'/%3e%3cpath%20d='M83.8172%20112C100.688%20112%20111.886%2098.2694%20112%2083.8882H44.0245C25.8409%2083.8882%2016.001%2094.3169%2016.001%20112H83.8172Z'%20fill='url(%23paint1_linear_101_577)'/%3e%3cpath%20d='M44.1725%2044.1138H16.0008C15.9465%2051.0963%2018.504%2058.2306%2024.2977%2064.0225L44.1706%2083.8881L52.8986%2075.3569L61.7636%2066.7019C63.2767%2065.2244%2063.2786%2062.7888%2061.7636%2061.3094L44.1725%2044.1138Z'%20fill='%233A5FFF'/%3e%3cpath%20d='M83.8248%2083.8862H111.996C112.051%2076.9037%20109.493%2069.7693%20103.7%2063.9774L83.8267%2044.1118L75.0986%2052.6431L66.2337%2061.2981C64.7206%2062.7756%2064.7187%2065.2112%2066.2337%2066.6906L83.8248%2083.8862Z'%20fill='%233A5FFF'/%3e%3cdefs%3e%3clinearGradient%20id='paint0_linear_101_577'%20x1='16.001'%20y1='30.055'%20x2='111.998'%20y2='30.055'%20gradientUnits='userSpaceOnUse'%3e%3cstop%20stop-color='%2370ADFE'/%3e%3cstop%20offset='0.62'%20stop-color='%233A5FFF'/%3e%3c/linearGradient%3e%3clinearGradient%20id='paint1_linear_101_577'%20x1='111.998'%20y1='97.9451'%20x2='16.001'%20y2='97.9451'%20gradientUnits='userSpaceOnUse'%3e%3cstop%20stop-color='%2370ADFE'/%3e%3cstop%20offset='0.62'%20stop-color='%233A5FFF'/%3e%3c/linearGradient%3e%3c/defs%3e%3c/svg%3e)
Предписательная аналитика обычно сочетает прогнозы, симуляции и алгоритмы оптимизации. Она не просто говорит «выручка может упасть», а предлагает конкретный план: уменьшить промо, перераспределить бюджет, изменить условия для определённого сегмента.
Типичные задачи
- Динамическое ценообразование в авиабилетах и отелях.
- Маршрутизация курьеров и грузовых перевозок.
- Персональные рекомендации товаров и контента.
- Управление складскими остатками с учётом сроков годности и поставок.
Что нужно для запуска
- Чистые описательные данные и работающие предсказательные модели.
- Чёткое описание целевой функции и ограничений.
- Готовность бизнеса доверить часть решений автоматике или хотя бы рекомендации.
- Бизнес уже умеет точно прогнозировать ключевые величины
- Решений много, они однотипные и есть смысл их автоматизировать
- Ошибки людей в этих решениях обходятся дороже ошибок модели
- Описательная и предсказательная аналитика ещё не настроены
- Решения редкие и сильно зависят от контекста, который модель не видит
- Нет ресурсов на поддержку сложной модели в постоянной эксплуатации
Сервис доставки еды строит систему, которая каждые 5 минут пересчитывает оптимальные маршруты курьеров с учётом текущих заказов, пробок и времени готовки. Курьер видит готовый порядок точек, а не сам думает, куда ехать. Среднее время доставки падает на 15%, при том же количестве курьеров. Поверх этого работает отдельный модуль динамической комиссии для ресторанов в часы пиковой нагрузки.
Самая частая ошибка с предписательной аналитикой — пытаться запустить её до того, как у бизнеса есть надёжные описательные и прогнозные системы. Если прогноз спроса даёт ошибку 40%, любая «оптимизация запасов» поверх него будет приносить больше вреда, чем пользы.