Prévision des ventes par forecasting
Construit un modèle de forecasting des ventes avec comparaison de méthodes, scénarios et intervalles de confiance.
Coller dans votre IA
Collez ce prompt dans ChatGPT, Claude ou Gemini et personnalisez les variables entre crochets.
Je veux construire un modèle de prévision des ventes pour [PRODUIT/CATEGORIE] avec l'historique suivant : [PERIODE_HISTORIQUE] de données de [FREQUENCE] (quotidien / hebdomadaire / mensuel). Caractéristiques des données : - Tendance observée : [TENDANCE] (croissante / stable / déclinante) - Saisonnalité : [SAISONNALITE] (ex : pics en décembre, creux en août) - Événements exceptionnels à intégrer : [EVENEMENTS] (ex : COVID, promotions, lancements) - Variables exogènes disponibles : [VARIABLES_EXTERNES] (ex : dépenses publicitaires, prix concurrents, météo) Horizon de prévision : [HORIZON] (ex : 3 mois, 12 mois) Niveau de granularité : [GRANULARITE] (global, par produit, par région) Construit le modèle de forecasting : 1. Décompose la série temporelle (tendance, saisonnalité, résidus) 2. Compare les modèles : moyenne mobile, ARIMA, SARIMA, Prophet, et si pertinent : XGBoost 3. Sélectionne le meilleur modèle selon RMSE, MAE, MAPE sur données de validation 4. Intègre les variables exogènes dans le modèle retenu 5. Génère les prévisions avec intervalles de confiance à 80% et 95% 6. Propose 3 scénarios : pessimiste, central, optimiste avec hypothèses 7. Définis une routine de mise à jour et de monitoring du modèle Fournis le code Python (Prophet / statsmodels / sklearn).
Pourquoi ce prompt fonctionne
Ce prompt est efficace car il compare systématiquement plusieurs méthodes de prévision et génère trois scénarios, approche essentielle pour une planification robuste face à l'incertitude.
Cas d'usage
Résultat attendu
Comparaison de modèles de forecasting, prévisions avec intervalles de confiance, 3 scénarios et code Python.
Formez-vous en profondeur
Découvrez le skill complet sur Prompt Guide pour maîtriser cette technique de A à Z.
Voir sur Prompt GuideTermes du glossaire
📬 Recevez de nouveaux prompts chaque semaine
Rejoignez notre newsletter et ne manquez aucun prompt.
Prompts similaires
Détection d'anomalies dans les données
Détecte les anomalies et valeurs aberrantes dans un dataset avec plusieurs méthodes statistiques et scoring de sévérité.
Analyse du funnel de conversion
Analyse exhaustive d'un funnel de conversion avec identification des points de friction et recommandations de tests A/B.
Conception d'un pipeline ETL simple
Conçoit un pipeline ETL complet avec gestion des erreurs, monitoring et code Python pour l'intégration de données multi-sources.
Analyse des métriques web analytics
Analyse complète des métriques web analytics pour comprendre les comportements visiteurs et identifier les axes d'optimisation.