⤴️
5. Отсутствие исторических данных😵
В fashion-retail каждый сезон приезжают новые коллекции одежды, по которым ещё нет данных о продажах. Также открываются и закрываются магазины, которые могут находится достаточно близко и влиять на трафик друг друга. Придётся выкручиваться и думать, что делать в таких ситуациях, например считать прогноз на крупном агрегате, а уже потом размазывать на уровень товар/магазин.
6. Разреженные данные 🕸
Если частота продаж невысокая, то данные оказываются сильно разреженными, т.е. с большим количеством нулей и единиц. Обучать модель на таких данных будет сложно, ведь для неё это больше похоже на шум, чем на последовательность, из которой можно извлечь какие-то закономерности. Теперь представьте, что рядом на полке стоит товар, который продаётся сотнями. Это большая проблема – даже оценить объективную точность модели будет непросто, например, метрика WAPE, просчитанная на тотале, начинает врать и занижать реальную ошибку.
7. Скидочки🏷
Цены на товары редко остаются статичными: скидки постоянно назначаются или отменяются. Если спрос на товар эластичен, то снижение цены увеличивает объем продаж и это надо учитывать в прогнозе. Понимание того, как изменятся продажи товара при увеличении скидки из 0% в 20%, из 20% в 40% и т.д. — это отдельная сложная задача по расчёту коэффициентов эластичности.
8. Акционер покупает по акции📈
Промо кампании, распродажи, персональные скидки, программы лояльности — всё это ощутимо влияет на значения продаж и должно быть учтено. Например, компании сначала стимулируют покупки начислением дополнительных бонусов. А далее спрос стимулируется в период траты этих бонусов. Хорошо, если крупные акции проводятся ежегодно в одни и те даты, это даёт возможность немножко расслабиться. Однако оценка влияния промо кампании на продажи остаётся сложнейшей задачей.
9. Всадники апокалипсиса🚶♂️
На сладкое то, чем мы не можем управлять — экзогенные переменные: погодные условия, мода/предпочтения покупателей, макроэкономика и т. д. В общем всё то, что способно сделать прогноз бесполезным и перевести причинно-следственные связи из домена неочевидных в хаос.
Таким образом, для создания прогнозной системы требуется команда DS, DA, DE и годы на разработку, отладку и внедрение в бизнес процессы. Несмотря на востребованность, опытных специалистов по временным рядам на рынке остаётся очень мало. Надеюсь, что пост выше дал понимание почему)
Временные ряды дадут вам прикурить
5. Отсутствие исторических данных😵
В fashion-retail каждый сезон приезжают новые коллекции одежды, по которым ещё нет данных о продажах. Также открываются и закрываются магазины, которые могут находится достаточно близко и влиять на трафик друг друга. Придётся выкручиваться и думать, что делать в таких ситуациях, например считать прогноз на крупном агрегате, а уже потом размазывать на уровень товар/магазин.
6. Разреженные данные 🕸
Если частота продаж невысокая, то данные оказываются сильно разреженными, т.е. с большим количеством нулей и единиц. Обучать модель на таких данных будет сложно, ведь для неё это больше похоже на шум, чем на последовательность, из которой можно извлечь какие-то закономерности. Теперь представьте, что рядом на полке стоит товар, который продаётся сотнями. Это большая проблема – даже оценить объективную точность модели будет непросто, например, метрика WAPE, просчитанная на тотале, начинает врать и занижать реальную ошибку.
7. Скидочки🏷
Цены на товары редко остаются статичными: скидки постоянно назначаются или отменяются. Если спрос на товар эластичен, то снижение цены увеличивает объем продаж и это надо учитывать в прогнозе. Понимание того, как изменятся продажи товара при увеличении скидки из 0% в 20%, из 20% в 40% и т.д. — это отдельная сложная задача по расчёту коэффициентов эластичности.
8. Акционер покупает по акции📈
Промо кампании, распродажи, персональные скидки, программы лояльности — всё это ощутимо влияет на значения продаж и должно быть учтено. Например, компании сначала стимулируют покупки начислением дополнительных бонусов. А далее спрос стимулируется в период траты этих бонусов. Хорошо, если крупные акции проводятся ежегодно в одни и те даты, это даёт возможность немножко расслабиться. Однако оценка влияния промо кампании на продажи остаётся сложнейшей задачей.
«Половина тех денег, которые я плачу за рекламу, тратятся впустую – беда в том, что я не знаю, которая половина»
John Wanamaker 1874
9. Всадники апокалипсиса🚶♂️
На сладкое то, чем мы не можем управлять — экзогенные переменные: погодные условия, мода/предпочтения покупателей, макроэкономика и т. д. В общем всё то, что способно сделать прогноз бесполезным и перевести причинно-следственные связи из домена неочевидных в хаос.
Таким образом, для создания прогнозной системы требуется команда DS, DA, DE и годы на разработку, отладку и внедрение в бизнес процессы. Несмотря на востребованность, опытных специалистов по временным рядам на рынке остаётся очень мало. Надеюсь, что пост выше дал понимание почему)
Временные ряды дадут вам прикурить