इन्वेंटरी पैनल

सार्वजनिक कैलिब्रेशन रिपोर्ट — थीसिस का समापन। ज्ञात परिणाम वाले संचित पूर्वानुमानों पर, यह मॉडल परिवार के अनुसार (SCORE_CREDITO, PCLD, CHURN…) मॉडल का Brier score मूर्ख नियम (ऐतिहासिक औसत वाली baseline) के सापेक्ष दिखाती है: मॉडल तभी उचित है जब वह baseline को हराए। इसमें विश्वसनीयता आरेख ("जब मैं 70% कहता हूँ, क्या 70% होता है?") और, 🔴 बिना लीपापोती के, उन मॉडलों की सूची है जो बंद किए गए — भटकाव के कारण या baseline को न हराने के कारण — हर एक के कारण को सामने रखते हुए। जो ग़लत हुआ उसे प्रकाशित करना ही उसे मूल्य देता है जो सही हुआ: यह वही परिणाम-अनुबंध है जो Tenka डिजिटल कर्मचारियों से माँगता है, ख़ुद पर लागू किया हुआ। केवल पढ़ने के लिए।

प्लेटफ़ॉर्म के किन पूर्वानुमानों पर आप भरोसा कर सकते हैं। हर बार जब सिस्टम आपके व्यवसाय के बारे में अनुमान लगाता है — किसी ग्राहक के भुगतान न करने का जोखिम, कोई अनुबंध कितना बिल करेगा, अगले 13 सप्ताहों में नकदी कैसी रहेगी, टीम कितने घंटे खपाएगी, फ़नल कितना बंद करेगा — वह अनुमान तारीख़ और समय-सीमा के साथ दर्ज होता है। समय-सीमा बीतने पर प्लेटफ़ॉर्म देखता है कि वास्तव में क्या हुआ और तुलना करता है। यह स्क्रीन उस तुलना का स्कोरबोर्ड है, पूरा प्रकाशित: क्या सही निकला और क्या ग़लत।

कोई मॉडल तभी उचित है जब वह सबसे सरल संभव पूर्वानुमान को हराए — ऐतिहासिक औसत, बिना किसी बुद्धिमत्ता के। यही "baseline" कॉलम दिखाता है। अगर मॉडल मूर्ख नियम को नहीं हराता, तो वह कुछ नहीं जोड़ रहा, और प्लेटफ़ॉर्म उसे अपने आप बंद करके कारण यहाँ प्रकाशित करता है। तुलना में इस्तेमाल होने वाली संख्या (Brier) प्रायिकता की औसत त्रुटि है: जितनी कम, उतना बेहतर; शून्य पूर्णता होगी।

हर तरह के पूर्वानुमान की जाँच की अपनी समय-सीमा होती है: टीम का भार एक सप्ताह में जाँचा जाता है, नकदी तेरह में, अनुबंध का राजस्व छह महीनों में। जब तक किसी परिवार के पहले पूर्वानुमान की समय-सीमा नहीं बीतती, वह "परिवार जिनका अभी स्कोरबोर्ड नहीं है" सूची में दिखता है, इस संख्या के साथ कि कितने पूर्वानुमान पहले से दर्ज होकर प्रतीक्षा में हैं। जिस कंपनी ने अभी-अभी प्लेटफ़ॉर्म का उपयोग शुरू किया है वह लगभग सभी को वहीं देखेगी — और यही सही व्यवहार है: दो अवलोकनों पर गणना किया गया सफलता प्रतिशत दिखाने से बेहतर है यह कहना कि नमूना नहीं है।

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.

मैं अपने किन मॉडलों पर भरोसा कर सकता हूँ — और कौन-से बंद किए गए, और क्यों? ज्ञात परिणाम वाले संचित पूर्वानुमानों पर, स्क्रीन मॉडल परिवार के अनुसार (SCORE_CREDITO, PCLD, CHURN…) मॉडल का Brier score मूर्ख नियम (ऐतिहासिक औसत वाली baseline) के सापेक्ष दिखाती है: मॉडल तभी उचित है जब वह baseline को हराए। इसमें विश्वसनीयता आरेख है — जब मॉडल 70% कहता है, क्या 70% होता है? — और भटकाव या baseline से हारने के कारण बंद किए गए मॉडलों की सूची, हर एक के कारण को सामने रखते हुए।