Панели мониторинга Agentic для моделей маркетингового микса: Decision Lens от PyMC Labs

Маркетинговые команды неделями ждут ответов от специалистов по анализу данных на дополнительные вопросы о своих моделях. А что если бы заинтересованные стороны могли задавать эти вопросы напрямую? Этот вебинар покажет, как интерактивные панели мониторинга заменяют медленный цикл итераций между командами специалистов по анализу данных и лицами, принимающими бизнес-решения, используя модели маркетингового микса в качестве полигона для проверки. Лука Фиаски и Эндрю Хеуссер расскажут о Decision Lens, интерактивной панели мониторинга, которая работает поверх построенных байесовских моделей и позволяет заинтересованным сторонам в режиме реального времени проводить оптимизацию бюджета, сценарный анализ и моделирование сценариев «что если», со встроенной проверкой для предотвращения получения искаженных данных. Ресурсы: Блог PyMC Labs о Decision Lens: https://www.pymc-labs.com/blog-posts/... Технический блог Луки об интерфейсах агент-модель: https://lucafiaschi.com/blog/posts/ta... Присоединяйтесь к сообществу Decision AI в Discord:   / discord   Контакт: info@pymc-labs.com PyMC Labs: https://www.pymc-labs.com/ Разделы: 0:00 Введение и настройка Discord 2:13 Проблема: специалисты по данным как человеческие API 4:50 Почему агенты ИИ решают проблему перевода 7:38 Узкое место — доступ, а не построение модели 9:38 Статические дашборды терпят крах Краткое содержание 10:44 Стек решений на основе ИИ: Лаборатория принятия решений + Линза принятия решений 11:43 Почему универсальных программ магистратуры недостаточно 13:40 Почему моделирование маркетингового микса? 16:06 Начало демонстрации Decision Lens 18:03 Обзор панели управления и взаимодействие с агентами 20:35 Оптимизация бюджета с учетом бизнес-ограничений 22:40 Макет панели управления: KPI, аналитика и диаграммы 24:29 Результаты оптимизации и анализ каналов 26:04 Понимание рекомендаций 27:21 Карточки аналитики и обмен ими 29:08 Старый и новый подходы 30:46 Архитектура, готовая к использованию в корпоративной среде 32:14 Оставшиеся проблемы: границы взаимодействия с агентами и управление изменениями 34:11 За пределами MMM: прогнозирование, причинно-следственный анализ, LTV, ценообразование 36:44 Программа партнерства в области проектирования 37:57 Вопросы и ответы: Развертывание на Databricks 39:23 Вопросы и ответы: Насколько детерминированы результаты? 41:41 Вопросы и ответы: Системная архитектура и проектирование многоагентных систем 43:21 Вопросы и ответы: Статус открытого исходного кода 45:18 Вопросы и ответы: Меры предосторожности против галлюцинаций 47:00 Вопросы и ответы: Линза принятия решений и курс по агентной науке о данных 48:28 Вопросы и ответы: Доступность SaaS и корпоративное развертывание 50:43 Вопросы и ответы: Совместимость поставщиков моделей 53:24 Вопросы и ответы: Сценарное планирование и анализ «что если» 55:07 Заключительные замечания