Guest
Прогнозирование неизбежно. Так или иначе, у любого, кто имеет дело с бизнес-метриками – есть ожидания, какими будут ключевые показатели. Этот прогноз может опираться на предыдущий личный опыт, интуицию, мнения экспертов; возможно, для прогноза мы даже не просто посмотрели исторические данные, но запустили какие-нибудь макросы в Excel. Давайте поговорим о том, как строить прогнозы не только перечисленными выше способами, но с помощью ещё одного подхода – за счёт построения моделей и использования ML/DS-инструментария. Обсудим: Какие существует методы прогнозирования: от простых к более сложным Что нужно знать и уметь, чтобы строить модели прогнозирования Какие есть готовые инструменты, что они умеют Надеемся, доклад будет полезен для аналитиков, продактов и Product Owners – потенциальных создателей и пользователей прогнозов, соответственно. Если вы не аналитик или продакт, но интересуетесь практическими кейсами и прикладными инструментами из Machine Learning и Data Science – тоже велком! === Это запись внутреннего ИТ-команды Сравни – публикуем эпизоды без NDA, но (надеемся) с пользой для внешнего сообщества.
