Ha külön nézzük őket, az adatmérnökség és a keresleti előrejelzés két teljesen eltérő szolgáltatásnak tűnik. Az egyik adatfolyamatokat épít, adattárházat hoz létre és megbízható alapot biztosít a Power BI riportoknak. A másik statisztikai modellekkel és gépi tanulással próbálja megbecsülni a jövőbeli keresletet.
A gyakorlatban azonban a kettő elválaszthatatlan. Az egyik rendbe teszi a múltat, a másik ebből próbál következtetni a jövőre.
Ezért a sorrend nem technológiai kérdés, hanem üzleti szükségszerűség. Ha egy előrejelzés pontatlan, az oka sokszor nem a modellben, hanem az alatta lévő adatokban keresendő.
Az előrejelző modell nem tud jobb adatot kitalálni
Sokan úgy gondolják, hogy egy mesterséges intelligencia modell majd “kisimítja” a hibás vagy hiányos adatokat. A valóság ennek éppen az ellenkezője.
Ha ugyanaz a termék három különböző néven szerepel, ha a készletmozgások hiányosak, vagy ha ugyanazt a mutatót minden rendszer másképp számolja, akkor a modell ezt tekinti valóságnak. Nem kijavítja a hibát, hanem megtanulja, majd minden új előrejelzésében következetesen továbbviszi.
Ezért bukik el sok előrejelzési projekt már az indulásnál. A probléma nem az algoritmusban van, hanem abban, hogy nincs egyetlen, megbízható előtörténet, amelyből tanulhatna.
Ezért mondjuk azt, hogy egy előrejelző modell csak annyira jó, amennyire az az adat, amelyen tanították.
Az adatmérnökség nem AI-projekt — de nélküle az AI-projekt ritkán működik
Az adattárház önmagában nem fogja csökkenteni a selejtet, és nem fogja megmondani, mennyit rendeljen jövő hétre.
Amit viszont ad, az egy konzisztens, megbízható képet arról, mi történt eddig. A termékek ugyanazzal a cikkszámmal szerepelnek minden rendszerben. A dátumok ugyanazt jelentik. A készletmozgások egyeznek. A riportok ugyanazokat a definíciókat használják.
Ez első olvasásra unalmasnak hangzik. Valójában ez az a nyersanyag, amelyből később egy használható előrejelző modell épülhet. Ha az alap bizonytalan, a modell sem lesz jobb nála.
Ezért kezdünk mindig adatellenőrzéssel
Amikor egy vállalat keresleti előrejelzés miatt keres meg bennünket, az első kérdésünk nem az, hogy milyen modellt építsünk. Hanem az, hogy az adatok egyáltalán alkalmasak-e előrejelzésre.
Megvan a szükséges cikkszintű értékesítési előtörténet? Megbízhatóak az adatok? Egyeznek a különböző rendszerek? Elég következetes az adatminőség ahhoz, hogy egy modell valóban tanulni tudjon belőle?
Ha ezekre a kérdésekre a válasz nem, akkor az első projekt nem előrejelzés lesz, hanem adatintegráció és adatminőségi rendbetétel.
Ez sokszor csalódást okoz azoknak, akik gyors AI-megoldást várnak. Hosszú távon azonban ez a gyorsabb és olcsóbb út. Egy rossz adatokra épített előrejelző modell hónapok alatt sem fogja visszahozni az árát, míg egy megbízható adatplatform nemcsak az előrejelzésnek, hanem a riportolásnak és minden későbbi elemzésnek is alapot ad.
Ha az alap egyszer elkészül, nemcsak az előrejelzés lesz megbízhatóbb. A Power BI riportok, a vezetői dashboardok és minden későbbi elemzés is ugyanabból a konzisztens adatforrásból dolgozik. Az adatplatform egyszer épül fel, de éveken át szolgálja ki a vállalat döntéseit.
A két projekt valójában egyetlen projekt
Sok tanácsadó külön szolgáltatásként értékesíti az adatmérnökséget és a keresleti előrejelzést. Technikailag valóban két külön projekt. Üzletileg azonban ugyanannak az útnak a két egymásra épülő lépése.
Először létrejön egy megbízható adatplatform, amely összegyűjti és egységesíti a vállalat adatait. Erre épülnek a Power BI riportok és a vezetői dashboardok, így mindenki ugyanazokat a számokat látja, ugyanazokkal a definíciókkal.
Amikor ez az alap már stabil, ugyanerre az adatplatformra épülhet a keresleti előrejelzés is. Nincs szükség külön adatfolyamatokra vagy párhuzamos adatforrásokra: ugyanaz a megbízható előtörténet szolgálja ki a riportolást és a prediktív modelleket is.
Ezért tekintünk erre nem két külön szolgáltatásként, hanem egyetlen együttműködés két egymásra épülő szakaszaként. Először rendet teszünk az adatokban. Utána kezdünk következtetni belőlük a jövőre.
Konklúzió
Az adatmérnökség és a keresleti előrejelzés ugyanannak az útnak a két egymásra épülő lépése.
Az első megbízhatóvá teszi a múlt adatait. A második ezekből az adatokból segít megbízhatóbban tervezni a jövőt.
Ezért nálunk a keresleti előrejelzés soha nem önálló AI-projekt. Egy stabil adatplatformra épül, amelyet ugyanúgy használ a riportolás, a vezetői dashboardok és minden későbbi elemzés is.
A jövőt csak akkor lehet megbízhatóan előre jelezni, ha a múlt adataiban már rend van.
Ha szeretné felmérni, hogy vállalatánál melyik lépés következik először, ismerje meg részletesen az Adatintegráció és adattárház és a Keresleti előrejelzés szolgáltatásainkat, vagy vegye fel velünk a kapcsolatot egy kötetlen első beszélgetéshez.