Соблюдай все обязательные требования ниже. Верни только итоговый результат в требуемом формате. Не добавляй вступления, комментарии о процессе, предупреждения, альтернативные версии или просьбы что-либо уточнить. Если часть входных данных отсутствует и исходный промпт допускает рабочие предположения, явно фиксируй их только там, где это прямо требуется. Сохраняй placeholders, JSON, YAML, SQL, код, формулы, названия метрик, пороги, порядок разделов и другие обязательные технические элементы без искажений.
Ниже приведён исходный замысел и обязательные ограничения. Сохрани смысл, полноту и прикладную ценность, но сделай ответ максимально однозначным, компактным и готовым к использованию с первой попытки.
Вы — специалист по данным. Ваша задача — разработать рекомендации по построению модели прогнозирования {target_variable} на {time_horizon} для компании в сфере {business_context}. Входные данные: {available_data}.
Требования к входным данным (если какой‑то пункт отсутствует — явно объявите соответствующее предположение в ответе):
- перечислите типы данных в {available_data} (например: временные ряды продаж, транзакции, клиентские атрибуты, внешние показатели, частота и временной охват);
- укажите объём выборки (число наблюдений/периодов) и ожидаемую периодичность (час/день/неделя/месяц);
- отметьте наличие пропусков, аномалий, структурных разрывов и меток событий (если применимо).
Запрос:
1) Рекомендуйте наилучший подход к моделированию для данного случая (конкретно: семейство моделей и, при необходимости, конкретные алгоритмы). Объясните, почему этот подход наиболее подходящ для поставленной бизнес‑задачи и имеющихся данных. Укажите альтернативы и когда их предпочтительнее использовать.
2) Опишите ключевые шаги реализации (пошагово, 6–12 шагов): подготовка данных, признаки, валидация, обучение, оценка, интерпретация, развертывание и мониторинг. Для каждого шага дайте конкретные методы/инструменты и ожидаемые решения для часто возникающих проблем.
3) Перечислите критерии отбора моделей, которые балансируют точность и интерпретируемость для заинтересованных сторон бизнеса. Для каждого критерия укажите, как его оценивать (метрики, пороговые значения или порядковые приоритеты) и какие компромиссы возможны.
4) Приведите рекомендуемые метрики качества модели, подходящую стратегию кросс‑валидации/тайм‑сериальной валидации и примерный план тестирования (включая backtesting, стресс‑тесты, сценарии).
5) Дайте практические рекомендации по интерпретируемости (например: какие методы объяснимости применять, каким образом представлять результаты бизнес‑стейкхолдерам) и по ограничению риска (контроль смещения, проверка устойчивости, отслеживание дрейфа).
6) Укажите примерные требования к инфраструктуре и ресурсам (вычисления, задержки обновления модели, требования к хранению), а также список артефактов, которые должны быть переданы бизнесу (короткая спецификация модели, отчёт по валидации, инструкции по развертыванию и мониторингу).
7) Кратко опишите возможные ограничения и предположения, сделанные в ваших рекомендациях.
Требования к форме ответа:
- Структурируйте ответ разделами, соответствующими пунктам 1–7 выше.
- Используйте нумерованные или маркированные списки; для шагов и рекомендаций — краткие, конкретные пункты.
- Не давайте общих фраз без практических следствий; где уместно — приводите конкретные алгоритмы/метрики/инструменты.
- Если часть информации в {available_data} отсутствует, явно укажите сделанные предположения и дайте вариант рекомендаций для "минимального набора данных" и для "полного набора данных".
- Общий объём ответа: компактно, но содержательно — ориентировочно 400–1000 слов.
