EDS запустил в прод SARIMAX-прогноз + what-if симулятор — CTO двигает слайдер, платформа показывает как изменится выручка

К корреляциям dev↔business в EDS добавилась вторая половина инженерной аналитики — прогноз. Платформа делает SARIMAX-прогноз бизнес-метрики на 3-12 месяцев с 80% доверительным интервалом, а «what-if» слайдер по dev-метрикам (bug density, throughput, cycle time) сразу сдвигает сценарный прогноз. На реальных данных BS-проекта модель показала: снижение bug density на 20% + рост throughput на 15% даёт +1.1% выручки через 6 месяцев (≈+354 K ₽/мес).

Компания EGAR Development расширила аналитический модуль EDS (Egar Development System) — платформы, которая соединяет метрики разработки с финансовыми KPI. К уже работавшим корреляциям (Pearson / Spearman / OLS) добавились два новых endpoint'а: прогноз временных рядов через SARIMAX (с автоматическим fallback на Holt-Winters ETS и наивную модель для короткой истории) и what-if симулятор, где OLS-коэффициенты применяются как аддитивные сдвиги к базовому прогнозу.

«Корреляция говорит "если bug density падает — выручка растёт". Прогноз с what-if отвечает на следующий естественный вопрос CTO — "хорошо, а на сколько именно и через сколько месяцев?". Мы дали слайдер и график с confidence band. За 15 секунд менеджер видит эффект без DS-команды и Jupyter», — комментирует команда EGAR Development.

Как это работает

Два endpoint'а в аналитическом сервисе EDS:

• POST /analytics/forecast — прогноз одной метрики. SARIMAX(1,1,1) с сезонностью (месячная = 12, недельная = 52), автоматический fallback на Holt-Winters ETS при плохой сходимости, naive-fallback для очень короткой истории. Возвращает history + forecast с CI.
• POST /analytics/whatif — сценарий. Пользователь указывает бизнес-таргет и список dev-предикторов с Δ%. Платформа делает OLS target ~ predictors на истории, строит baseline forecast target через SARIMAX, и накладывает сдвиг Σ β_i × Δx_i. Возвращает history + baseline + scenario + вклад каждого предиктора с p-value.

Первый продуктовый сценарий: BS-проект

Модель обучена на 36 месяцах истории BS (выручка + Jira-метрики). Коэффициенты OLS business.revenue ~ bug_density + throughput + cycle_time:

Predictor	Coef	p-value	Интерпретация
jira.bug_density	−1 497 148	0.036 ✓	Снижение bug density на 1% → +14.9 K ₽/мес
jira.throughput.closed_per_week	+8 973	<0.001 ✓	+1 закрытая задача/нед → +9 K ₽/мес
jira.cycle_time.median_days	−3 400	0.127	Направление верное, но слабая значимость

Тестовый сценарий: «bug density −20%, throughput +15%»:

Метрика	Значение
Метод прогноза	SARIMAX (36 месяцев истории, 2023-06 → 2026-05)
R² OLS-модели	0.477
Total effect на месячную выручку	+354 372 ₽
Baseline через 6 мес	31.7 M ₽
Scenario через 6 мес	32.1 M ₽ (+1.12%)

Знаки коэффициентов экономически осмысленные: больше багов = меньше выручки, больше throughput = больше выручки. Это не переопределение — модель обучается на реальной истории клиента без предопределённых гипотез.

Что видит пользователь

В интерфейсе EDS появилась вкладка «📈 Прогноз»:

• Селектор бизнес-метрики (выручка / маржа / LTV / uptime / …).
• Селектор горизонта (3 / 6 / 12 месяцев).
• 5 слайдеров по ключевым dev-метрикам, диапазон −50%…+50%.
• Живой график chart.js: история + baseline (пунктир, серая заливка = CI) + сценарий (жирная зелёная линия).
• Таблица вкладов: coef × Δ, p-value, направление.
• Итоговый lift в процентах и абсолютных рублях за последний месяц горизонта.

Слайдеры обновляют график в реальном времени (debounced 400 ms). AI-ассистент в чате тоже умеет вызывать эти endpoint'ы — можно спросить «спрогнозируй revenue BS на 6 месяцев» или «что если bug_density упадёт на 20%?» и получить ответ с числами.

Технический стек

Прогностика реализована на open-source стеке без коммерческих зависимостей:

• statsmodels — SARIMAX + Holt-Winters ETS. Библиотека под BSD-license, входит в стандартный Python data-стек.
• OLS-регрессия из того же statsmodels используется для оценки β-коэффициентов what-if симулятора.
• FastAPI сервис в отдельном контейнере eds-analytics, изолирован от основного бэкенда.
• chart.js для визуализации на фронтенде (Angular 17). Никаких D3, никаких Plotly, никаких облачных сервисов.

Модель работает и на короткой истории: при менее 4 наблюдений использует naive-fallback (повтор последнего значения + std), при более 24 месяцев — сезонный SARIMAX. Клиенты, у которых собрано 12+ месяцев Jira/финансов, получают полноценный прогноз без ручной настройки.

Что закрывает по roadmap

Этот запуск закрывает пункт «Адаптивные модели машинного обучения» и «Интерактивная визуализация прогнозов» из дорожной карты Сколково-заявки (анкета №206538). Вместе с ранее запущенным DORA-коннектором из GitLab CI (см. пресс-релиз от 23.06.2026) это делает EDS первой российской платформой, объединяющей все три ключевых слоя: CI/CD → Dev-метрики → Business KPI с автоматическим прогнозом и симуляцией «что если».

В ближайших релизах — LSTM для нелинейных зависимостей (при достаточном объёме истории у клиента), сценарные ленты (несколько what-if одновременно на одном графике), интеграция с 1С и Битрикс24 для автоматической подгрузки бизнес-метрик без Excel.

Демо и PoC

EGAR Development предлагает 30-минутную демо-сессию для CTO и финансовых директоров: показываем вкладку «Прогноз», крутим слайдеры на демо-данных (4 продукта × 36 месяцев × 17 метрик), обсуждаем какие dev-метрики можно подключить в контуре заказчика. По итогам — за 1 неделю развёртывается PoC в инфраструктуре клиента с реальной Jira и одной Excel-выгрузкой бизнеса.

О компании

EGAR Development — российская технологическая компания, специализирующаяся на enterprise-решениях для финансового сектора и tech-индустрии. EDS — флагманский продукт направления engineering analytics, разработанный в 2024 году на базе многолетнего опыта команды в области интеграционных платформ и enterprise-аналитики. Резидент инновационного центра «Сколково» (анкета №206538).

EGAR Development · 2026