ভূমিকা ও প্রেক্ষাপট

পূর্বাভাস (forecasting) অতীতের তথ্য ও ঘোষিত অনুমান থেকে ভবিষ্যতের একটি পরিমাণ অনুমান করে। সেবা প্রতিষ্ঠান সহায়তার চাহিদা, একটি প্ল্যাটফর্মের সামর্থ্য, একটি কাজ শেষ হওয়ার তারিখ, একটি পরিবর্তন ব্যর্থ হওয়ার সম্ভাবনা এবং আগামী বছর একটি সেবার খরচের পূর্বাভাস দেয়। মেশিন লার্নিং মডেলসহ ভবিষ্যদ্বাণীমূলক মডেল এটিকে স্বতন্ত্র আইটেমে স্কোর দেওয়া পর্যন্ত বাড়ায়: কোন টিকিট তার লক্ষ্য লঙ্ঘন করবে, কোন পরিবর্তন ঝুঁকিপূর্ণ, কোন ইনসিডেন্ট ফিরে আসার সম্ভাবনা।

পূর্বাভাস ও ভবিষ্যদ্বাণী সাধারণ উপায়ে ব্যর্থ হয়। অতীত ভবিষ্যতের মতো নাও হতে পারে, কারণ একটি সেবা, দল বা টুল বদলেছে। তথ্য পাতলা বা পক্ষপাতদুষ্ট হতে পারে। পরিসর খুব সংকীর্ণ হতে পারে, কারণ একটি একক সংখ্যা একটি ব্যবধানের চেয়ে বেশি সহায়ক দেখায়। এবং পূর্বাভাসকে প্রতিশ্রুতি হিসেবে ব্যবহার করা যেতে পারে, ফলে মানুষ তা সত্য করতে কাজ করে বা যা বিরোধিতা করে তা লুকায়।

আগের বিষয়গুলো নির্দিষ্ট ব্যবহারের জন্য পূর্বাভাস দিয়েছে: থ্রুপুট থেকে ডেলিভারির তারিখ (বিষয় 2.5, ডেলিভারি পূর্বাভাস ও পরিকল্পনার মেট্রিক দেখুন), চাহিদা থেকে সামর্থ্য (বিষয় 5.4, ধারণক্ষমতা ও কার্যক্ষমতার মেট্রিক দেখুন) এবং খরচ (বিষয় 7.5, সেবার ব্যয় ও ইউনিট অর্থনীতি দেখুন)। এই বিষয় যেকোনো পূর্বাভাস বা ভবিষ্যদ্বাণীর গুণমান মাপার সাধারণ পদ্ধতি দেয়, যা এগুলো সবে প্রযোজ্য। এটি এমন ভবিষ্যদ্বাণীমূলক মডেলও ঢাকে যার আউটপুট একটি পদক্ষেপ চালায়, যেখানে ভুল ভবিষ্যদ্বাণীর খরচ কারও ওপর পড়ে।

এখানে ব্যবহৃত পরিভাষা। একটি বিন্দু পূর্বাভাস হলো একটি একক ভবিষ্যদ্বাণী করা মান। একটি ভবিষ্যদ্বাণী ব্যবধান হলো এমন পরিসর যা একটি ঘোষিত সম্ভাবনায় প্রকৃত মান ধারণ করার উদ্দেশ্যে। ক্যালিব্রেশন হলো ঘোষিত সম্ভাবনা ও পর্যবেক্ষিত ঘনত্বের মিল: যে পূর্বাভাস ৮০ শতাংশ বলেছে তার প্রায় ৮০ শতাংশ সত্য হওয়া উচিত। পূর্বাভাসের ভুল হলো পূর্বাভাস ও প্রকৃতের পার্থক্য। একটি ভিত্তিরেখা পূর্বাভাস হলো একটি সরল পদ্ধতি, যেমন "আগের সময়কালের মতো", যার বিপরীতে একটি জটিলতর পদ্ধতি তুলনা করা হয়। একটি ভুল ইতিবাচক হলো এমন ঘটনার ভবিষ্যদ্বাণী যা ঘটে না, এবং একটি ভুল নেতিবাচক হলো যা ঘটে তা ভবিষ্যদ্বাণী করতে ব্যর্থতা। ড্রিফট হলো তথ্যে বা ইনপুট ও ফলের সম্পর্কে এমন পরিবর্তন যা সময়ের সঙ্গে একটি মডেলের নির্ভুলতা কমায়।

মূল নীতি

  • পরিসরে পূর্বাভাস দিন এবং ট্র্যাক রেকর্ড রাখুন। যে পূর্বাভাস কখনও যাচাই হয় না তা উন্নত হতে পারে না।
  • একটি সরল ভিত্তিরেখার সঙ্গে তুলনা করুন। যে জটিল মডেল "আগের সময়কালের মতো"-কে হারায় না সে তার খরচ অর্জন করছে না।
  • নির্ভুলতার মতোই ক্যালিব্রেশন গুরুত্বপূর্ণ। যে পূর্বাভাস ৯০ শতাংশ বলে তার দশবারে প্রায় নয়বার শুদ্ধ হওয়া উচিত।
  • সিদ্ধান্তের সঙ্গে ভুলের খরচ মেলান। একটি ভুল সতর্কবার্তা ও একটি ফসকানোর খরচ সমান নয়।
  • ড্রিফটের দিকে নজর রাখুন। জগৎ বদলালে পূর্বাভাস ক্ষয় হয়, তাই সেগুলো নজরে রাখুন।
  • পূর্বাভাস প্রতিশ্রুতি নয়। এটিকে মানুষের জন্য লক্ষ্যে পরিণত করবেন না।

মেট্রিকের সংজ্ঞা

মেট্রিক সংজ্ঞা সূত্র একক তথ্যের উৎস ITIL চর্চা এজাইল সমতুল্য পর্যায়কাল
পূর্বাভাস ব্যবধানের আচ্ছাদন ঘোষিত ভবিষ্যদ্বাণী ব্যবধানের ভেতরে পড়া প্রকৃত ফলের অংশ ব্যবধানের ভেতরের ফল / মূল্যায়িত পূর্বাভাস; মূল্যায়িত পূর্বাভাস হলো যাদের ফল জানা শতাংশ পূর্বাভাসের লগ ও প্রকৃত সামর্থ্য ও কার্যক্ষমতা ব্যবস্থাপনা; আর্থিক ব্যবস্থাপনা থ্রুপুট থেকে পরিসরসহ পূর্বাভাস ত্রৈমাসিক
পূর্বাভাসের ভুল পূর্বাভাস ও প্রকৃতের পার্থক্যের সাধারণ আকার মূল্যায়িত পূর্বাভাসে পরম ভুলের মধ্যমান ও তার ৮৫তম পার্সেন্টাইল, যেখানে পরম ভুল = (পূর্বাভাস বিয়োগ প্রকৃত)-এর পরম মান / প্রকৃত শতাংশ পূর্বাভাসের লগ ও প্রকৃত সামর্থ্য ও কার্যক্ষমতা ব্যবস্থাপনা পরিকল্পনার পর্যালোচনা ত্রৈমাসিক
ভিত্তিরেখার বিপরীতে দক্ষতা একটি সরল ভিত্তিরেখার ওপর পূর্বাভাস পদ্ধতির উন্নতি একই পূর্বাভাসে ১ বিয়োগ (পদ্ধতির পরম ভুলের মধ্যমান / ভিত্তিরেখার পরম ভুলের মধ্যমান) অনুপাত পূর্বাভাসের লগ, ভিত্তিরেখার লগ ও প্রকৃত নিরন্তর উন্নয়ন পরীক্ষা ও তুলনা ত্রৈমাসিক
ক্যালিব্রেশনের ফাঁক ঘোষিত সম্ভাবনা ও পর্যবেক্ষিত ঘনত্বের পার্থক্য প্রতিটি সম্ভাবনার পটিতে (ঘোষিত সম্ভাবনা বিয়োগ পর্যবেক্ষিত অংশ)-এর পরম মান, পটি জুড়ে গড়; একটি ঘোষিত সংখ্যার কম ক্ষেত্রের পটি আলাদাভাবে প্রতিবেদিত শতাংশ পয়েন্ট সম্ভাব্যতাভিত্তিক পূর্বাভাসের লগ ও ফল ঝুঁকি ব্যবস্থাপনা; পরিবর্তন সক্ষমকরণ অনুমানের রিট্রোস্পেক্টিভ ত্রৈমাসিক
সতর্কবার্তার নির্ভুলতা ও পুনরুদ্ধার একটি ভবিষ্যদ্বাণীমূলক সতর্কবার্তা বা স্কোরের জন্য সতর্কবার্তার যে অংশ ঠিক ছিল এবং ঘটনার যে অংশ ধরা পড়েছে নির্ভুলতা = প্রকৃত ইতিবাচক / (প্রকৃত ইতিবাচক + ভুল ইতিবাচক); পুনরুদ্ধার = প্রকৃত ইতিবাচক / (প্রকৃত ইতিবাচক + ভুল নেতিবাচক) শতাংশ ভবিষ্যদ্বাণীর লগ ও ফল ইনসিডেন্ট ব্যবস্থাপনা; ইভেন্ট ব্যবস্থাপনা মডেলের সম্পন্নের সংজ্ঞা মাসিক
পূর্বাভাসের ড্রিফট সংকেত একটি রেফারেন্স সময়কালের তুলনায় সময়ের সঙ্গে ভুলের বৃদ্ধি সর্বশেষ জানালায় পরম ভুলের মধ্যমান বিয়োগ রেফারেন্স জানালায় পরম ভুলের মধ্যমান, জানালার আকার বলা শতাংশ পয়েন্ট পূর্বাভাসের লগ ও প্রকৃত নিরন্তর উন্নয়ন; সামর্থ্য ব্যবস্থাপনা পরিদর্শন ও মানিয়ে নেওয়া মাসিক
পূর্বাভাস ও সিদ্ধান্তের সংযোগ একটি লিপিবদ্ধ সিদ্ধান্তে উদ্ধৃত পূর্বাভাসের অংশ সিদ্ধান্তের লগে উদ্ধৃত পূর্বাভাস / প্রকাশিত পূর্বাভাস শতাংশ সিদ্ধান্তের লগ ও পূর্বাভাসের লগ নিরন্তর উন্নয়ন; গভর্ন্যান্স পদক্ষেপের পর্যালোচনা ত্রৈমাসিক

পূর্বাভাসের ভুল ও আচ্ছাদন শুধু সেই পূর্বাভাসের জন্য গণনা হয় যাদের ফল জানা, তাই সাম্প্রতিক পূর্বাভাস তখন পর্যন্ত বাদ যায়। নির্ভুলতা ও পুনরুদ্ধার একটি ঘটনা কীভাবে সংজ্ঞায়িত তার ওপর নির্ভর করে, তাই ঘটনার সংজ্ঞা, যেমন "৪৮ ঘণ্টার মধ্যে ইনসিডেন্ট ঘটায় এমন পরিবর্তন", মেট্রিকের সঙ্গে বলা হয়।

সুপারিশ

সততার সঙ্গে পূর্বাভাস দিন

1. একক তারিখ নয়, পরিসর প্রকাশ করুন। একটি ঘোষিত সম্ভাবনায় একটি ব্যবধান দিন, যেমন "১২ থেকে ১৮ কর্মদিবসের মধ্যে, ৮৫ শতাংশ আস্থায়", এবং তার পেছনের অনুমান ব্যাখ্যা করুন। একটি একক সংখ্যা প্রতিশ্রুতিকে আমন্ত্রণ জানায়।

2. একটি পূর্বাভাসের লগ রাখুন। প্রতিটি পূর্বাভাস দেওয়ার সময় লিপিবদ্ধ করুন: পরিমাণ, মান বা পরিসর, তারিখ, পদ্ধতি ও অনুমান। জানা গেলে প্রকৃত যোগ করুন। লগ ছাড়া কোনো ট্র্যাক রেকর্ড নেই।

3. একটি সরল ভিত্তিরেখা দিয়ে শুরু করুন। যেকোনো নতুন পদ্ধতি একটি সরল পদ্ধতির সঙ্গে তুলনা করুন, যেমন আগের সময়কালের মান বা একটি সাম্প্রতিক গড়। একটি জটিল পদ্ধতি সময়ের সঙ্গে স্পষ্টভাবে তাকে না হারালে সরলটি রাখুন।

4. যে অনুমান পূর্বাভাস বাতিল করবে তা বলুন। চাহিদার একটি পূর্বাভাস ধরে নেয় কোনো বড় লঞ্চ, বিভ্রাট বা নতুন গ্রাহক গোষ্ঠী নেই। অনুমান সংখ্যার পাশে লিখুন, যাতে একজন পাঠক জানেন কখন অবিশ্বাস করতে হবে।

গুণমান মাপুন

5. আচ্ছাদন ও ক্যালিব্রেশন যাচাই করুন। ফল কত ঘন ঘন ব্যবধানের ভেতরে পড়ে গুনুন। একটি ৮৫ শতাংশ ব্যবধান ফল ধারণ করে কেবল অর্ধেক সময়ে হলে তা খুব সংকীর্ণ। ক্যালিব্রেশন গণনার সংখ্যাসহ প্রতিবেদন করুন, কারণ ছোট নমুনা কোলাহলপূর্ণ।

6. ভুল বণ্টন হিসেবে পড়ুন। ১০ শতাংশের মধ্যমান ভুল ৫০ শতাংশের মাঝেমধ্যের ফসকানো লুকাতে পারে যা সবচেয়ে বেশি গুরুত্বপূর্ণ। একটি উচ্চ পার্সেন্টাইল এবং সবচেয়ে বড় ফসকানো দেখান, এবং সেগুলো পর্যালোচনা করুন।

7. পরিমাপকে সিদ্ধান্তের খরচের সঙ্গে মেলান। একটি ভবিষ্যদ্বাণীমূলক সতর্কবার্তার জন্য ভুল সতর্কবার্তা ও ফসকানোর খরচ অনুযায়ী নির্ভুলতা বা পুনরুদ্ধার বাছুন। একটি জালিয়াতির সতর্কবার্তা ও একটি কম ঝুঁকির পাঠানোর পরামর্শের ভারসাম্য ভিন্ন।

8. ড্রিফটের দিকে নজর রাখুন। সাম্প্রতিক ভুলকে একটি রেফারেন্স সময়কালের সঙ্গে তুলনা করুন এবং বৃদ্ধি তদন্ত করুন। সাধারণ কারণ হলো একটি নতুন সেবা, বদলানো প্রক্রিয়া, নতুন টুলিং, বা তথ্য কীভাবে লিপিবদ্ধ হয় তার পরিবর্তন।

পূর্বাভাস ভালোভাবে ব্যবহার করুন

9. পূর্বাভাসকে সিদ্ধান্তের সঙ্গে যুক্ত করুন। বলুন একটি পূর্বাভাস কোন সিদ্ধান্তে তথ্য জোগায়, এবং সিদ্ধান্তের লগে কী সিদ্ধান্ত হলো লিপিবদ্ধ করুন। কেউ ব্যবহার করে না এমন পূর্বাভাস অবসর দিন।

10. পূর্বাভাসকে মানুষের লক্ষ্য থেকে দূরে রাখুন। ইনসিডেন্টের পরিমাণের একটি পূর্বাভাস ডেস্কের কোটা হয়ে উঠলে প্রতিবেদন বিকৃত হবে। পূর্বাভাসকে একটি ব্যবস্থা সম্পর্কে তথ্য ধরুন।

11. ভবিষ্যদ্বাণীর ওপর পদক্ষেপের জন্য একজন মানুষকে জবাবদিহি রাখুন। আইটেমে স্কোর দেওয়া মডেলের জন্য মালিক, একটি স্কোরে নেওয়া পদক্ষেপ, একজন মানুষ কীভাবে তা অগ্রাহ্য করতে পারেন এবং ভুল কীভাবে প্রতিবেদিত হয় নাম দিন। নমুনা ক্ষেত্র নিয়ে ভুল ইতিবাচক ও ভুল নেতিবাচক পর্যালোচনা করুন।

12. পক্ষপাত ও ক্ষতির দিকে নজর রাখুন। অতীত সিদ্ধান্তে প্রশিক্ষিত একটি মডেল তাদের পক্ষপাত পুনরাবৃত্তি করতে পারে। যেসব ব্যবহারকারী বা সেবার গোষ্ঠী ভিন্নভাবে ফল পায় তাদের জন্য ফল যাচাই করুন, এবং যাচাই কী দেখাতে পারে না প্রতিবেদন করুন। এই বই আইনি পরামর্শ দেয় না, তাই আপনার নিজের আইনি উপদেষ্টার সঙ্গে দায়িত্ব যাচাই করুন।

কারসাজির উপায় ও রক্ষাবেষ্টনী

মেট্রিক যেভাবে কারসাজি হয় জোড়া রক্ষাবেষ্টনী মেট্রিক বা চর্চা
পূর্বাভাস ব্যবধানের আচ্ছাদন আচ্ছাদন ভালো দেখাতে ব্যবধান প্রসারিত করা; কেবল সহজ পূর্বাভাস মূল্যায়ন আচ্ছাদনের সঙ্গে ব্যবধানের প্রস্থ প্রতিবেদন; সব লগ করা পূর্বাভাস মূল্যায়ন
পূর্বাভাসের ভুল ফলের ঠিক আগে পূর্বাভাস সংশোধন; মূল্যায়নের জানালা বাছা লগ করা মূল পূর্বাভাস ব্যবহার; জানালা আগে ঠিক করা
ভিত্তিরেখার বিপরীতে দক্ষতা দুর্বল ভিত্তিরেখা বাছা; মূল্যায়নের তথ্যে পদ্ধতি সুর বাঁধা ভিত্তিরেখা আগে একমত; সুর বাঁধায় ব্যবহৃত নয় এমন তথ্যে মূল্যায়ন
ক্যালিব্রেশনের ফাঁক কম পটি বা কম ক্ষেত্র ব্যবহার; ফাঁক লুকাতে পটি মেশানো প্রতি পটিতে ক্ষেত্রের সংখ্যা প্রতিবেদন; ন্যূনতম ক্ষেত্রের সংখ্যা
সতর্কবার্তার নির্ভুলতা ও পুনরুদ্ধার ঘটনার পরে ঘটনার নতুন সংজ্ঞা; পুনরাবৃত্তি গোনা ঘটনার সংজ্ঞা আগে ঠিক; পুনরাবৃত্তি সরান; সতর্কবার্তার নমুনা
পূর্বাভাসের ড্রিফট সংকেত রেফারেন্স সময়কাল পুনঃস্থাপন; ধীর ড্রিফট উপেক্ষা রেফারেন্স জানালা স্থির করে একটি সময়সূচিতে পর্যালোচনা
পূর্বাভাস ও সিদ্ধান্তের সংযোগ সিদ্ধান্তে প্রভাব ছাড়াই লগে পূর্বাভাস উদ্ধৃত করা কী বদলেছে জিজ্ঞাসা; এন্ট্রির নমুনা

একটি সুস্থ পাঠ হলো এমন ব্যবধান যা অযৌক্তিক প্রশস্ত না হয়ে ঘোষিত অংশের ফল ঢাকে, সরল ভিত্তিরেখা যাকে জটিল পদ্ধতি স্পষ্ট ব্যবধানে হারায়, ড্রিফট লক্ষ করা ও তদন্ত করা, এবং সিদ্ধান্তে উপস্থিত পূর্বাভাস।

ভারসাম্য: সুবিধা ও অসুবিধা

পদ্ধতি শক্তি দুর্বলতা
সরল ভিত্তিরেখার পূর্বাভাস ব্যাখ্যা ও রক্ষণাবেক্ষণ সহজ; অতিমাপন কঠিন ধরন ও পরিবর্তন ফসকায়
পরিসংখ্যানগত বা মেশিন লার্নিং মডেল আরও ধরন ধরে; আইটেম জুড়ে পরিসরে মাপে ব্যাখ্যা কঠিন; ড্রিফট; পর্যবেক্ষণ ও তথ্য লাগে
বিন্দু পূর্বাভাস জানানো সহজ ভুয়া নির্ভুলতা; প্রতিশ্রুতি আমন্ত্রণ
ব্যবধান পূর্বাভাস অনিশ্চয়তা নিয়ে সৎ জানানো কঠিনতর; অস্পষ্ট পড়া হতে পারে
বিশেষজ্ঞের বিচার মডেলের অভাব থাকা প্রেক্ষাপট ব্যবহার করে পক্ষপাতদুষ্ট; ট্র্যাক করা কঠিন

ব্যবহারিক উপসংহার হলো সরল দিয়ে শুরু করা, লগ রাখা, ব্যবধান দেখানো, এবং একটি ভিত্তিরেখার বিপরীতে জটিলতা তখনই যোগ করা যখন সে নিজের জায়গা অর্জন করে। বিচার ও মডেল একসঙ্গে কাজ করতে পারে যদি দুটিই লগ ও যাচাই করা হয়।

দলের সঙ্গে আলোচনার প্রশ্ন

1. আমাদের সর্বশেষ পূর্বাভাস কী ছিল, এবং তার ফল কী দাঁড়াল? বেশিরভাগ দল জানে না, কারণ পূর্বাভাস লগ করা হয় না। সংখ্যা, অনুমান এবং প্রকৃত চান। লক্ষ করুন চমকটি তথ্য থেকে এসেছিল না অনুমান থেকে। সেই উদাহরণ দিয়ে একটি পূর্বাভাসের লগ শুরু করে অনুসরণ করুন।

2. আমরা কোন পূর্বাভাসকে প্রতিশ্রুতি ধরি, এবং ভুল হলে দাম দেয় কে? লক্ষ্য হয়ে ওঠা পূর্বাভাস খুঁজুন, যেমন ডেলিভারির তারিখ বা পরিমাণের সংখ্যা। জিজ্ঞাসা করুন কে চাপ অনুভব করেন এবং তাঁরা কী করেন। পরিসর এবং তা জানাতে ব্যবহৃত ভাষা আলোচনা করুন। একটি প্রতিশ্রুতিকে অনুমানসহ পরিসর হিসেবে নতুন করে লিখে অনুসরণ করুন।

3. আমাদের ভবিষ্যদ্বাণীমূলক মডেল বা টুল কি "আগের সময়কালের মতো"-কে হারায়? বিক্রেতার দাবি নয়, তুলনা চান। দলগুলোর প্রায়ই কোনো ভিত্তিরেখা থাকে না। একই ক্ষেত্রে ন্যায্যভাবে কীভাবে তুলনা করবেন আলোচনা করুন। এক ত্রৈমাসিক ভিত্তিরেখা পাশাপাশি চালিয়ে অনুসরণ করুন।

4. একটি ভুল সতর্কবার্তায় আমাদের কত খরচ হয়, এবং একটি ফসকানোয় কত? এটি নির্ভুলতা ও পুনরুদ্ধারের মধ্যে ভারসাম্য ঠিক করে। প্রকৃত উদাহরণ চান। খরচ প্রায়ই ভিন্ন মানুষের জন্য ভিন্ন, যেমন একজন অন-কল প্রকৌশলী ও একজন গ্রাহক। কোন ভুল বেশি গুরুত্বপূর্ণ তাতে একমত হয়ে অনুসরণ করুন।

5. কী আমাদের পূর্বাভাস কাজ বন্ধ করাবে, এবং আমরা কি লক্ষ করতাম? একটি নতুন পণ্য, নতুন টুল বা তথ্য লিপিবদ্ধ করার ভিন্ন উপায়ের মতো পরিবর্তন আলোচনা করুন। ড্রিফট দেখাবে এমন সংকেত চান। একটি ড্রিফট যাচাই ও একজন মালিক যোগ করে অনুসরণ করুন।

6. একটি ভবিষ্যদ্বাণীর ওপর কে পদক্ষেপ নেন, এবং তিনি কি না বলতে পারেন? স্কোর দেওয়া আইটেমের জন্য জিজ্ঞাসা করুন কী ঘটবে কে ঠিক করেন। অগ্রাহ্য করার উপায় ছাড়া স্বয়ংক্রিয় পদক্ষেপ খুঁজুন। ভুল কীভাবে প্রতিবেদিত ও সংশোধিত হয় আলোচনা করুন। অগ্রাহ্য করার নিয়ম লিখে অনুসরণ করুন।

চারটি দৃষ্টিভঙ্গি

পণ্য ও ডেলিভারি দল

নিজেদের ইতিহাস থেকে পূর্বাভাস দিন এবং পরিসর দিন। পূর্বাভাস লগ করে প্রকৃতের সঙ্গে তুলনা করুন, এবং ইতিহাসকে দুর্বল পথনির্দেশক করা পরিবর্তন, যেমন একটি নতুন টুল বা দলের পরিবর্তন, চিহ্নিত করুন। দলের স্থানীয় পরিকল্পনার সংখ্যা দলগুলোর মধ্যে তুলনার বাইরে রাখুন।

সেবা ও পরিচালন দল

চাহিদা, সামর্থ্য ও ইনসিডেন্টের পূর্বাভাস কর্মী নিয়োগ ও প্রতিরোধে সাহায্য করে। কোটা ঠিক করতে নয়, পরিকল্পনা করতে এগুলো ব্যবহার করুন। কোলাহল বাড়ানো সতর্কবার্তার মডেলের দিকে নজর রাখুন, এবং মডেল সুর বাঁধা যায় সেজন্য ভুল ইতিবাচক প্রতিবেদন করুন।

নেতৃত্ব ও গভর্ন্যান্স

শুধু মান নয়, একটি পূর্বাভাসের পেছনের ট্র্যাক রেকর্ড এবং ব্যবধান চান। পূর্বাভাসকে মানুষের লক্ষ্যে পরিণত করা এড়ান। পরিচালনায় ব্যবহৃত ভবিষ্যদ্বাণীমূলক মডেলের জন্য মালিক, অগ্রাহ্য করার নিয়ম এবং পক্ষপাতের যাচাই চান।

গ্রাহক ও ব্যবহারকারী

আপনি পূর্বাভাসের প্রভাব অনুভব করেন অপেক্ষা, বিভ্রাট এবং আপনার সম্পর্কে নেওয়া সিদ্ধান্ত হিসেবে। জিজ্ঞাসা করুন আপনাকে প্রভাবিত করা ভবিষ্যদ্বাণী কীভাবে যাচাই হয় এবং আপনি কীভাবে একটিতে আপত্তি জানাতে পারেন। ভুল ফল নিয়ে আপনার প্রতিবেদন মডেলের দরকারি প্রতিক্রিয়ার অংশ।

বাস্তবে: সেবা ব্যবস্থাপনার একটি উদাহরণ

একটি আঞ্চলিক সরকারি সংস্থার আইটি সার্ভিস ডেস্ক কর্মী নিয়োগ পরিকল্পনা করতে সাপ্তাহিক টিকিটের পরিমাণের পূর্বাভাস দেয়। এই উদাহরণের সংখ্যা দৃষ্টান্তমূলক। একটি বিক্রেতার টুল মেশিন লার্নিং পূর্বাভাস দেয়, এবং ব্যবস্থাপক জানতে চান এটি গ্রহণ করবেন কি না।

দল একটি পূর্বাভাসের লগ শুরু করে। দশ সপ্তাহ ধরে তারা প্রতি সপ্তাহের জন্য তিনটি পূর্বাভাস লিপিবদ্ধ করে: বিক্রেতার বিন্দু পূর্বাভাস, একটি সরল ভিত্তিরেখা (গত চার সপ্তাহের গড়) এবং ভিত্তিরেখার সাম্প্রতিক ভুল থেকে একটি পরিসর। পরে তারা প্রতিটির পূর্বাভাসের ভুল গণনা করে। বিক্রেতার মধ্যমান ভুল ১১ শতাংশ এবং ভিত্তিরেখার ১৩ শতাংশ, তাই ভিত্তিরেখার বিপরীতে দক্ষতা ১৫ শতাংশ। বিক্রেতার ৮৫তম পার্সেন্টাইল ভুল ৩৮ শতাংশ, সংস্থার ঘোষণার সপ্তাহগুলোতে বড় ফসকানোসহ, যা টুল যে তথ্য ব্যবহার করে তাতে নেই।

দল বিক্রেতার পূর্বাভাস একটি ইনপুট হিসেবে গ্রহণ করে, জানা ঘটনার জন্য একটি ঘর যোগ করে এবং অতীত ভুলের ওপর ভিত্তি করে একটি পরিসর প্রকাশ করে। ঘোষিত ৮৫ শতাংশ পরিসরের জন্য পূর্বাভাস ব্যবধানের আচ্ছাদন দশ সপ্তাহে প্রায় ৮০ শতাংশ, ছোট গণনাসহ, তাই তারা এই সতর্কতাসহ প্রতিবেদন করে যে দশটি ক্ষেত্র অল্প। তারা একটি ড্রিফট যাচাইও বসায় যা ভুলের সর্বশেষ আট সপ্তাহকে প্রথম আটটির সঙ্গে তুলনা করে।

একটি কারসাজির ঝুঁকি দেখা দেয়। একজন দলনেতা লক্ষ করেন পূর্বাভাস কর্মী নিয়োগ ঠিক করতে ব্যবহৃত হয় এবং পরামর্শ দেন পূর্বাভাসে একটি বাফার যোগ করতে যাতে দল ভালোভাবে কর্মীসম্পন্ন দেখায়। দল পূর্বাভাস সৎ রাখে এবং কর্মী নিয়োগের বাফার আলাদা সিদ্ধান্ত হিসেবে লিপিবদ্ধ করে। যা কঠিন থেকে যায়: টুল দেখতে পায় না এমন ঘটনা এখনও বড় ফসকানো ঘটায়, এবং দশ সপ্তাহের তথ্য ক্যালিব্রেশন বিচারের জন্য যথেষ্ট নয়। পরিকল্পনা একটি দীর্ঘতর সময়ের পরে আবার পর্যালোচনা করা।

এজাইল, এআই, অটোমেশন ও বিশ্লেষণ

এজাইল

ছোট পরিকল্পনার চক্র একটি দলকে প্রায়ই পূর্বাভাস যাচাই এবং অংশীজনদের সঙ্গে সংশোধন করতে দেয়। একটি ভালো চর্চা হলো দলের নিজের থ্রুপুট থেকে পরিসরসহ পূর্বাভাস দেওয়া এবং নিয়মিত উন্নয়নের আলাপে ট্র্যাক রেকর্ড পর্যালোচনা করা। সতর্কতা হলো, প্রতিশ্রুতি হিসেবে ধরা পূর্বাভাস কাজে বাড়তি বাফার, লুকানো বা ভাগ করায় নিয়ে যায়।

এআই

মেশিন লার্নিং মডেল ও এআই সহকারী নির্ভুলতার চেহারাসহ পূর্বাভাস ও ঝুঁকির স্কোর তৈরি করতে পারে। একটি ভিত্তিরেখার সঙ্গে তুলনা করুন, একজন মালিক রাখুন, নমুনা নিয়ে ক্যালিব্রেশন এবং ভুল ইতিবাচক ও নেতিবাচক হার যাচাই করুন, এবং একটি স্কোরের ওপর নেওয়া পদক্ষেপের জন্য একজন মানুষকে জবাবদিহি রাখুন (বিষয় 10.5, এআই গভর্ন্যান্স ও ঝুঁকির মেট্রিক দেখুন)। সতর্কতা হলো, এআই-তৈরি পূর্বাভাস ব্যবধান ও ঘোষিত অনুমান ছাড়া একটি আত্মবিশ্বাসী সংখ্যা দিতে পারে, তাই দুটিই চান।

অটোমেশন

পূর্বাভাসের লগ, প্রকৃত সংগ্রহ এবং ভুল ও আচ্ছাদনের গণনা স্বয়ংক্রিয় করুন, যাতে ট্র্যাক রেকর্ড নিজে নিজে গড়ে ওঠে। ভবিষ্যদ্বাণীর পর স্বয়ংক্রিয় পদক্ষেপ তাদের ভুল পদক্ষেপে মাপুন। সতর্কতা হলো, সামর্থ্য বাড়ানো বা পেজ করার মতো পূর্বাভাসে কাজ করা অটোমেশন পূর্বাভাসের ভুল ব্যবহারকারীদের কাছে দৃশ্যমান করে, তাই সীমা ও পর্যালোচনা যোগ করুন।

বিশ্লেষণ

এই বিষয় পূর্বাভাসের বিশ্লেষণ: ভুল বণ্টন হিসেবে, আচ্ছাদন গণনাসহ এবং ড্রিফট ব্যবহৃত জানালাসহ দেখান। এটি যে সিদ্ধান্তে তথ্য জোগায় তা হলো একটি পূর্বাভাসকে কতটা বিশ্বাস করবেন এবং কখন পদ্ধতি বদলাবেন। সতর্কতা হলো, ছোট নমুনা অস্থির ক্যালিব্রেশন দেয়, তাই প্রতিটি সংখ্যার পেছনের পূর্বাভাসের সংখ্যা বলুন (বিষয় 10.8, বিশ্লেষণ ও তথ্যের মানের মেট্রিক দেখুন)।

খাতভিত্তিক দৃষ্টিকোণ

স্টার্টআপ। ইতিহাস সংক্ষিপ্ত আর সেবা প্রায়ই বদলায়, তাই পূর্বাভাস দুর্বল। সরল ভিত্তিরেখা ও বিস্তৃত পরিসর ব্যবহার করুন, এবং একটি সংক্ষিপ্ত লগ রাখুন। তথ্য থাকার আগে পূর্বাভাসের টুল কেনা এড়ান।

ছোট ব্যবসা। ঋতুগততা ও কয়েকজন বড় গ্রাহক প্রভাব ফেলে। ভিত্তিরেখা হিসেবে গত বছরের একই সময়কাল ব্যবহার করুন, এবং ধরন ভাঙা ঘটনা নোট করুন। নির্ভুলতা দাবি করা বিক্রেতার পূর্বাভাসে সতর্ক থাকুন।

এন্টারপ্রাইজ। দল জুড়ে অনেক পূর্বাভাসে একটি সাধারণ লগ ও সংজ্ঞা লাগে। দল জুড়ে পদ্ধতি ন্যায্যভাবে তুলনা করুন এবং পূর্বাভাসের নির্ভুলতায় দলকে ক্রম দেওয়া এড়ান। একটি সময়সূচিতে মডেলের ড্রিফট পর্যালোচনা করুন।

সরকার ও জনসেবা খাত। পূর্বাভাস প্রায়ই সর্বজনীন বাজেট ও কর্মী নিয়োগের সিদ্ধান্ত সমর্থন করে। পদ্ধতি ও অনুমান নথিভুক্ত করুন, এবং মানুষকে প্রভাবিত করা স্বয়ংক্রিয় সিদ্ধান্তের নিয়ম যাচাই করুন। নীতির পরিবর্তনের মতো বাইরের ঘটনা যা তথ্য ভাঙে তার পরিকল্পনা করুন (বিষয় 8.5, নিয়ন্ত্রক ও সরকারি প্রতিবেদন দেখুন)।

ব্যবসায়িক যুক্তি: প্রেরণা, ROI ও TCO

খরচ হলো তথ্যের কাজ, পূর্বাভাসের লগ, ব্যবহৃত হলে মডেলিংয়ের টুল, পর্যালোচনার সময় এবং ড্রিফটের জন্য মডেল পর্যবেক্ষণ। একটি লগ এবং একটি সরল ভিত্তিরেখা দিয়ে শুরু করতে খুব সামান্য খরচ।

প্রতিদান হলো ভালো পরিকল্পনা: প্রয়োজনের আগে পৌঁছানো সামর্থ্য, চাহিদার সঙ্গে মেলা কর্মী নিয়োগ এবং কম চমক। এটি আরোপ করা কঠিন, তাই কোনো সংখ্যা দাবি করা এড়ান। সময়ের সঙ্গে একটি পূর্বাভাস পদ্ধতির খরচ ও ভুল ভিত্তিরেখার সঙ্গে তুলনা করুন, এবং অনুমান পরিসর হিসেবে বলুন (বিষয় 7.7, বিনিয়োগে প্রতিদান ও ব্যবসায়িক যুক্তি দেখুন)। ঝুঁকির দিকে আছে ড্রিফট করা মডেলের ওপর অতিনির্ভরতার খরচ এবং ভুয়া নির্ভুলতায় নেওয়া সিদ্ধান্ত।

অ্যান্টি-প্যাটার্ন ও ফাঁদ

  • প্রতিশ্রুতি হিসেবে ধরা একক-সংখ্যার পূর্বাভাস। এগুলো বাফার ও দোষারোপ তৈরি করে। অনুমানসহ পরিসর প্রকাশ করুন।
  • পূর্বাভাসের লগ নেই। শেখার উপায় নেই। পূর্বাভাস ও প্রকৃত লিপিবদ্ধ করুন।
  • ভিত্তিরেখা ছাড়া মডেল কেনা। লাভ অজানা। "আগের সময়কালের মতো"-র সঙ্গে তুলনা করুন।
  • প্রশিক্ষণের তথ্যে নির্ভুলতা বিচার। এটি মডেলকে তোষামোদ করে। পরের তথ্যে মূল্যায়ন করুন।
  • ভুল ইতিবাচক উপেক্ষা। কোলাহলপূর্ণ ভবিষ্যদ্বাণী মানুষকে সেগুলো উপেক্ষা করতে শেখায়। নির্ভুলতা ও পুনরুদ্ধার প্রতিবেদন করুন।
  • মানুষের লক্ষ্য হিসেবে পূর্বাভাস। এগুলো তথ্য বিকৃত করে। পরিকল্পনার জন্য ব্যবহার করুন।
  • ড্রিফটের যাচাই নেই। মডেল নীরবে ক্ষয় হয়। সময়ের সঙ্গে ভুল নজরে রাখুন।
  • মানুষ মালিক ছাড়া ভবিষ্যদ্বাণী। ভুল পদক্ষেপের উত্তর দেওয়ার কেউ নেই। একজন মালিক ও অগ্রাহ্য করার নিয়মের নাম দিন।

পরিপক্বতার মডেল

মাত্রা 1 সূচনা 2 বিকাশ 3 মানসম্মত 4 পরিচালিত 5 সুসমন্বিত
পূর্বাভাসের চর্চা একক সংখ্যা; কোনো রেকর্ড নেই কিছু পরিসর; অনানুষ্ঠানিক নোট পরিসর, অনুমান ও প্রকৃতসহ পূর্বাভাসের লগ ভুল, আচ্ছাদন ও ভিত্তিরেখা ছন্দে তুলনা পরীক্ষার মাধ্যমে পূর্বাভাস ও পদ্ধতি উন্নত এবং দল জুড়ে ভাগ
ভবিষ্যদ্বাণীমূলক মডেল বিক্রেতার দাবি গৃহীত ভিত্তিরেখার সঙ্গে তুলনা করা পাইলট প্রতি মডেলে মালিক, মূল্যায়ন ও অগ্রাহ্য করার নিয়ম ড্রিফট, নির্ভুলতা ও পুনরুদ্ধার নজরে তত্ত্বাবধান ও অবসরসহ মডেলের জীবনচক্র পরিচালিত
সিদ্ধান্তে ব্যবহার প্রতিশ্রুতি হিসেবে পূর্বাভাস সিদ্ধান্ত-গ্রহণকারীদের পূর্বাভাস দেখানো পূর্বাভাস একটি লগে সিদ্ধান্তের সঙ্গে যুক্ত পূর্বাভাসের ফলের বিপরীতে সিদ্ধান্ত পর্যালোচিত সিদ্ধান্ত পূর্বাভাসের অনিশ্চয়তার সঙ্গে মানিয়ে নেয়

চেকলিস্ট

  • একটি পূর্বাভাসের লগ পরিমাণ, মান বা পরিসর, তারিখ, পদ্ধতি ও অনুমান লিপিবদ্ধ করে।
  • প্রকৃত যোগ করা হয় এবং পূর্বাভাসের ভুল বণ্টন হিসেবে প্রতিবেদিত।
  • যেকোনো জটিল পূর্বাভাসের পাশে একটি সরল ভিত্তিরেখা চালানো হয়।
  • ব্যবধানের আচ্ছাদন ব্যবধানের প্রস্থ ও ক্ষেত্রের সংখ্যাসহ প্রতিবেদিত।
  • ভবিষ্যদ্বাণীমূলক সতর্কবার্তা একটি স্থির ঘটনার সংজ্ঞার বিপরীতে নির্ভুলতা ও পুনরুদ্ধার প্রতিবেদন করে।
  • ড্রিফট একটি স্থির রেফারেন্স জানালার বিপরীতে যাচাই হয়।
  • প্রতিটি ভবিষ্যদ্বাণীমূলক মডেলের একজন মালিক, অগ্রাহ্য করার নিয়ম এবং পর্যালোচনার তারিখ আছে।
  • পূর্বাভাস একটি সিদ্ধান্তের লগে সিদ্ধান্তের সঙ্গে যুক্ত।
  • পূর্বাভাস ব্যক্তিগত লক্ষ্য হিসেবে ব্যবহৃত নয়।
  • প্রতিটি মেট্রিকের পাশে একটি কারসাজির উপায় ও রক্ষাবেষ্টনী দেখানো।

এআই প্রম্পট

একটি পূর্বাভাসের লগ ও ভিত্তিরেখা নকশা করুন।

আমরা [উদ্দেশ্য]-এর জন্য [পরিমাণ]-এর পূর্বাভাস দিই। আমাদের তথ্য [ইতিহাস ও উৎসের বিবরণ]। ঘরসহ একটি পূর্বাভাসের
লগ, একটি সরল ভিত্তিরেখা পদ্ধতি এবং পরে ভুল ও ব্যবধানের আচ্ছাদন কীভাবে গণনা করবেন প্রস্তাব করুন। প্রত্যাশিত
নির্ভুলতা উদ্ভাবন করবেন না। অনুমান চিহ্নিত করুন, এবং তথ্য সম্পর্কে আমার উত্তর দেওয়া উচিত প্রশ্ন তালিকা করুন।

একটি ভিত্তিরেখার বিপরীতে একটি পূর্বাভাস পদ্ধতি মূল্যায়ন করুন।

নিচে [সময়কাল]-এর লগ করা পূর্বাভাস ও প্রকৃত: [ব্যক্তিগত তথ্য ছাড়া তথ্য পেস্ট করুন], পাশে একটি ভিত্তিরেখা পূর্বাভাস
সহ। প্রতিটির জন্য পরম শতাংশ ভুলের মধ্যমান ও ৮৫তম পার্সেন্টাইল, ব্যবধান দেওয়া থাকলে ব্যবধানের আচ্ছাদন এবং
ভিত্তিরেখার বিপরীতে দক্ষতা গণনা করুন। তথ্যের বাইরে অনুমান করবেন না। ক্ষেত্রের সংখ্যা বলুন, আপনি কী বিচার করতে
পারেননি বলুন এবং আপনার অনুমান তালিকা করুন।

একটি ভবিষ্যদ্বাণীমূলক মডেলের তত্ত্বাবধান পর্যালোচনা করুন।

আমরা এমন একটি মডেল ব্যবহার করি যা [কী ভবিষ্যদ্বাণী করে ও কোন পদক্ষেপ অনুসরণ করে বর্ণনা করুন]। এর তত্ত্বাবধানের
একটি পর্যালোচনার খসড়া করুন: মালিক, যে মূল্যায়নের প্রমাণ আমাদের চাওয়া উচিত, ভুল কীভাবে প্রতিবেদিত হয়, অগ্রাহ্য
করার নিয়ম, ড্রিফটের যাচাই এবং পক্ষপাত নিয়ে প্রশ্ন। আইনি প্রয়োজন নিয়ে দাবি করবেন না; আমাদের আইনি উপদেষ্টার জন্য
প্রশ্ন তালিকা করুন। অনুমান চিহ্নিত করুন।

পূর্বাভাসের পরিমাপের কারসাজির ঝুঁকি পর্যালোচনা করুন।

আমরা এই পূর্বাভাসের পরিমাপ প্রতিবেদন করি: [পরিমাপ ও সংজ্ঞা পেস্ট করুন]। প্রেক্ষাপট: [দলের আকার, টুল, শ্রোতা]।
প্রতিটি পরিমাপের জন্য পূর্বাভাস উন্নত না করেও তা ভালো দেখানোর বাস্তবসম্মত উপায় তালিকা করুন, একটি রক্ষাবেষ্টনী
প্রস্তাব করুন এবং সেই রক্ষাবেষ্টনী কীভাবে কারসাজি করা যায় বলুন। মানদণ্ডের মান উদ্ভাবন করবেন না। আপনার অনুমান
তালিকা করুন।

এআই স্কিল

  • Demand forecasting: পরিসরসহ একটি চাহিদার পূর্বাভাস গড়তে ও যাচাই করতে ব্যবহার করুন।
  • Trend analysis: পূর্বাভাসের আগে প্রবণতা ও পরিবর্তন পরীক্ষা করতে ব্যবহার করুন।
  • Machine learning model card: একটি ভবিষ্যদ্বাণীমূলক মডেলের উদ্দেশ্য, তথ্য ও সীমা নথিভুক্ত করতে ব্যবহার করুন।
  • Service Management Metrics skill: একটি মেট্রিক এবং তার জোড়া রক্ষাবেষ্টনী যে বিষয়ে আছে তা খুঁজে পেতে ব্যবহার করুন।

মূল শিক্ষা

  • একটি পূর্বাভাস হলো ট্র্যাক রেকর্ডসহ একটি পরিসর, তাই পূর্বাভাস লগ করে প্রকৃতের সঙ্গে তুলনা করুন।
  • যেকোনো মডেল একটি সরল ভিত্তিরেখার সঙ্গে তুলনা করুন, এবং জটিলটি তাকে স্পষ্টভাবে হারালে তবেই রাখুন।
  • পেছনের ক্ষেত্রের সংখ্যাসহ ব্যবধানের আচ্ছাদন ও ক্যালিব্রেশন যাচাই করুন।
  • একটি ভুল সতর্কবার্তা ও একটি ফসকানোর খরচ অনুযায়ী নির্ভুলতা বা পুনরুদ্ধার বাছুন।
  • পূর্বাভাসকে মানুষের লক্ষ্যে পরিণত করবেন না, এবং একটি ভবিষ্যদ্বাণীর ওপর নেওয়া পদক্ষেপের জন্য একজন মানুষকে জবাবদিহি রাখুন।

তথ্যসূত্র ও আরও পড়ার জন্য

  1. Wikipedia, Forecasting.
  2. Wikipedia, Prediction interval.
  3. Wikipedia, Machine learning.
  4. Wikipedia, Concept drift.
  5. Wikipedia, Precision and recall.
  6. Wikipedia, Capacity planning.
  7. Hyndman, R. J., and Athanasopoulos, G., Forecasting: Principles and Practice, 3rd edition, OTexts, 2021, https://otexts.com/fpp3/