Hvor mange kommer inn døren din neste uke?
Velg et sted og les neste uke i én setning. Gå så tilbake i tid og se hvor godt prognosen traff, sammenlign fire metoder eller prøv egne tall. Alt beregnes i nettleseren din.
Demoen krever JavaScript. Modellen og to års tellinger er omtrent 700 KB og lastes ned én gang.
Selve demoen er på engelsk, i likhet med dataene.
Ekte data: daglige besøkende talt av gatesensorer i Melbourne (City of Melbourne, CC BY 4.0), de siste to årene. Åtte steder vises her; resultatene nedenfor gjelder alle 65.
11,1%Gjennomsnittlig prognosefeil fire uker frem, på 65 steder og 12 datoer etter at treningsdataene sluttet. Å kopiere forrige ukes tall: 14,3 %.
83%Av de faktiske dagene lå innenfor modellens sannsynlige intervall, som sikter mot 80 %.
600 KBHele modellen. Den kjører på denne siden og oppdaterer hvert sted hver morgen på en hvilken som helst server. Ingen GPU, ingen API-regning.
Slik fungerer det
DataTo år med daglige besøkstellinger på 65 steder. Dager med manglende timer blir hull, ikke gjetninger. Serien du tegner, behandles likt.
MetoderSamme som forrige uke, eksponentiell glatting og vår gradient boosting-modell kjører på enheten din; grunnmodellen ble kjørt én gang på en GPU. Alle fire ble testet på samme måte: trent på data fra før mai 2026 og deretter bedt om å forutsi tolv datoer de aldri hadde sett.
ResultaterEksponentiell glatting: 11,9 % feil. Chronos-Bolt, en stor ferdigbygd prognosemodell som kjører på en GPU: 10,8 %, praktisk talt like nøyaktig som vår, fra en modell som er for stor for en nettleser. En prognose for fire uker tar her 2 ms.
Hva du fårEn prognose med intervall for hvert sted, hver morgen, i verktøyet du allerede bruker, og et ærlig tall for hvor mye den vil bomme. Ingen GPU, ingen API-regning.
Kode, datapipeline og hele sammenligningen: github.com/balticml/demand-forecasting. Vil du ha dette for ordrene, samtalene eller de besøkende dine? Ta kontakt