Gambaran keseluruhan model ramalan
AI Builder Model ramalan menganalisis corak dalam data sejarah yang anda berikan. Model ramalan belajar mengaitkan corak tersebut dengan hasil. Kemudian, kami menggunakan kuasa AI untuk mengesan corak yang dipelajari dalam data baharu, dan menggunakannya untuk meramalkan hasil masa hadapan.
Gunakan model ramalan untuk meneroka soalan perniagaan yang boleh dijawab sebagai salah satu cara berikut:
- Daripada dua pilihan yang tersedia (binari).
- Daripada pelbagai kemungkinan hasil.
- Di mana jawapannya ialah nombor.
Ramalan binari
Ramalan binari ialah apabila soalan yang diajukan mempunyai dua kemungkinan jawapan. Contohnya: ya/tidak, benar/salah, tepat pada masanya/lewat, pergi/tidak pergi, dan sebagainya. Contoh soalan yang menggunakan ramalan binari termasuk:
- Adakah pemohon layak untuk keahlian?
- Adakah transaksi ini mungkin penipuan?
- Adakah pelanggan calon yang baik untuk kempen pemasaran?
- Adakah akaun berkemungkinan membayar invois mereka tepat pada masanya?
Pelbagai ramalan hasil
Ramalan pelbagai hasil ialah apabila soalan boleh dijawab daripada senarai lebih daripada dua kemungkinan hasil. Contoh ramalan pelbagai hasil termasuk:
- Adakah penghantaran akan tiba lebih awal, tepat pada masanya, lewat atau sangat lewat?
- Produk manakah yang akan diminati oleh pelanggan?
Ramalan berangka
Ramalan berangka ialah apabila soalan dijawab dengan nombor. Contoh ramalan berangka termasuk:
- Berapa hari untuk penghantaran tiba?
- Berapa banyak panggilan yang perlu dikendalikan oleh ejen dalam sehari?
- Berapa banyak item yang perlu kita simpan dalam inventori?
- Berapa banyak petunjuk yang perlu ditukar oleh pasukan jualan dalam sebulan?