Предписательная аналитика
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 кейсы
- 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.
Когда применять и когда нет
Применять
- 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
Не применять
- 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 продакшне
Примеры применения
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.
Часто задаваемые вопросы
Предсказательная отвечает «что произойдёт», предписательная — «что с этим делать». Чтобы выдать рекомендацию, нужны не только прогноз, но и описание целевой функции (например, «максимизируй прибыль при ограничении уровня сервиса»). Поэтому предписательная аналитика всегда сложнее.
Не обязательно. Многие задачи оптимизации решаются классическими методами исследования операций: линейное программирование, целочисленные методы, симуляции. ML добавляется там, где сами входные данные сложно описать формулой — например, в прогнозах спроса или в персональных рекомендациях.