Video: Kỹ Năng Quản Lý Thời Gian 2025
Mặc dù mọi thứ bạn đã được nói về những giả định gây ra rắc rối, một vài giả định vẫn là cốt lõi của bất kỳ mô hình phân tích tiên đoán nào. Những giả định này xuất hiện trong các biến được lựa chọn và được xem xét trong phân tích - và các biến đó ảnh hưởng trực tiếp đến độ chính xác của kết quả của mô hình cuối cùng.
Do đó sự thận trọng của bạn ngay từ ban đầu là để xác định những giả định nào quan trọng nhất đối với mô hình của bạn - và để giữ cho chúng tối thiểu.
Việc tạo ra một mô hình tiên đoán hoạt động tốt trong thế giới thực đòi hỏi phải có kiến thức sâu sắc về kinh doanh. Mô hình của bạn bắt đầu chỉ hiểu biết về dữ liệu mẫu - về mặt thực tế, hầu như không có gì cả. Vì vậy, bắt đầu nhỏ và tiếp tục nâng cao mô hình khi cần thiết.
Xử lý các câu hỏi và kịch bản có thể dẫn đến những khám phá quan trọng và / hoặc có thể làm sáng tỏ hơn các yếu tố đang diễn ra trong thế giới thực. Quá trình này có thể xác định các biến chính có thể ảnh hưởng đến kết quả phân tích.
Cải thiện các giả định của mô hình - bằng cách kiểm tra chúng ảnh hưởng như thế nào đến kết quả đầu ra của mô hình, khảo sát độ nhạy của mô hình và giảm chúng xuống mức tối thiểu - sẽ giúp bạn hướng dẫn mô hình về một khả năng tiên đoán đáng tin cậy hơn. Trước khi bạn có thể tối ưu hóa mô hình của mình, bạn phải biết các biến số dự báo- các tính năng có tác động trực tiếp đến đầu ra của nó. Quá nhiều giả định cân nhắc các dự báo của mô hình của bạn với sự không chắc chắn và không chính xác.Loại bỏ những biến số không cần thiết dẫn đến một mô hình mạnh hơn, nhưng không dễ dàng quyết định biến nào sẽ bao gồm trong phân tích và những quyết định đó trực tiếp ảnh hưởng đến hiệu suất của mô hình.
Nhưng đây là nơi mà nhà phân tích có thể gặp phải tình trạng tiến thoái lưỡng nan: Bao gồm các yếu tố không cần thiết có thể nghiêng hoặc làm biến dạng đầu ra của mô hình, nhưng loại trừ một biến có liên quan rời mô hình không đầy đủ.
Vì vậy, khi có thời gian để chọn những biến quyết định quan trọng này, hãy gọi cho chuyên gia kiến thức miền của bạn. Khi bạn có một bộ các biến quyết định dựa trên thực tế chính xác, bạn không phải giả định quá nhiều - và kết quả có thể ít sai sót hơn trong mô hình tiên đoán của bạn.
