ennustetyökaluja

Ennustetyökalut ovat menetelmiä ja ohjelmistoja, joilla tuotetaan arviot tulevasta kehityksestä perustuen historialliseen dataan sekä mahdollisesti ulkoisiin muuttujiin. Niitä hyödynnetään laajasti liiketoiminnan analytiikassa, taloudessa, toimitusketjujen suunnittelussa, rahoituksessa sekä meteorologiassa ja epidemiologiassa.

Tyypillisiä sovelluksia ovat kysynnän ja myynnin ennusteet, varastonhallinta, hintavaihteluiden arviointi, tuotantoprosessien suunnittelu sekä sää- ja ilmastotieteelliset mallit. Ennustetyökalut voivat kattaa tilastolliset menetelmät, koneoppimisen sekä kombinaatiot niistä.

Menetelmät voidaan jakaa tilastollisiin ja koneoppimisperustaisiin lähestymistapoihin. Tilastollisiin kuuluvat esimerkiksi ARIMA-, SARIMA- ja VAR-mallit sekä eksponentiaalisen tasoituksen menetelmät (ETS). Regressioanalyysit sekä kausaalisten muuttujien mallit ovat yleisiä. Koneoppimisen puolella käytetään esimerkiksi yksinkertaisempia regressiomalleja, satunnaismetsiä, gradienttien boosting-tekniikoita sekä syväoppimista. Probabilistiset ennusteet ja ennustealueet antavat todennäköisyyksiä tulevalle kehitykselle. Ennusteita voidaan tuottaa myös episystemaattisesti, ja usein käytetään ensemble-menetelmiä.

Prosessi koostuu datan esikäsittelystä, mallin valinnasta ja estimoinnista, itse ennusteesta sekä tulosten validoinnista ja ylläpidosta. Arvioinnissa käytetään mittareita kuten MAE, RMSE, MAPE sekä sMAPE; probabilistisia malleja voidaan arvioida CRPS- tai ennustepiirteiden perusteella.

Rajoitteita ovat epävarmuus, mallien vääristyneet oletukset, datan laatu ja saatavuus, ei-stationaarisuus sekä kausivaihtelut. Käyttö vaatii läpinäkyvää palautetta, backtestingiä ja dokumentoitua todennettavuutta.

Työkaluihin kuuluvat muun muassa R:n forecast- ja prophet-paketit, Pythonin statsmodels- ja Prophet-kirjastot sekä Excel, SAS ja MATLAB.