Przejdź do treści

Troy Magennis: Prognozowanie z użyciem danych

  1. Najwięcej nauczysz się na outlinerach.
  2. Ciągle aktualizuj swoją prognozę.
  3. Usuwaj stare dane – nie mają już one żadnej wartości dla Twojego aktualnego kontekstu

Prognozowanie to próba ustalenia co może się wydarzyć w przyszłości.

Starając się maksymalnie przewidzieć co się stanie z pracą jaką mamy do wykonania. Prognoza nie może być zawsze dokładna, ponieważ nie byłaby wtedy prognozą. Po prostu będzie się zdarzać tak, że nasze przewidywania będą całkowicie błędne.

Prognozowanie to stworzenie modelu „co może się wydarzyć” a wszelkie tego typu modele są błędne. To co jest istotne, to zrozumieć w naszym kontekście dlaczego. To co możemy zrobić, to stworzyć jakiś model, na jego podstawie stworzyć prognozę i potem porównywać ją do tego co wydarzyło się w rzeczywistości.

Modelowanie i prognozowanie jest błędne i trzeba je traktować jako narzędzie nauki o systemie w jakim pracujemy. Chodzi o to, że szybko zdobywasz wiedzę jak bardzo się mylisz.

Przeświadczenie, że po prostu trzeba nauczyć się „lepiej estymować” jest całkowicie błędne.

Dane na które patrzymy mają różne warstwy: trend, sezonowe schematy, zdarzenia specjalne. Dobrze jest wiedzieć o ich istnieniu i wpływie na nasze prognozy.

Myśląc o prognozowaniu możemy podpatrzeć jak robią to inni – na przykład Google Maps. Tak, czas dojazdu do Twojego miejsca docelowego jest właśnie prognozą (chociaż o tym zapominamy/nie myślimy o tym w ten sposób). W Google Maps znajdziesz

  • kilka alternatywnych opcji trasy dojazdu
  • otrzymujesz przewidywany czas jaki zajmie dojazd
  • prognoza nie jest przedstawiana zanim wyruszysz w podróż (a jak jest w projektach IT? ;))
  • w trakcie jazdy prognoza jest CIĄGLE AKTUALIZOWANA w oparciu o najnowsze dane

Użyj takiego myślenia w swojej pracy.

Prognozowanie należy wykonywać przy użyciu metody Monte Carlo, która daje odpowiedź jakie jest prawdopodobieństwo wystąpienia danego wyniku. Jeżeli używasz do tego średniej (mediany) to prawdopodobieństwo wynosi 50% procent. Dzięki Monte Carlo możemy przesunąć to prawdopodobieństwo na dużo wyższy poziom.

źródło: