แม้จะมีคำแนะนำทั้งหมดเกี่ยวกับสมมติฐานที่ก่อให้เกิดปัญหาสมมติฐานก็ยังคงเป็นส่วนสำคัญของรูปแบบการวิเคราะห์เชิงคาดการณ์ใด ๆ สมมติฐานดังกล่าวแสดงในตัวแปรที่เลือกและพิจารณาในการวิเคราะห์และตัวแปรเหล่านี้มีผลต่อความถูกต้องของผลลัพธ์ของรูปแบบสุดท้าย
ดังนั้นข้อควรระวังอย่างรอบคอบของคุณในตอนแรกคือการระบุสมมติฐานที่สำคัญที่สุดสำหรับโมเดลของคุณและเพื่อให้พวกเขามีขั้นต่ำที่แน่นอน
การสร้างแบบจำลองการคาดการณ์ที่ทำงานได้ดีในโลกแห่งความเป็นจริงต้องอาศัยความรู้ที่ลึกซึ้งของธุรกิจ โมเดลของคุณเริ่มต้นจากการรู้เฉพาะข้อมูลตัวอย่างเท่านั้น - ในทางปฏิบัติเกือบไม่มีอะไร ดังนั้นเริ่มต้นเล็ก ๆ และเพิ่มรูปแบบตามที่จำเป็น
การทวนคำถามและสถานการณ์ที่เป็นไปได้อาจนำไปสู่การค้นพบที่สำคัญและ / หรือสามารถให้ความกระจ่างเกี่ยวกับปัจจัยต่างๆที่มีอยู่ในโลกแห่งความเป็นจริง กระบวนการนี้สามารถระบุตัวแปรหลักที่อาจมีผลต่อผลลัพธ์ของการวิเคราะห์
การปรับปรุงสมมติฐานของโมเดลโดยการทดสอบว่าส่งผลต่อผลลัพธ์ของรูปแบบอย่างไรโดยละเอียดเพื่อดูว่าแบบจำลองมีความละเอียดอ่อนและลดขั้นต่ำลงเหลือน้อยเพียงใดจะช่วยให้คุณสามารถนำรูปแบบไปสู่ความสามารถในการคาดการณ์ที่เชื่อถือได้มากขึ้น ก่อนที่คุณจะสามารถเพิ่มประสิทธิภาพโมเดลของคุณได้คุณต้องทราบpredictive variables - คุณลักษณะที่มีผลกระทบโดยตรงต่อผลลัพธ์
ณ จุดนี้ศตวรรษที่ 21 สามารถเปลี่ยนไปเป็นสิบสี่เพื่อขอความช่วยเหลือได้ วิลเลียมแห่งออคแฮมนักปรัชญาชาวอังกฤษฟรานซิสผู้ซึ่งอาศัยอยู่ในยุค 1300 ได้พัฒนาหลักการวิจัยที่เรียกว่า Occor's Razor คุณควรตัดสมมติฐานที่ไม่จำเป็นออกไปจนกว่าทฤษฎีของคุณจะมีน้อยที่สุดเท่าที่จะเป็นไปได้ จากนั้นก็น่าจะเป็นความจริง
สมมติฐานที่มากเกินไปส่งผลต่อการคาดการณ์ของโมเดลด้วยความไม่แน่นอนและความไม่ถูกต้องการขจัดตัวแปรที่ไม่จำเป็นจะนำไปสู่รูปแบบที่มีเสถียรภาพมากขึ้น แต่การตัดสินใจว่าจะรวมตัวแปรไว้ในการวิเคราะห์จะเป็นเรื่องง่ายและการตัดสินใจเหล่านั้นจะมีผลต่อประสิทธิภาพของแบบจำลองโดยตรง
แต่นี่คือที่ที่นักวิเคราะห์สามารถทำงานได้ในภาวะที่กลืนไม่เข้าคายไม่ออก: รวมถึงปัจจัยที่ไม่จำเป็นอาจทำให้เกิดการบิดเบือนหรือบิดเบือนผลลัพธ์ของโมเดล แต่ไม่รวมตัวแปรที่เกี่ยวข้องออกจากโมเดลนี้ไม่สมบูรณ์
ดังนั้นเมื่อถึงเวลาที่จะเลือกตัวแปรการตัดสินใจที่สำคัญทั้งหมดเหล่านี้โปรดโทรหาผู้เชี่ยวชาญด้านความรู้โดเมนของคุณ เมื่อคุณมีตัวแปรการตัดสินใจที่ถูกต้องตามความเป็นจริงคุณไม่จำเป็นต้องตั้งสมมติฐานมากเกินไปและผลที่ได้อาจเป็นข้อผิดพลาดน้อยลงในรูปแบบการคาดการณ์ของคุณ
