OMEN

Καλώς ήρθατε στο ΟΜΕΝ!

Αν είστε ήδη εξοικειωμένος με την εφαρμογή μπορείτε να την επισκεφτείτε εδώ http://omen-project.eu. Αντίθετα, μπορείτε να ρίξετε μία γρήγορη ματιά στις παρακάτω πληροφορίες.

Τι είναι το OMEN;

Το OMEN είναι μία web-based εφαρμογή εξαγωγής προβλέψεων η οποία αναπτύσσεται από τη Μονάδα Προβλέψεων και Στρατηγικής. Σκοπός της είναι να βοηθήσει ειδικούς, επαγγελματίες και φοιτητές που ασχολούνται με τον κλάδο να αξιοποιήσουν βασικές και προηγμένες τεχνικές για την επίλυση καθημερινών προβλημάτων πρόβλεψης με έναν άμεσο και συστηματικό τρόπο.

Ποια είναι η φιλοσοφία του OMEN;

Τα συστήματα υποστήριξης προβλέψεων (ΣΥΠ) χρησιμοποιούνται ευρέως προκειμένου να διευκολύνουν τη διαδικασία εξαγωγής προβλέψεων και να υποστηρίξουν σημαντικές αποφάσεις σε επιχειρήσεις και οργανισμούς. Παρόλο που αυτά έχουν βελτιωθεί σημαντικά με το πέρασμα του χρόνου, μπορεί κανείς ακόμα να εντοπίσει αρκετά τρωτά τους σημεία σε τρεις βασικές διαστάσεις:

  • Τεχνολογία
  • Προσαρμοστικότητα
  • Πολυπλοκότητα

Ως μονάδα προβλέψεων πιστεύουμε ακράδαντα πως είναι η ώρα να αντιμετωπίσουμε τα εν λόγω προβλήματα και να προάγουμε τα ΣΥΠ μέσα από σύγχρονες λύσεις. Με αυτόν το γνώμονα αναπτύσσουμε το OMEN το οποίο αναδεικνύει πώς μέσω της χρήσης τεχνολογιών ελεύθερου λογισμικού μπορεί κανείς να κατασκευάσει ένα ισχυρό ΣΥΠ προσφέροντας αρκετά πλεονεκτήματα έναντι έτοιμων εμπορικών λύσεων, τόσο σε τεχνολογικό όσο και σε μεθοδολογικό επίπεδο. Έτσι, μέσω του OMEN παρουσιάζουμε τους περιορισμούς των τυπικών ΣΥΠ και εξηγούμε πώς κάποια από τα χαρακτηριστικά του μπορούν να αξιοποιηθούν για τη βελτίωσή τους στο μέλλον.
Πιο συγκεκριμένα το OMEN είναι ένα πλήρως προσαρμόσιμο ΣΥΠ, web-based αρχιτεκτονικής, το οποίο διαθέτει μοντέρνες και αποδοτικές διεπαφές. Αξιοποιεί αποκλειστικά τεχνολογίες ελεύθερου λογισμού (R & Shiny) και υποστηρίζει τις πλέον πρόσφατες μεθόδους και τεχνικές παραγωγής προβλέψεων. Έτσι, η εφαρμογή μπορεί άμεσα και εύκολα να μεταβληθεί βάσει των αναγκών της εκάστοτε επιχείρησης προσφέροντας πολλαπλή και 24ωρη πρόσβαση στους χρήστες της από οποιαδήποτε συσκευή (Η/Υ, κινητό ή ταμπλέτα). Οι διεπαφές του OMEN είναι απλοποιημένες ούτως ώστε να γίνονται κατανοητές οι λειτουργίες που υποστηρίζει, ενώ συνοδεύεται και από σχετικές επεξηγήσεις για την καλύτερη πλοήγηση των χρηστών. Επιπλέον, η διαδικασία της πρόβλεψης (συλλογή, επεξεργασία, ανάλυση και προέκταση χρονοσειρών) γίνεται σε διακριτά βήματα, διευκολύνοντας και απλουστεύοντάς την. Οι κλασικές και οι πλέον πρόσφατες μέθοδοι πρόβλεψης χρονοσειρών συνεχούς και διακοπτόμενης ζήτησης γίνονται άμεσα διαθέσιμες μέσα από έτοιμες συναρτήσεις της κοινότητας R, η οποία περιλαμβάνει τόσο ακαδημαϊκούς και ερευνητές, όσο και επαγγελματίες του χώρου.

  • input
  • analysis
  • decompose
  • forecast
  • judjmental
  • errors

Τι προσφέρει το OMEN;

  • Home: Δημιουργήστε έναν λογαριασμό (ή συνδεθείτε αν είστε ήδη χρήστης) προκειμένου να ανεβάσετε και να επεξεργαστείτε δεδομένα της επιλογής σας ή να τα αποθηκεύσετε για μετέπειτα χρήση.
  • Import Time Series: Εισάγεται τα δεδομένα σας στο σύστημα για να τα προεκτείνεται μέσω του OMEN.
  • Statistics: Εφαρμόστε μία πρώτη στατιστική ανάλυση στα δεδομένα σας για να επιθεωρήσετε τις βασικές τους ιδιότητες.
  • Transformations: Σε περίπτωση υψηλής διακύμανσης στα δεδομένα σας, εξετάστε το ενδεχόμενο εφαρμογής μετασχηματισμών για την κανονικοποίησή τους και τον καλύτερο εντοπισμό των μοτίβων που ενδεχομένως κρύβονται σε αυτά.
  • Handling Outliers: Πιθανές ανωμαλίες στα δεδομένα σας ενδέχεται να επηρεάσουν σημαντικά την απόδοση των μεθόδων πρόβλεψης. Εντοπίστε τα και εξαλείψτε τα μέσα από τους σχετικούς αλγορίθμους που προσφέρει το OMEN.
  • Decompose: Η αποσύνθεση της χρονοσειράς είναι απαραίτητη προκειμένου να εντοπιστούν τα ποιοτικά της χαρακτηριστικά (τάση, εποχιακότητα, τυχαιότητα, κύκλος) και να λάβετε σχετικές αποφάσεις (αποεποχικοποίηση).
  • Smoothing: Εξομαλύνετε τα δεδομένα προκειμένου να εξαλειφθεί ο θόρυβος και να τονίσετε τα χρήσιμα χαρακτηριστικά της χρονοσειράς σας (τάση και επίπεδο).
  • Temporal aggregation: Μετασχηματίστε τα δεδομένα σας στον άξονα του χρόνου προκειμένου να λάβετε πολλαπλές προβλέψεις, μία ανά συχνότητα, και να τις συνδυάσετε στη συνέχεια για τη βελτίωση της πρόβλεψής σας. Η αξιοποίηση της πληροφορίας που κρύβεται σε κάθε συχνότητα μπορεί να οδηγήσει σε ακριβείς προβλέψεις ακόμα και τις πιο απλοϊκές μεθόδους.
  • Forecasting (Continuous Time Series): Επιλέξτε μέθοδο πρόβλεψης για την προέκταση της αρχικής ή της επεξεργασμένης σας χρονοσειράς, όπως αυτή καθορίστηκε στα προηγούμενα βήματα. Εδώ θα βρείτε τόσο κλασικές όσο και προηγμένες μεθόδους. Εναλλακτικά μπορείτε να χρησιμοποιήσετε και τον αλγόριθμο αυτόματης επιλογής μεθόδου.
  • Forecasting (Intermittent Demand Time Series): Αν αντιμετωπίζετε δεδομένα διακοπτόμενης ζήτησης τότε θα χρειαστείτε εξειδικευμένες μεθόδους. Εδώ θα βρείτε αρκετές από αυτές που προτείνονται στη βιβλιογραφία.
  • Judgmental adjustments: Θέλετε να ενσωματώσετε την επίδραση εξωγενών μεταβλητών στις προβλέψεις που εξάχθηκαν; Θεωρείτε ότι οι προβλέψεις της εφαρμογής είναι υπερβολικά αισιόδοξες ή απαισιόδοξες; Είστε ειδικός ή διαθέτετε κάποια πληροφορία που ενδέχεται να επηρεάσει την εξέλιξη του μεγέθους που μελετάτε στο μέλλον; Δοκιμάστε να αναπροσαρμόσετε τις αρχικές σας προβλέψεις μέσω του OMEN.
  • Error Metrics and Assessment: Μελετήστε την επίδοση της μεθόδου πρόβλεψης που εφαρμόσατε, την ακρίβεια και την προκατάληψή τους μέσω διαγνωστικών δεικτών και γραφημάτων.
  • Report: Αποκτήστε μία αναλυτική αναφορά για τη μέθοδο πρόβλεψης που εφαρμόσατε και των αποτελεσμάτων σας (δεδομένα, στατιστικά, επιλογές, παράμετροι, προβλέπεις και αναπροσαρμογές) για να την εκτυπώσετε ή να την αποθηκεύσετε τοπικά.