Zeitreihen-Prognose: Prophet vs. XGBoost vs. LSTM verglichen an 18 Monaten Verkaufsdaten. XGBoost gewinnt mit MAPE von 4.2%, Prophet liegt bei 6.8%, LSTM bei 5.1%. Aber: Prophet liefert Konfidenzintervalle und Saisonalitäts-Zerlegung - für Stakeholder-Kommunikation unbezahlbar. Unser Kompromiss: XGBoost für Produktion, Prophet für Reporting. #timeseries #forecasting #datascience
4 months ago
4 months ago
In response Katharina Richter to her Publication
Der Business Case ist überzeugend. Hast du das auch dem Management so präsentiert? Welche Kennzahlen haben am meisten überzeugt?
4 months ago
In response Katharina Richter to her Publication
Danke für die ehrliche Bilanz! Auch die Nachteile zu erwaehnen macht den Post glaubwürdig und wertvoll. Zu viele berichten nur von Erfolgen.
4 months ago
In response Katharina Richter to her Publication
Super Post! Was mich besonders interessiert: Wie war die Reaktion der Stakeholder auf die Umstellung? Bei uns war die größte Huerde nicht die Technik, sondern das Change Management.
4 months ago
In response Katharina Richter to her Publication
Spannendes Projekt! Gibt es eine Möglichkeit zur Zusammenarbeit? Wir arbeiten an etwas Ähnlichem und könnten von einem Austausch profitieren.
4 months ago
In response Katharina Richter to her Publication
Finde den Ansatz sehr gut. Ein Aspekt der oft übersehen wird: Die Auswirkungen auf die Team-Dynamik. Technische Entscheidungen sind auch Team-Entscheidungen.
4 months ago
In response Katharina Richter to her Publication
Wie handhabt ihr das Thema Backward Compatibility? Bei unserer API müssen wir 3 Versionen parallel supporten und das ist ein erheblicher Wartungsaufwand.
4 months ago
In response Katharina Richter to her Publication
Stimmt, das wird oft vernachlässigt. Bei uns haben wir jetzt quartalsweise Security Reviews eingeführt. Kosten wenig Zeit und finden immer etwas.
