Hur många kommer in genom din dörr nästa vecka?
Välj en plats och läs nästa vecka i en mening. Gå sedan tillbaka i tiden och se hur rätt prognosen hade, jämför fyra metoder eller prova egna siffror. Allt beräknas i din webbläsare.
Demon kräver JavaScript. Modellen och två års räkningar är cirka 700 KB och laddas ned en gång.
Själva demon är på engelska, precis som dess data.
Verkliga data: dagliga besökare räknade av gatusensorer i Melbourne (City of Melbourne, CC BY 4.0), de senaste två åren. Åtta platser visas här; resultaten nedan gäller alla 65.
11,1%Genomsnittligt prognosfel fyra veckor framåt, på 65 platser och 12 datum efter att träningsdatan tog slut. Att kopiera förra veckans siffror: 14,3 %.
83%Av de verkliga dagarna låg inom vår modells sannolika intervall, som siktar på 80 %.
600 KBHela modellen. Den körs på den här sidan och uppdaterar varje plats varje morgon på vilken server som helst. Ingen GPU, ingen API-faktura.
Så fungerar det
DataTvå år av dagliga besöksräkningar på 65 platser. Dagar med saknade timmar blir luckor, inte gissningar. Din ritade serie behandlas likadant.
MetoderSamma som förra veckan, exponentiell utjämning och vår gradient boosting-modell körs på din enhet; grundmodellen kördes en gång på en GPU. Alla fyra testades på samma sätt: tränade på data från före maj 2026 och sedan ombedda att förutsäga tolv datum de aldrig sett.
ResultatExponentiell utjämning: 11,9 % fel. Chronos-Bolt, en stor färdigbyggd prognosmodell som körs på en GPU: 10,8 %, i praktiken lika träffsäker som vår, från en modell som är för stor för en webbläsare. En prognos på fyra veckor tar här 2 ms.
Vad du fårEn prognos med intervall för varje plats, varje morgon, i verktyget du redan använder, och en ärlig siffra på hur fel den kommer att slå. Ingen GPU, ingen API-faktura.
Kod, datapipeline och hela jämförelsen: github.com/balticml/demand-forecasting. Vill du ha detta för dina order, samtal eller besökare? Hör av dig