Vídeo: Overview: Tour of Planning in EPM Enterprise Cloud 2024
Por mais que você não goste, seu trabalho de análise preditiva não acabou quando seu modelo for ao vivo. A implantação bem sucedida do modelo na produção não é hora de relaxar. Você precisará monitorar de perto sua precisão e desempenho ao longo do tempo. Um modelo tende a se degradar ao longo do tempo (alguns mais rápidos do que outros); e uma nova infusão de energia é necessária de tempos em tempos para manter esse modelo em funcionamento. Para manter o sucesso, um modelo deve ser revisado e reavaliado à luz de novos dados e mudanças de circunstâncias.
Se as condições mudarem para que elas não correspondam mais ao treinamento original do modelo, então você terá que treinar o modelo para atender às novas condições. Tais exigentes novas condições incluem
- Uma mudança global no objetivo comercial
- A adoção de - e migração para - tecnologia nova e mais poderosa
- O surgimento de novas tendências no mercado
- Evidência de que a concorrência é alcançando
Seu plano estratégico deve incluir ficar alerta para qualquer necessidade emergente de atualizar seu modelo e levá-lo ao próximo nível, mas atualizar seu modelo deve ser um processo contínuo de qualquer maneira. Você continuará ajustando entradas e saídas, incorporando novos fluxos de dados, reconquistando o modelo para as novas condições e refinando continuamente suas saídas. Tenha em mente esses objetivos:
- Mantenha-se além das condições de mudança ao reconciliar e testar o modelo regularmente; melhorá-lo sempre que necessário.
- Monitore a precisão do seu modelo para capturar qualquer degradação em seu desempenho ao longo do tempo.
- Automatize o monitoramento de seu modelo através do desenvolvimento de aplicativos personalizados que relatam e acompanhem o desempenho do modelo.
A automação do monitoramento, ou a participação de outros membros da equipe, aliviaria qualquer preocupação que um cientista de dados possa ter sobre o desempenho do modelo e pode melhorar o uso do tempo de todos.
O monitoramento automatizado economiza tempo e ajuda a evitar erros no rastreamento do desempenho do modelo.
