Wykres spada. Co właściwie się stało?
Wyobraźcie sobie poniedziałkowy raport: sprzedaż jest niższa niż tydzień temu. Model może pomóc rozpisać pytania, przygotować obliczenia albo opisać różnice. Zanim jednak zaczniemy szukać przyczyny, trzeba ustalić, czy porównujemy pełne okresy i te same dane. Może po prostu nie dotarł jeszcze eksport z jednego sklepu? To przykład, ale dobrze pokazuje, od czego zaczyna się sensowna analiza.
W czym AI może pomóc
Zacznijcie od pytania, na które da się odpowiedzieć
Weźcie jeden raport i jedno pytanie, na przykład: które produkty odpowiadają za spadek sprzedaży między dwoma pełnymi tygodniami? Ustalcie znaczenie „sprzedaży”, zakres dat i sposób uwzględniania zwrotów. Najpierw policzcie wynik w arkuszu lub bazie, potem poproście AI o pomoc przy opisie. Jeśli model ma prognozować, zostawcie osobny okres do oceny i nie pokazujcie mu tych danych podczas uczenia. Użycie danych z okresu testowego podczas uczenia lub przygotowania modelu to wyciek danych, opisany w dokumentacji scikit-learn. Taki mały projekt pozwala zobaczyć, gdzie pomoc modelu się kończy, a zaczyna sprawdzanie założeń.