Строишь модель прогноза заказов. Добавляешь признаки, подбираешь параметры, рисуешь график. Линия прогноза идёт рядом с фактом. Выглядит убедительно.

🤔 Остаётся один вопрос: а если просто взять заказы за те же дни прошлой недели, получится хуже? Для данных с недельным ритмом это вполне рабочая точка отсчёта. В следующий понедельник ждём столько же заказов, сколько было в прошлый. Во вторник — как в прошлый вторник. Такой подход называется сезонным наивным прогнозом. «Наивный» здесь название метода, а не оценка аналитика.

🗓️ Посмотрим на учебном примере. В воскресенье готовим прогноз на понедельник, вторник и среду: - За те же дни прошлой недели было 100, 120 и 110 заказов. Это наш простой прогноз. - Сложная модель предсказала 125, 145 и 140. - Когда эти три дня прошли, получили факт: 110, 130 и 120. 🧮 Сравним среднюю абсолютную ошибку — MAE. Для каждого дня берём расстояние между прогнозом и фактом, без знака, а потом усредняем. У простого прогноза ошибки: 10, 10 и 10 заказов. В среднем — 10. У сложной модели: 15, 15 и 20. В среднем — 16,7. На этих трёх днях простой прогноз оказался точнее модели, над которой мы так старались. ⚠️ Это не значит, что сложные модели не нужны. И трёх дней недостаточно, чтобы выбрать метод для работы. Но теперь у нас есть точка отсчёта: с чем сравнивать результат.

Чтобы сравнение было честным: - 📍 Прогнозируем одни и те же даты из одной точки во времени. Обоим методам доступны только сведения, известные на тот момент. - 🎯 Проверяем нужный горизонт. Если бизнесу нужен прогноз на неделю вперёд, сравниваем недельные прогнозы, а не только завтрашний день. - 🔄 Повторяем проверку на нескольких прошлых периодах. Каждый раз как будто стоим в прошлом и ещё не знаем, что будет дальше. Акции, праздники или быстрый рост могут сделать прогноз «как неделю назад» неточным. Вот здесь и стоит проверить, помогает ли более сложный подход.

💡 Мне нравится начинать с такого сравнения. Оно быстро переводит разговор с «какую модель мы построили» на «насколько лучше мы теперь прогнозируем».

Если тема прогнозирования вам близка и интересна, у меня есть подробный гайд с описанием разных методов прогнозирования с формулами и описанием плюсов и минусов