Predyktywna analityka finansowa z AI - co omawiamy na sesjach grupowych

Każde spotkanie to konkretny temat, nie ogólna rozmowa. Poniżej znajdziesz tekstowe opracowania wybranych sesji z naszego cyklu.

Kiedy model predykcyjny myli się systematycznie

Modele AI nie zawodzą losowo. Jeśli przez kilka tygodni z rzędu prognoza odchyla się w tę samą stronę, to sygnał, że dane wejściowe zawierają ukryte założenie - albo że środowisko rynkowe zmieniło się na tyle, że model wymaga ponownej kalibracji. Na jednej z sesji analizowaliśmy przypadek zespołu analitycznego z branży produkcyjnej, który przez trzy kwartały ignorował systematyczne przeszacowanie kosztów surowców przez własny system predykcyjny. Błąd nie leżał w algorytmie - leżał w danych historycznych zebranych przed zmianą dostawcy.

Grupowa praca nad takim przypadkiem ma konkretną wartość: kilka osób z różnych działów widzi ten sam zestaw danych inaczej. Ktoś z controllingu zauważy coś, czego nie widzi analityk danych, i odwrotnie. To właśnie ten rodzaj wymiany doświadczeń jest osią naszych spotkań.

Jak dobierać dane treningowe do prognoz krótkoterminowych

Jednym z częstych problemów jest używanie zbyt długich szeregów czasowych do modeli nastawionych na prognozy tygodniowe lub miesięczne. Dane sprzed czterech lat mogą zawierać wzorce, które dziś są nieaktualne - a model traktuje je tak samo jak dane z ostatnich sześciu miesięcy. Na sesji poświęconej dobieraniu okna treningowego uczestnicy pracowali z trzema różnymi zestawami danych i porównywali jakość prognoz przy różnych konfiguracjach.

Nie ma jednej odpowiedzi, która pasuje do każdej branży. Firmy z sezonową sprzedażą potrzebują innego podejścia niż instytucje z ciągłym przepływem transakcji. Właśnie dlatego sesje grupowe mają sens - możesz zobaczyć, jak inne organizacje rozwiązują zbliżone problemy, i wyciągnąć z tego coś dla siebie.

Zapytaj o kolejny cykl sesji