Panel de inventario

El INFORME PÚBLICO DE CALIBRACIÓN, el cierre de la tesis. Sobre las previsiones acumuladas con desenlace conocido, muestra POR FAMILIA DE MODELO (SCORE_CREDITO, PCLD, CHURN…) el Brier score del modelo frente a la REGLA TONTA (baseline por promedio histórico): el modelo solo se justifica si supera el baseline. Trae el diagrama de confiabilidad ("cuando digo 70%, ¿ocurre el 70%?") y, 🔴 sin maquillaje, la lista de los modelos que fueron APAGADOS —por deriva o por no superar el baseline—, cada uno con el motivo a la vista. Publicar lo que salió mal es lo que da valor a lo que salió bien: es el mismo contrato de resultado que Tenka exige de los empleados digitales, aplicado a sí mismo. Solo lectura.

En qué previsiones de la plataforma puede usted confiar. Cada vez que el sistema hace una estimación sobre su negocio —el riesgo de que un cliente no pague, cuánto va a facturar un contrato, cómo queda la caja en las próximas 13 semanas, cuántas horas va a consumir el equipo, cuánto debería cerrar el embudo—, esa estimación queda registrada con fecha y plazo. Cuando el plazo vence, la plataforma va a buscar lo que DE HECHO ocurrió y compara. Esta pantalla es el marcador de esa comparación, publicado entero: lo que acertó y lo que falló.

Un modelo solo se justifica si supera la previsión más simple posible: el promedio histórico, sin ninguna inteligencia. Es eso lo que muestra la columna "baseline". Si el modelo no supera la regla tonta, no está agregando nada, y la plataforma lo apaga automáticamente y publica el motivo aquí. El número usado en la comparación (Brier) es el error medio de la probabilidad: cuanto MENOR, mejor; cero sería la perfección.

Cada tipo de previsión tiene un plazo propio para ser verificada: la carga del equipo se verifica en una semana, la caja en trece, el ingreso de contrato en seis meses. Mientras el plazo de la primera previsión de una familia no vence, aparece en la lista "familias que todavía no tienen marcador", con cuántas previsiones ya están registradas esperando. Una empresa que acaba de empezar a usar la plataforma verá casi todas ahí, y ese es el comportamiento correcto: es mejor decir que no hay muestra que mostrar un porcentaje de acierto calculado sobre dos observaciones.

A calibração só mostra o número quando há amostra suficiente para ele não identificar ninguém; abaixo disso a barra fica "sem amostra ainda" — não é erro, é a proteção do dado de cada empresa.

¿En cuáles de mis modelos puedo confiar, y cuáles fueron apagados, y por qué? Sobre las previsiones acumuladas con desenlace conocido, la pantalla muestra por familia de modelo (SCORE_CREDITO, PCLD, CHURN…) el Brier score del modelo frente a la regla tonta (baseline por promedio histórico): el modelo solo se justifica si supera el baseline. Trae el diagrama de confiabilidad —cuando el modelo dice 70%, ¿ocurre el 70%?— y la lista de los modelos apagados por deriva o por perder frente al baseline, cada uno con el motivo a la vista.