Точный прогноз бесполезен, если им не пользуется операционка

ЧТО ПРОИЗОШЛО

Mistral запустила семейство Timestral для временных рядов

Компания представила модели от 5M до 209M параметров для вероятностного и многомерного прогнозирования, с поддержкой прошлых и будущих ковариат. По данным источника, они работают на CPU и лидируют в публичных бенчмарках в этой области.

ЧИСЛО

209M

Параметров в самой большой модели семейства Timestral

Источник утверждает, что она заняла 1-е место в трёх упомянутых публичных бенчмарках

РЕАЛЬНАЯ ПРОБЛЕМА В КОМПАНИЯХ

Что я вижу в компаниях с операционным прогнозированием

1. 01Прогноз остаётся в демо и не попадает в контур принятия решений
2. 02Контекстные данные есть, но они не доходят до нужной модели
3. 03Никто не связывает точность с влиянием на запасы, риск или операционку

ГДЕ ЭТО ЛОМАЕТСЯ НА ПРАКТИКЕ

Хороший прогноз сам по себе не решает всю задачу

Сам источник указывает на переход от модели к системе: непрерывный pipeline, данные предметной области, известные ковариаты и адаптация к реальной среде. Без этого прогноз показывает хороший результат в бенчмарках и проваливается, когда меняются рынок, спрос или оборудование.

МОЙ ВЗГЛЯД

Измерять, а не предполагать.

Временные ряды важны, потому что влияют на спрос, мощности, риск и обслуживание. Но я считаю это ценностью только тогда, когда прогноз встроен в процесс и рядом с ним отслеживается бизнес-метрика. Запустить модель и не измерять принятое решение — это просто дорогой эксперимент.