2. План доклада
1. Построение прогнозов на основе доступных данных.
2. Улучшение качества прогнозов.
3. Возможности оценки результатов продвижения.
3. Построение прогнозов на основе доступных данных
Откуда можно получить данные для прогноза:
● Google Analytics или Яндекс Метрика;
● CRM;
● CMS.
Лучше все данные хранить в едином хранилище - так удобнее их
обрабатывать.
4. Преимущества хранения данных в облаке
1. Гибкость, доступность, мастшабирование.
2. Возможность дублировать или адаптировать успешные бизнесс-
процессы.
3. Низкий порог необходимых знаний.
4. Улучшение использования достуных ресурсов.
5. Уменьшение расходов на IT (бэкапы, восстановление,
обновление ПО, инфраструктура).
6. Многопользовательский режим с правами доступа.
7. Скорость запуска и простота интеграции.
8. Доступ к практически не ограниченным ресурсам.
Безопасность для окружающей среды :)
22. Улучшение качества прогнозов
1. Используйте значимые параметры для прогнозирования требуемой
величины.
2. Настраивайте параметры модели на подвыборках.
3. Модель не должна идеально описывать данные, на которых её
настраивали.
4. Возьмите больше достоверных данных.
30. Выводы по графикам
1. Последние два месяца все растет без учета сезонности.
2. Потенциал последнего сезонного роста в финансовых показателях
используется гораздо лучше, чем во время предыдущих сезонных
всплесков.
3. 4 месяца назад произошло что-то, из-за чего мы получили меньше
дохода, чем могли бы.
31. Список литературы
1. https://www.distilled.net/forecaster/ - быстрое построение прогнозов.
2. Справочные материалы по R:
https://stat.ethz.ch/R-manual/R-devel/library/stats/html/lm.html
https://stat.ethz.ch/R-manual/R-devel/library/stats/html/glm.html
https://cran.r-project.org/web/packages/forecast/index.html
https://stat.ethz.ch/R-manual/R-devel/library/stats/html/stl.html
https://github.com/twitter/AnomalyDetection
Графики в докладе построены в R