU/MAU, GGR/Net, ARPPU, ushlab turish (D7/D30), huni konversiyasi, latency p95 - aniq formulali alohida vitrinalar sifatida saqlanadi.
Regressorlar (X): promo/bonuslar, kampaniyalar, narxlarning o’zgarishi, kontent-relizlar, sport tadbirlari, valyuta kurslari, ob-havo (agar tegishli bo’lsa).
Anomaliyalar va o’tkazib yuborishlar: markalash, ko’r-ko’rona o’chirish; voqealar uchun - «one-off» bayroqlari.
Sxemalarning barqarorligi: mahsulot/o’lchov versiyalarining smena nuqtalarini hodisa sifatida qayd etamiz.

3) KPI turlari va modellashtirish xususiyatlari

Qo’shimcha hajmlar (tushum, depozitlar): ETS/ARIMA/GBM/Temporal-NN yaxshi ishlaydi.
Ulushlar va konversiyalar: logit liniyalari, beta-binomial modellar, cheklovlar bilan regressiya [0,1].
Koeffitsiyentlar va munosabatlar (ARPPU): alomat va bo’limni alohida modellashtiramiz, so’ngra kompozitsiyani.
Intermitting qatorlar (noyob hodisalar, chargeback): Croston/SBA/TSB, zero-inflated yondashuvlar.
Ierarxiyalar (mamlakat → brend → kanal): reconciliation: Bottom-Up, Top-Down, MinT.
Kompozit KPI (masalan, GGR): drayverlarni disagregatsiya qiling: trafik × konvertatsiya × chastota × o’rtacha chek.

4) Modellar: bazadan ilg’or

Beyzlaynlar: Naive, Seasonal Naive, Drift - halol baholash uchun zarur.
Qatorlar klassikasi: ETS/ARIMA/SARIMA; Tez mavsumlar va bayramlar uchun Prophet.
Regressorlar: ARIMAX/ETS + X, dinamik regressiyalar, bir nechta mavsumiyliklar uchun TBATS.
Gradient busting/jadval NN: LightGBM/XGBoost/TabNet lag-fich, oyna statistikasi, taqvim va promo.

Temporal NN: N-Beats, TFT (Temporal Fusion Transformer) - ko’p seriyali va boy X. uchun

Ehtimoliy: kvantil regressiyasi (pinball loss), Gaussian/Student-t, quantile forests/GBM.
Sababi va stsenariylari: promo ta’sirini baholash uchun DiD/SC; uplift «qoʻshilsa nima boʻladi».

5) Dekompozitsiya va belgilar

T + S + R: trend + mavsumiylik (hafta kuni/oy/soat) + qoldiq.
Lag va derazalar:’y _ {t-1.. t-28}’, harakatlanuvchi o’rta/std, eksp. tekislash; «bayram dumlari».
Kategoriyali: mamlakat/kanal/OS sifatida embeddingi/one-hot.
Voqealar: relizlar/aksiyalar/bannerlar - binar/intensivliklar.
Leakage-control: faqat «o’tmishdan» ma’lumot.

6) Baholash va backtesting

Splitы: rolling/expanding origin; mavsumiylikni blokirovka qilamiz.
Darajalar metrikasi: MAE, RMSE, MAPE/sMAPE, WAPE (nolga nisbatan ishonchli).
Ehtimollar metrikasi: pinball loss (q = 0. 1/0. 5/0. 9), CRPS, oraliqlarni kalibrlash (coverage, SHARP).
Hodisa/spayk metrikasi: precision/recall.
Beyzline qoidasi: model Seasonal Naive ustidan gʻalaba qozonishi kerak.
Barqarorlik: segmentlar/bayramlar bo’yicha xatolar dispersiyasi; out-of-time (oxirgi N hafta).

7) Ierarxik prognoz va kelishish

Bottom-Up: «pastki» ni jamlaymiz; oddiy, ammo shovqinli.
Top-Down: tarixiy ulushlar bo’yicha taqsimlaymiz.
MinT (optimal reconciliation): xatolar kovariyasini kamaytiradi - boy «pastki» bilan eng yaxshi murosa.
Amaliyot: har bir bosqichda asosiy modellarni o’rgatamiz, so’ngra kelishamiz.

8) Ehtimoliy prognozlar va talqin qilish

Kvantili: q10/q50/q90 → rejalashtirish «pessimist/baza/optimist».
Oraliqlar: maqsadli qoplash (masalan, 80 %/95%); kalibrlashni tekshiramiz.
Xavf qiymati: assimetrik yo’qotishlar bilan KPI uchun shartli VaR/expected shortfall bo’yicha rejalashtiring (talabning qisqa prognozi ortiqcha va aksincha).

9) Ssenariy modellashtirish

Ekzogen stsenariylar: «promosiyasiz/s promo», «kurs ± 10%», «futbol finali».
What-if: X (kampaniya intensivligi, limitlar, narxlar) → KPI prognozi va ishonch oraliqlarini o’zgartiramiz.
Reja-fakt: ko’prik (bridge) omillar: mavsumlar, promo, narxlar, trend, shok/hodisa hissasi.

10) Ekspluatatsiya konturi va MLOps

Qayta o’qitish chastotasi: qisqa muddatli KPI - har kuni/haftalik; oylik - T + 1/T + 3.
Qatlamlar/artefaktlar: fichestor (onlayn/oflayn paritet), modellar reyestri, KPI maʼlumotlar/formulalar versiyasi.
Monitoring: Siljish oynasi bo’yicha WAPE/SMAPE, oraliqlarni qoplash, belgilar dreyfi (PSI), fid kechikishi, SLA generatsiyasi.
Alertlar: xatolar> chegaraning ko’tarilishi, kalibrlanmagan oraliqlar, mavsumiylikning buzilishi.
Fail-safe: degradatsiya → Seasonal Naive/ETS ga qaytish; bayram cho’qqilarida freeze-modellar.
Gisterezis: «jiringlamaslik» uchun «promo-regressorlarni» yoqish/o’chirishning turli chegaralari.

11) Oziq-ovqat va iGaming-KPI xususiyatlari (namunaviy xarita)

Trafik/faollik: DAU/WAU/MAU, oʻyin-kunlar/oʻyin relizlarini hisobga olgan holda.
Monetizatsiya: GGR/Net, depozitlar, ARPU/ARPPU - kuchli mavsumiylik «oqshom/dam olish/bayramlar».
Ushlab qolish: D1/D7/D30 - taqvim bilan birga ehtimollik (logit) deb taxmin qilish yaxshiroqdir.
Xavflar: chargeback rate (intermitting), RG-indikatorlar (siyosat/bayramlar), antifrod-signallar.
Operatsiyalar: latency p95/p99, tranzaksiya xatolari - relizlarning anomaliyalari/kauzal ta’siriga mos keladi.

12) Artefaktlar shablonlari

A. KPI prognozi pasporti

KPI/kod: ’GGR _ EUR’(formulaning versiyasi)

Ufq/qadam: 8 hafta, kun

Ierarxiya: brend → mamlakat → platforma

Regressorlar: ’promo _ spend’,’fixtures _ flag’,’holiday’,’fx _ rate ’

Model: ’TFT _ v4’(q10/q50/q90) + MinT reconciliation

Metrika: WAPE (abs. Maqsadli ≤ 8%), coverage 90% interval ≥ 85%

SLO: generatsiya ≤ 10 daqiqa soat 06:00 dan keyin; ma’lumotlar oralig’i ≤ 1 soat

Egalari: Monetization Analytics; taftish sanasi: 2025-10-15

B. Decision-ready hisoboti (skelet)

Sarlavha: «GGR: prognoz 8 hafta, q10/q50/q90»

Kalit: 3-haftada nuqson xavfi 22% (ES = - € X)

Drayverlar: + dam olish kunlari mavsumiyligi, + promo effekti, − FX

Tavsiyalar: byudjetni xavfi past haftalarga ko’chirish, A/V kanallariga limitlarni oshirish

S. Payplaynning psevdo-kodi (tezkor)

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) Tez-tez xatolar va anti-patternlar

Nol MAPE: WAPE/sMAPE’dan foydalaning.
O’rtacha: birliklarni alohida yig’ishtiring.
Bayramlar/relizlar ignori: regressorlar va «ta’mdan keyingi» sanalarni qo’shing.
Liki: kelajakdagi ma’lumotlar bilan chi (target leakage).
Beyzlaynsiz juda aqlli modellar: avval Seasonal Naive ustidan gʻalaba qozoning.
Kalibrlanmagan oraliqlar: «chiroyli, ammo bo’sh» - coverage’ni tekshiring.
Nomuvofiqlik: reconciliation’siz umumiy reja buziladi.
Fail-safe yo’qligi: bayramlar cho’qqisida model «osilgan», rejalar buzilmoqda.

14) Mahsulotdagi monitoring

Sifati: WAPE rolling, kvantil boʻyicha pinball, coverage 80/95%.
Barqarorlik: asosiy belgilar bo’yicha PSI, mavsumiylik drifti.
Amallar: hosil qilish vaqti, maʼlumot muddati, folbeklar%.
Alertlar: xatoda «3 σ» qoidasi, SLO buzilishi, ierarxiya kelishmovchiligi.
Runibuk: freeze rejimi, shovqinli regressorlarni o’chirish, fors-qayta o’chirish.

15) Chiqarishdan oldingi chek-varaq

• KPI aniqlangan va versiyalangan (semantik qatlam)
• Taqvim/bayramlar/regressorlar kelishilgan va sinovdan o’tkazilgan
• Beislaynlar (Naive/Seasonal) backtestingda magʻlubiyatga uchradi
• Metriklar tanlangan (WAPE/pinball) va maqsadli chegaralar
• Oraliqlar kalibrlangan; «pessimist/baza/optimist» stsenariylari to’plangan
• Iyerarxiyalar mos keladi (MinT/Top-Down)
• MLOps: mashg’ulot jadvali, monitoring, alerta, fail-safe
• Hujjatlar: prognoz pasporti, SQL/retseptlar, ro’nibuk hodisalar

Jami

KPI prognozlash - bu yechimlar arxitekturasi: aniq ta’riflar, boy taqvim va regressorlar, halol beyzlaynlar, ehtimoliy prognozlar, ierarxik kelishuv, barqaror MLOps va ssenariy rejalashtirish. Bunday kontur reja, marketing, operatsiya va komplayensni to’g’ridan-to’g’ri ta’minlaydigan ishonchli kutishlar, boshqariladigan xavflar va «decision-ready» hisobotlarini taqdim etadi.