Analiza remove-one: rozkład wkładu poszczególnych zdarzeń w zagregowane KPI
Zintegrowany wskaźnik efektywności dostawcy (ZWED) agreguje metryki Fill Rate, Quality Score, OTIF i Lead Time z równymi wagami po 0,25. Biznes wymaga nie tylko wartości KPI, ale także precyzyjnego wskazania, który zakup je obniżył i o ile. Naiwne obliczanie metryk dla poszczególnych zakupów jest błędne: wszystkie metryki opierają się na sumarycznych wartościach w oknie danych — bieżąca data minus 14 dni plus 30 dni wstecz, aby uwzględnić opóźnienia.
Analiza remove-one rozwiązuje to zadanie: oblicza się metrykę dla wszystkich danych (Metric_all), następnie bez jednego wpisu (Metric_without_i), a różnica daje wkład wpisu. Jeśli po usunięciu metryka rośnie, zakup ją pogarszał.
Przykład obliczeń dla Fill Rate
Rozważmy trzy zakupy:
| Zakup | Zamówione | Anulowane przez dostawcę |
|-------|-----------|--------------------------|
| A | 100 | 5 |
| B | 200 | 0 |
| C | 50 | 15 |
Ogólny Fill Rate = (1 - 20/350) × 100 = 94,29%.
Bez C: (1 - 5/300) × 100 = 98,33%. Wkład C: 94,29 - 98,33 = -4,04 p.p.
Wzór Fill Rate: (1 - ΣAnulowane przez dostawcę / ΣZamówione) × 100. Usunięcie zmienia agregat nieliniowo z powodu mianownika.
Trudności z Quality Score
Quality Score = 100 - DefectRate. DefectRate ma dwie gałęzie:
- DefectRate_pcs = ΣWadliwe sztuki / ΣZamówione sztuki
- DefectRate_rub = ΣWartość wadliwa / ΣWartość zamówiona
Logika wyboru:
- Jeśli (100 - DefectRate_pcs) < 90, użyj pcs.
- W przeciwnym razie, jeśli (100 - DefectRate_rub) < 90, użyj rub.
- W przeciwnym razie pcs.
Problem: przy remove-one gałąź może się przełączyć. Na przykład, wszystkie dane — pcs, bez i — rub. Porównanie nieporównywalnych wartości zniekształca wkład.
Rozwiązanie: ustalić gałąź na poziomie zagregowanego wskaźnika. Algorytm:
- Obliczyć QualityScore_all i calculation_mode.
- Dla każdego zakupu obliczyć without_i w tym samym mode.
Pułapki implementacyjne
- Nieliniowość: wkład zależy od całej próbki, usunięcie jednego elementu daje nieproporcjonalny efekt.
- Przełączanie wzorów: wymaga ustalenia mode.
- Okna przesuwne: codzienne przeliczanie zmienia wkłady w czasie.
Alternatywa — analiza what-if: zastąpić status zakupu idealnym i przeliczyć. Różnica:
- Remove-one: faktyczny wkład w bieżące KPI.
- What-if: hipotetyczna poprawa przy idealnym zakupie.
Wybrano remove-one dla precyzyjnego wyjaśnienia faktycznego spadku.
Co jest ważne
- Zagregowane metryki wymagają remove-one dla poprawnego rozkładu wkładu.
- Ustalenie calculation_mode zapobiega zniekształceniom z nieliniowych gałęzi.
- Okno danych (14+30 dni) uwzględnia opóźnienia dostaw.
- Podejście analogiczne do leave-one-out w ML i Shapley value w ekonomii.
- Implementacja backendowa łączy matematykę dyskretną i kompromisy inżynierskie.
Zastosowanie w innych dziedzinach
Analiza wrażliwości z remove-one jest używana:
- Walidacja leave-one-out w uczeniu maszynowym.
- Explainable AI do interpretacji modeli.
- Shapley value do rozkładu wkładu w grach kooperacyjnych.
- Analiza danych do atrybucji zdarzeń.
W backendzie staje się to zadaniem stabilnego obliczania dla dużych zbiorów danych bez utraty interpretowalności.
— Editorial Team
Brak komentarzy.