¿Cuál es tu modelo estadístico?
Ya hemos divulgado algunas ideas sobre lo que se está usando en Lokad. Sin embargo, una solicitud frecuente de soporte sigue siendo ¿cuál es tu modelo, precisamente?
Estamos revisando varios paquetes estadísticos de forecast con el fin de seleccionar uno en algún momento en un futuro próximo. Una cosa que encuentro que falta en Lokad es ver qué modelo estadístico se usó. Entiendo que la selección del modelo es un secreto comercial, pero me gustaría verificar la selección final, es decir, en la prueba, con nuestro matemático interno antes de confiarles nuestros forecast actuales. La mayoría de los proveedores de software que operan en este ámbito proporcionan el modelo seleccionado. ¿Es posible obtener ese resultado con Lokad?
Bueno, lamentablemente, la respuesta correcta es que Lokad no es un paquete estadístico. En particular, no entregamos modelos, entregamos forecasts.
Toda la arquitectura de Lokad ha sido diseñada en torno a este supuesto, que lamentablemente es muy inadecuado para proporcionar cualquier información sobre nuestros modelos.
Nuestro flujo de forecast, que recoge datos de entrada y genera forecasts, es:
- enormemente más complejo en comparación con los modelos incluidos en los paquetes estadísticos. Los forecasts no pueden asociarse con modelos conocidos.
- hecho a la medida para computación distribuida en las nubes, por lo que el diseño se siente muy ajeno en comparación con los kits clásicos.
- sujeto a cambios continuos, ya que realizamos experimentos a diario con estrategias de despliegue ágiles.
Pero este diseño tiene beneficios muy específicos:
- no es necesario ajustar parámetros complejos de forecast.
- no es necesario vigilar constantemente tus parámetros, nosotros monitoreamos los resultados.
- se escala tanto como lo necesites, hasta millones de forecasts.
- maneja patrones complejos que van mucho más allá de los kits clásicos.
Entonces, no pedimos a nadie que dé por sentados nuestros resultados. Solo ve y compruébalo por ti mismo, nuestra prueba es gratuita durante 30 días.
Comentarios de lectores (2)
Hola John, ¡sí, de hecho, esa es una muy buena pregunta! Dame un poco de tiempo, y abordaré directamente esta pregunta en el próximo artículo.
Joannes Vermorel (hace 9 años)
Quizás una mejor pregunta sea “¿en qué se basa la medición del rendimiento del forecast?” - es decir, ¿cómo demuestras que tu forecast es “mejor”? - ¿cuál es la medida? ¿Es posible responder a esto dentro de la restricción de “secreto”?
John Dawson (hace 9 años)
