但是什么是情报绩效管理？
它通过预测能力为决策提供动力，并通过金融模式识别 加速洞察发现。
可能的技术有：
数据科学与机器学习 (ML)
机器人流程自动化 (RPA)
数字协助
自然语言处理 (NLP)
博客文章-万花筒-IPM-EPM-云-kp-性能
满足业务需求的机器学习工具包括：
？自动预测 ：该练习是针对单个驾驶员的演变进行简单的预测计算。
如果业务需求更复杂，即要观察多个驱动程序的演变，则需要转向AutoML 或 ML 模型导入。
最后，如果模型基于错误数据或安全数据，那么我们必须转向第三方 ML。
为什么选择IPM？
博客文章-万花筒机-EPM-云-kp-性能
通过商业智能，不可能与预测计算进行交互，而 IPM 允许在相同的 EPM 环境中直接调整（如有必要）模型计算的数据，从而让我们得出一致的预测。
博客文章-万花筒模式-EPM-云-kp-性能
该怎么办呢？
好了，现在理论已经建立，让我们继续讨论一个实际案例：预测产品数量。
就像任何好的食谱一样，我们真正需要什么？
两种固定值
产品数量历史记录
驾驶员历史与产品数量相关
根据预测情景对驱动因素的预测，因此可酌情修改
用计算尺将其全部摇匀，就完成了！体积规划！
博客文章-万花筒预测-EPM-云-kp-性能
您会注意到，我们具体在 EPM Cloud 中，在一个表单中，通过右键单击表单即可启动计算规则。
如何做？
实施过程的步骤可概括如下：
首先，我们需要一个数据科学家 法国 WhatsApp 号码列表 来编写模型（例如使用 Python）
博客文章-万花筒步骤-EPM-云-kp-性能
然后来自EPM 管理员：
将执行模型导入
将模型与 EPM 关联
博客文章-万花筒模型-EPM-云-kp-性能
将进行模型检查
将使用样品进行测试
博客文章-万花筒样本-EPM-云-kp-性能
将 Groovy 中生成的规则与表单关联
最后，EPM 用户可以启动计算并利用/调整预测！
博客文章-Kaleidoscope-用户-EPM-Cloud-kp-性能
最后，请记住自动预测并不完美。此外，人性化的调整将使我们更加接近需求。