Prädiktive KI

Eine Vorhersage ist von den Annahmen der Daten und des Modells abhängig. Sie ist weder eine Garantie noch ein Beweis dafür, dass das Modell eine kausale Beziehung identifiziert hat.

Wichtige Erkenntnisse

• Gib den Horizont und die verfügbaren Eingaben an.
• Verbinde die Vorhersagequalität mit der von ihr unterstützten Aktion.
• Bewertung von Unsicherheit und Leistung über die Zeit.

Definieren Sie die Vorhersagezeit und den Horizont. Eine Prognose für morgen, nächsten Monat und die nächsten fünf Minuten kann unterschiedliche Eingaben und Auswertungen erfordern. Überprüfen Sie, ob alle Eingaben tatsächlich verfügbar sind, wenn die Prognose veröffentlicht wird. Trennen Sie die Vorhersage von der durchgeführten Maßnahme. Eine Bestandsprognose schätzt die Nachfrage; eine Versorgungsentscheidung hängt auch von Vorlaufzeit, Speicherkapazität, Engpässkosten und Verschwendung ab. Eine bessere numerische Punktzahl ist nur dann nützlich, wenn sie die nachgelagerte Entscheidung verbessert. Bewerten Sie anhand einfacher Baselines und über Zeiträume hinweg. Durchschnittsfehler kann systematische Unterprognosen während Spitzenlast oder schlechter Produktentwicklung verbergen. Wo angebracht, schätzen Sie Unsicherheit und prüfen, wie oft Beobachtungen innerhalb der gemeldeten Intervalle liegen. Überwachen Sie sowohl Eingabeänderungen als auch Messergebnisse nach der Einführung. Feedback kann spät eintreffen, und die Entscheidungen des Modells können beeinflussen, welche Ergebnisse sichtbar werden. Erfassen Sie Überschreibungen und Korrekturen, damit eine spätere Überprüfung Modellfehler von fehlenden Messungen oder politischen Änderungen unterscheiden kann.

1. Für einen hypothetischen Zeitraum von drei Tagen beträgt die tatsächliche Nachfrage 10, 20 und 30 Einheiten. Prognose A sagt 12, 18 und 28 voraus.
2. Die absoluten Fehler sind 2, 2 und 2, was den mittleren absoluten Fehler von 2 Einheiten ergibt. Eine konstante Prognose von 20 hat die Fehler 10, 0 und 10, im Durchschnitt etwa 6,67 Einheiten.
3. Überprüfe zusätzliche Perioden und Mangelkosten, bevor du entscheidest, dass die erste Prognose operativ besser ist.

Die erfundenen Zahlen zeigen eine Fehlerberechnung, keine Belege für ein eingesetztes Prognosesystem.