דילוג לתוכן הראשי

בדיקה לאחור על 26 השבועות האחרונים

MAE נאיבי
–
MAE של TSB
–
כיסוי רצועת 80%
–
MASE של TSB
–
שבועות ללא ביקוש
–
השבוע הבא, TSB
–

MAE ביחידות לשבוע; נמוך יותר עדיף.

נתונים סינתטיים, להמחשה: העמודות בכתום הן הביקוש השבועי, הקו הכחול הוא תחזית מסוג Croston (TSB) עם רצועת 80%, והקו האפור המקווקו הוא תחזית נאיבית, ”כמו בשבוע שעבר“. גררו לאורך הגרף כדי לשנות באיזו תדירות יש שבוע בלי ביקוש.

חיזוי וניתוח סיבתי ב-MLAIA

תחזיות שמחלקת הכספים סומכת עליהן.
פעולות שאפשר למדוד.

MLAIA בונה מודלים לתחזיות, לחיזוי נטישה ולניתוח סיבתי עבור מתכנני מלאי, צוותי הכנסות בחברות מנויים וצוותי תפעול. אנחנו חוזים ביקוש ברמת הפריט, הזמנות, הכנסות ונטישה, ובודקים כל מודל בבדיקה לאחור (backtest) מול השיטה שבה אתם משתמשים היום. אחר כך אנחנו משתמשים בניסויים ובשיטות סיבתיות כדי למדוד אילו פעולות באמת משנות את התוצאה.

לקביעת סקירת תחזיות של 30 דקות לנסות חיזוי ותרחישי ”מה אם“ (באנגלית)

למי זה מתאים

קמעונאות, הפצה וחלקי חילוף
ביקוש ברמת הפריט, כולל פריטים איטיים ופריטים בביקוש לסירוגין
חברות SaaS וצוותי הכנסות במודל מנויים
הזמנות, הכנסות, נטישה ודירוג לידים
תפעול
נפחי מחסן, עומסי עבודה ואופקי תכנון
המוצר שלנוNextDemand (באנגלית) אנחנו בונים מוצרי תחזית: חיזוי ביקוש לחלקי חילוף, לביקוש איטי ולא סדיר.פרויקט לקוחמודל להמרת לידים (באנגלית)תעדוף לידים עבור אחת מחברות התקשורת הגדולות בישראל.המלצת לקוחQuago”מודלים יוצאי דופן שבאמת פותרים בעיות בעולם האמיתי.“ Roy Green, VP R&D

01 איפה אנחנו עוזרים

עומק במקום שבו הוא נדרש.

מומחיות ממוקדת, עם התמיכה המחקרית וההנדסית שמקדמת את הפרויקט שלכם.

01

הזמנות והכנסות

תחזית לתוצאות עסקיות, להמרה בצנרת המכירות ולביצועים בסגירת תקופה. מתאימים את אופק החיזוי לאופן שבו העסק שלכם מתכנן.

02

נטישה ושימור

מידול של סיכון והתנהגות לקוחות, כדי לתמוך בסדרי העדיפויות של השימור. מבחינים בין סיכון חזוי לבין ההשפעה הנמדדת של התערבות.

03

ביקוש ומלאי

תחזית ביקוש ברמת הפריט, כולל דפוסים איטיים ולסירוגין. מחברים את התחזיות להחלטות על מלאי ועל חידוש מלאי.

04

תחזיות למחסן

מידול של ביקוש, נפחים או עומסי עבודה במחסן, על בסיס ההיסטוריה התפעולית שלכם ואופק התכנון שאתם צריכים.

05

דירוג לידים ומכירות

תעדוף הזדמנויות על בסיס נתוני לקוחות והיסטוריית אינטראקציות. בודקים את איכות הדירוג מול הקיבולת של צוות המכירות.

06

שילוב בתפעול

הכנסת התחזיות לדוחות ולתהליכי העבודה הקיימים, עם בדיקות לאחור, בדיקות איכות נתונים וניטור מודלים.

02 נושאי התמחות

להעמיק
בבעיה ספציפית.

כל עמוד נושא מסביר איך אנחנו ניגשים לבעיה, מה אנחנו מודדים ואילו שאלות כדאי לסגור לפני שפרויקט מתחיל. העמודים זמינים כרגע באנגלית. בוחרים מודל לתחזית? קראו את Prophet vs LightGBM לתחזית ביקוש (באנגלית).

תחזית ביקוש

תחזיות ברמת הפריט, כולל פריטים איטיים ופריטים בביקוש לסירוגין, עם טווחים הסתברותיים, בדיקות לאחור וחיבור להחלטות הזמנה.

תחזית ביקוש (באנגלית) ←

חיזוי נטישה

הגדרת נטישה בלי זליגת מידע, מסגור כניתוח הישרדות, סיכון מכויל וספים שנקבעים לפי מה שהצוות שלכם יכול לטפל בו.

חיזוי נטישה (באנגלית) ←

03 לנסות דוגמה אינטראקטיבית

לשים חיזוי מתחת לזכוכית מגדלת.

בחרו לקוח סינתטי, בדקו תרחישי ”מה אם“, עיינו בהסברי SHAP והזיזו את סף ההחלטה. כך רואים איך חיזויים בודדים מתחברים לביצועי המודל.

לנסות חיזוי ותרחישי ”מה אם“ (באנגלית) ←או לטפס בסולם הסיבתיות ↓

נתוני הדגמה סינתטיים · ללא מידע על לקוחות

04 סולם הסיבתיות

שלוש דרגות.
שלוש שאלות שונות.

מטפסים מחיזוי של תוצאה להבנה של פעולה, ומשם לחשיבה על מה שהיה יכול לקרות.

בחרו שאלה עסקית

בחרו דרגה בסולם

כל דרגה דורשת ראיות והנחות נוספות.

הקפיצה בין הדרגות היא בראיות. חיזוי לבדו אינו מוכיח מה ההשפעה של פעולה. מסקנות סיבתיות תלויות במערך המחקר, בנתונים ובהנחות, ומסקנות על תרחישים נגדיים עשויות לדרוש הנחות חזקות עוד יותר. אנחנו מציגים את ההנחות והמגבלות האלה במפורש.

בהשראת סולם הסיבתיות של יהודה פרל, כפי שהוצג בספר The Book of Why מאת יהודה פרל ודנה מקנזי. להסבר של פרל (באנגלית) ↖

תכנון ניסויים

מגדירים את ההתערבות, קבוצת ההשוואה, מדדי התוצאה ותוכנית הניתוח לניסוי A/B או למחקר אקראי אחר.

הסקה סיבתית

בודקים אם נתונים תצפיתיים ומערך מחקר שאפשר להגן עליו יכולים לתמוך בשאלה הסיבתית. בוחנים גורמים מערפלים, הנחות ורגישות.

מידול uplift

מעריכים איך ההשפעה של התערבות משתנה בין קבוצות לקוחות, כדי לכוון פעולות למקומות שבהם הראיות תומכות בכך.

לדבר על השאלה הסיבתית שלכם ←למדריך שלנו להסקה סיבתית (באנגלית)

05 מארכיון הפרויקטים

מידול המרת לקוחות.

תיאור שפרסמה MLAIA על שימוש בנתוני לקוחות ובלמידת מכונה כדי לתמוך בתעדוף מכירות בענף התקשורת.

לתיאור הפרויקט (באנגלית) ←

”מהבנת הבעיה העסקית, דרך ניתוח מעמיק שכלל אנליטיקה מורכבת, ועד מדע נתונים ברמה הגבוהה ביותר, והתוצאה: מודלים יוצאי דופן שבאמת פותרים בעיות בעולם האמיתי.“

Roy Green, VP R&D, Quago
תרגום של קטע מההמלצה שפורסמה באתר של MLAIA (במקור באנגלית).

06 איך מתנהל פרויקט

מההיסטוריה שלכם לתוצאה מדודה.

ארבעה שלבים. בכל אחד מהם אתם רואים את הראיות לפני שהשלב הבא מתחיל.

בדיקת נתונים וקו בסיס

אנחנו בודקים את ההיסטוריה מה-CRM, מה-ERP או מהמערכות התפעוליות, ומודדים כמה טוב עובדת השיטה הנוכחית שלכם. המספר הזה הוא הרף שצריך לעבור.

מודל שנבדק לאחור

אנחנו בונים את המודל ובודקים אותו על תקופות עבר שהוא לא ראה. אתם רואים את השגיאה שלו לצד השגיאה של קו הבסיס, לפני שאתם סומכים עליו.

שילוב בהחלטות

התחזיות והציונים נכנסים לדוחות ולתהליכים שבהם מתקבלות ההחלטות על הזמנות, שימור או מכירות. ניטור ובדיקות איכות נתונים מגיעים יחד איתם.

מדידת ההשפעה

אנחנו משתמשים בניסוי או במערך סיבתי כדי להעריך מה ההחלטות החדשות שינו, ולא רק אם התחזית צדקה.

07 תובנות

החשיבה שמאחורי העבודה.

המאמרים והמדריכים זמינים כרגע באנגלית.

הכי נקרא · נתונים טבלאייםהאם עצי gradient boosting עדיין מנצחים למידה עמוקה בנתונים טבלאיים? (באנגלית)

XGBoost, LightGBM ו-CatBoost מול TabNet, FT-Transformer ו-TabPFN, ומתי למידה עמוקה סוף סוף מנצחת.

 תחזית ביקושלמה כללי min/max נכשלים בביקוש לסירוגין ולא סדיר לחלקי חילוף (באנגלית) סדרות עתיותמ-Prophet ועד מודלי יסוד, ומתי צריך ניתוח הישרדות (באנגלית) תיאור פרויקטתעדוף מכירות עבור חברת תקשורת (באנגלית) מדריך סיבתיותהסקה סיבתית בעסקים: ניסויי A/B, הפרש בהפרשים ו-uplift (באנגלית) מדידה סיבתיתמדידת פרסום בלי עוגיות: MMM ומדידת תוספתיות (באנגלית)

לכל התובנות (באנגלית) ←

08 שאלות שלקוחות שואלים

שאלות טובות. תשובות ישירות.

כמה מדויקת תהיה התחזית?

אי אפשר להבטיח מספר לפני שרואים את הנתונים שלכם. אנחנו מודדים את הדיוק בבדיקות לאחור על ההיסטוריה שלכם, לצד השיטה הנוכחית, כך שאתם יודעים מה השגיאה לפני שאתם סומכים על התחזית.

הביקוש שלנו דליל ומגיע לסירוגין. אפשר לחזות אותו?

כן. בדיוק בשביל ביקוש איטי ולא סדיר בנינו את NextDemand. שיטות כמו המודל של Croston מטפלות בנפרד בשאלה מתי יש ביקוש ובשאלה כמה, דבר שכללי min/max הרגילים במערכות ERP לא עושים. קראו למה כללי min/max נכשלים (באנגלית).

חיזוי מול ניתוח סיבתי: מה ההבדל מבחינתנו?

חיזוי אומר לכם אילו לקוחות צפויים לנטוש או אילו פריטים צפויים לאזול. ניתוח סיבתי אומר לכם אם פעולה, כמו הצעת שימור או הזמנה מוקדמת יותר, משנה את התוצאה הזאת. ציון סיכון גבוה לבדו לא מראה שהצעה תעבוד.

זה יעבוד עם נתוני ה-ERP או ה-CRM שלנו?

בדרך כלל כן. אנחנו מתחילים מייצוא של ה-CRM, ה-ERP או ההיסטוריה התפעולית שלכם. איכות הנתונים, הכיסוי ואופק התכנון קובעים מה ריאלי, ובדיקת הנתונים מראה את זה בשלב מוקדם.

מה אתם צריכים כדי להתחיל?

את ההחלטה שאתם רוצים לתמוך בה, תיאור של הנתונים שיש לכם, ואיך אתם בונים תחזיות היום. לשיחה הראשונה מספיקים סכמה או רשימת עמודות. נא לא לשלוח נתונים חסויים.

זה אותו דבר כמו NextDemand?

לא. NextDemand הוא המוצר של MLAIA לתחזית ביקוש לחלקי חילוף ולתכנון מלאי. בתחום הזה אנחנו בונים מודלים ייעודיים לתחזית, לנטישה ולניתוח סיבתי, בהתאמה לעסק שלכם.

חיזוי וניתוח סיבתי

לקביעת סקירת תחזיות
של 30 דקות.

הביאו תחזית אחת או החלטה אחת שאתם רוצים לשפר. ב-30 דקות נעבור על:

  • במה הנתונים שלכם יכולים לתמוך באופן ריאלי
  • איך נבדוק את המודל לאחור מול השיטה הנוכחית שלכם
  • איפה בדיקה סיבתית תראה את ההשפעה האמיתית

נא לא לצרף מאגרי נתונים חסויים, פרטי התחברות או מידע על מטופלים.

yochai@mlaia.com
+972 52 484 6282

הפנייה שלכם מטופלת בהתאם למדיניות הפרטיות שלנו (באנגלית).