Made on
Tilda
Классические методы смотрят только в прошлое ряда. Машинное обучение умеет учитывать ещё и то, что вы знаете о будущем: акции, праздники, погоду. В этом уроке вы сами включите модели эти «подсказки» по одной и увидите, какая из них даёт больше всего точности — и где прячется ловушка.
Classic methods look only at the series' own past. Machine learning can also use what you know about the future: promos, holidays, weather. In this lesson you will switch these "hints" on one by one and see which one adds the most accuracy — and where the trap is hiding.
MA, ES, Holt–Winters из прошлых уроков отлично продолжают уровень, тренд и сезон. Но у них есть одно ограничение: они видят только сами продажи. Про акцию в сети на следующей неделе, жаркий июль или праздник они ничего не знают.
MA, ES and Holt–Winters from earlier lessons continue level, trend and season very well. But they share one limit: they see only the sales themselves. A chain promo next week, a hot July or a holiday — they know nothing about these.
Вход: только история продаж.
Видит: уровень, тренд, сезон.
Плюсы: просто, быстро, понятно, работает в Excel.
Input: sales history only.
Sees: level, trend, season.
Pluses: simple, fast, clear, works in Excel.
Вход: история + подсказки (акции, цены, погода, праздники).
Само находит, насколько каждая подсказка двигает продажи.
Минусы: нужны чистые данные и честная проверка.
Input: history + hints (promos, prices, weather, holidays).
Finds by itself how much each hint moves sales.
Minuses: needs clean data and honest testing.
Подсказки по-английски называют features (признаки). Модель учится на прошлом: «вот неделя с акцией — продали столько-то». Но прогнозировать она сможет, только если подсказка известна и на будущее.
Hints are called features. The model learns from the past: "here is a promo week — this much was sold". But it can forecast only if the hint is also known for the future.
| ПодсказкаHint | Известна на будущее?Known for the future? |
|---|---|
| 📅 Календарь: месяц, день недели, праздники📅 Calendar: month, weekday, holidays | Да, всегдаYes, always |
| 🏷 План акций и цен🏷 Promo and price plan | Да, если его согласовали с маркетингом и сетямиYes, if agreed with marketing and the chains |
| 🏪 План дистрибуции: в скольких магазинах будет товар🏪 Distribution plan: how many stores will stock it | Да, от отдела продажYes, from the sales team |
| 🌡 Погода🌡 Weather | На 1–2 недели — да. На год вперёд — нет, только «обычная»For 1–2 weeks — yes. A year ahead — no, only "normal" |
| 📦 Продажи прошлой недели📦 Last week's sales | Для прогноза на год вперёд — нет: к нужному месяцу их ещё не будетFor a year-ahead forecast — no: they will not exist yet for the target month |
Холодный чай «Долины напитков» в одном городе, продажи по неделям, тысяч бутылок. Модели учились на 2025 годе и прогнозируют 2026-й. В 2026 году акции прошли в другие недели, чем в 2025-м, а жара пришла позже. Выберите классический метод, включайте подсказки для ML и смотрите на точность.
"Valley Beverages" iced tea in one city, weekly sales, thousand bottles. The models learned on 2025 and forecast 2026. In 2026 promos ran in different weeks than in 2025, and the heat came later. Pick a classic method, switch hints on for ML and watch the accuracy.
В 2020 году прошло соревнование M5 на настоящих продажах крупнейшей розничной сети мира. Тысячи команд прогнозировали одни и те же ряды.
In 2020 the M5 competition ran on real sales from the world's largest retailer. Thousands of teams forecast the same series.
Что это значит для планера: ML действительно помогает, особенно когда товаров тысячи и у них общие закономерности. Но на уровне отдельного товара в отдельной точке шум велик, и чуда не будет. Поэтому любой ML-прогноз сравнивают с простым на том уровне, где принимают решения.
What it means for a planner: ML really helps, especially with thousands of products sharing patterns. But at the level of one product in one store, noise is high and there are no miracles. That is why any ML forecast is compared with a simple one at the level where decisions are made.
Источники: Makridakis, Spiliotis, Assimakopoulos, «M5 accuracy competition: Results, findings, and conclusions», International Journal of Forecasting, 2022.
Sources: Makridakis, Spiliotis, Assimakopoulos, "M5 accuracy competition: Results, findings, and conclusions", International Journal of Forecasting, 2022.
Частый вопрос: «ML — это значит, прогноз считает искусственный интеллект вроде Claude?» Нет. В современном ML-проекте три участника, и у каждого своя роль.
A common question: "ML means an AI like Claude makes the forecast?" No. A modern ML project has three participants, each with its own role.
Вам не нужно становиться программистом. Нужно уметь сформулировать задачу, понимать, что модель видит, и проверять результат. Если вы знаете функции ТЕНДЕНЦИЯ или ЛИНЕЙН в Excel, вы уже знаете суть: «научить по прошлому» и «посчитать на будущее».
You do not need to become a programmer. You need to state the task, understand what the model sees and check the result. If you know Excel's TREND or LINEST, you already know the essence: "learn from the past" and "calculate the future".
Три случая из настоящего ML-проекта годового прогноза в компании-производителе напитков. Названия изменены.
Three cases from a real annual ML forecasting project at a beverage manufacturer. Names are changed.
Меньше половины галочек — начните с классики и чистки данных. Это не шаг назад: это фундамент, на котором ML потом работает.
Fewer than half ticked — start with classic methods and data cleaning. That is not a step back: it is the foundation ML later stands on.
Вы увидели, как подсказки делают прогноз точнее. В полном курсе — 29 уроков машинного обучения на реальном кейсе годового прогноза: планер ставит задачу, Claude пишет код, Python считает, а вы проверяете и решаете.
You have seen how hints make a forecast more accurate. The full course has 29 machine learning lessons on a real case of an annual forecast: the planner sets the task, Claude writes the code, Python calculates, and you check and decide.