Добивки:
- Способност да се разберат концептите на временски серии, тренд, сезонски и влијанието на кампањата и користење на вештачка интелигенција за прогнозирање на побарувачката со вистински прашања и чисти податоци.
- Способност да се толкува точноста на прогнозата (MAPE, отстапување) и несигурноста (интервал на доверба, сценарија) и планирање на база на опсег наместо на единечен број
- Да се биде способен да се разликува дека предвидувањето на вештачката интелигенција се заснова на историски податоци и дека стручната проценка доаѓа до израз во случаи на паузи како што се нови производи, промоции или кризи со снабдување.
Секоја одлука во синџирот на снабдување се заснова на едно прашање: колкава побарувачка ќе има? Колку попрецизно одговорите на ова прашање, толку помалку акции имате, толку помалку акции останувате без и помалку пари врзувате. Прогнозирањето на побарувачката е моторот на синџирот на снабдување; Плановите за залихи, купување, производство и транспорт се хранат од тука. Вештачката интелигенција е исклучително моќна на ова поле бидејќи ја скенира историјата на илјадници производи многу побрзо од човекот и извлекува шаблони. Но, изворот на нејзината моќ е и нејзината граница: ВИ учи од минатото; Ако иднината не личи на минатото, тоа е погрешно. Во оваа единица, ќе го научиме јазикот на предвидување, мерење на точноста, управување со несигурноста и каде треба да ви се предаде вештачката интелигенција.
Јазик на прогнозирање: временски серии, тренд, сезона
Податоците за побарувачката обично се временски серии - низа броеви подредени според времето, како што е секојдневната продажба на производот. Поделбата на оваа низа на три дела е основата на предвидувањето:
Тренд, долгорочна насока: дали продажбата се зголемува или намалува од година во година? Сезонско, редовно повторливо флуктуирање: сладолед се продава во лето, грејачот се продава во зима; Пазарот е раздвижен во петок и сабота. Бучава, необјаснето случајно играње. Добрата прогноза го доловува трендот и сезонството и не се залажува со бучава. Згора на овие, настаните се натрупуваат: кампања, промоција, државен празник, временски услови, движење на конкурентот. Кога ќе ја натерате вештачката интелигенција да предвидува, треба да и ги кажете овие настани; Ако не му кажете, ќе помисли дека скокањето на денот на кампањата е „нормално“ и ќе погреши за иднината.
Совет: кога давате необработени податоци за продажбата на вештачката интелигенција, означете ги кампањите, празниците и деновите без залиха. Денот без залиха е важен: продажбата изгледаше ниска тој ден, но вистинската побарувачка беше голема, едноставно немаше достапна стока. Ако не го наведете ова, вештачката интелигенција ќе ја потцени вистинската побарувачка.
Мерење точност: MAPE и пристрасност
„Дали прогнозата е добра? Одговорот на прашањето доаѓа од мерењето, а не од чувството. Најчестиот индикатор е MAPE (средна апсолутна процентна грешка - колку процентни поени во просек отстапуваат предвидувањата од реалноста). Ако MAPE е 10%, тоа значи дека вашите предвидувања ја пропуштаат вистинската вредност во просек за 10%; пониска MAPE е подобра. Вториот важен концепт е пристрасноста: дали вашата прогноза е конзистентно над (произведува вишок залихи) или недоволно залихи (оставање недоволно залихи) реалноста? Дури и ако прогнозата има ниска MAPE, ако секогаш отстапува во иста насока, постои систематски проблем.
Можете да дадете ВИ дел од историјата како „тренинг“, а дел како „тестирање“ и да го споредите неговото предвидување со реалноста. Ова е искрениот начин да се изгради доверба: тестирање на моделот на податоци што не ги видел. Предвидувањето вреди да се примени за иднината само ако се покажало доследно во минатото.
Внимание: Ниту една прогноза не е 100% точна; Тоа не се очекува да се случи. Целта не е да се произведе совршен единечен број, туку податлив опсег, знаејќи го отстапувањето. Бинарната идеја за „предвидувањето се оствари/не успеа“ е погрешна; Точното прашање е "колку отстапи и колку бафер задржав соодветно?"
Управување со несигурноста: опсег, а не единствен број
Најопасната навика на планерот е да ја третира прогнозата како единствена тврд број. Во реалноста, секоја прогноза има интервал на доверба - како „побарувачката следниот месец најверојатно е помеѓу 900 и 1.100“. Колку е поширок овој опсег, толку е поголема неизвесноста. Познавањето на опсегот директно влијае на вашата одлука за акции: тесниот опсег бара помалку залихи за безбедност, а широкиот опсег бара повеќе тампон.
Затоа, секогаш прашувајте ја вештачката интелигенција за сценарија: песимистички (ако побарувачката испадне ниска), очекувана и оптимистичка (ако побарувачката излезе висока). Гледајќи три сценарија, планот не се заснова на една претпоставка, туку на низа можни можности. Ова е најпрактичниот начин да се излезе од стапицата „заклучен во еден број“.
Чекор по чекор: Студија за предвидување на побарувачката со вештачка интелигенција
- Исчисти податоци. Обележете ги деновите што недостасуваат, деновите што немаат залиха, отворете погрешни записи; Работете со анонимен код на производот.
- Означете настани. Додадете кампања, празници и денови за промоција на податоците.
- Одземете ја шемата. Побарајте од вештачката интелигенција да ги сумира трендовите, сезонството и значајните настани.
- Тестирајте го. Чувајте го последниот дел од историјата, оставете ја вештачката интелигенција да предвиди, споредете со реалноста (MAPE и насока на пристрасност).
- Направете сценарио. Побарајте три предвидувања, песимистички/очекувани/оптимистички и интервалот на доверба за секое.
- Стручен филтер. ВИ не знае за познати претстојни нарушувања (нов производ, криза со снабдување, законодавство); додајте ги рачно. Конечниот план е ваш.
три мини футроли
Случај 1 - Доловување на сезонскоста. Дистрибутер на пијалоци се жалел дека во летните месеци постојано нема залиха, а зимата му останува со роба. Планерот даде 3 години анонимна дневна продажба на YZ и ја отстрани сезонската: побарувачката од јуни до август беше 2,4 пати поголема од зимскиот просек, а скокот започна во средината на мај секоја година. Според оваа шема, тој ги поставил своите летни акции 3 недели однапред; летните мртви акции се намалени за 70%, зимските мртви акции паднаа. ВИ ја покажа шемата; Планерот ја донесе одлуката за акции.
Случај 2 - Попуштање на новиот производ. Една компанија требаше да лансира сосема нов производ; Немаше историски податоци за продажба. Планерот ја праша вештачката интелигенција: „Која ќе биде побарувачката за првите 3 месеци? праша тој. Вештачката интелигенција произведе бројка што изгледаше разумна - но планерот знаеше дека е неоснована: немаше податоци. Наместо тоа, вештачката интелигенција прашува „Која беше првата 3-месечен модел на производи објавени во слични сегменти во минатото? анализа и поставете го како прогнозен опсег, со претпазливи почетни акции. Експертската пресуда ја отфрли фиктивната доверба на вештачката интелигенција.
Случај 3 — Без акции е стапицата на денот. Аналитичарот заклучи дека побарувачката за производ е намалена и препорача намалување на залихите. Неговиот постар колега забележал дека деновите на ниска продажба во податоците се всушност денови без залиха: побарувачката не опаднала, немало стока. Кога податоците беа поправени со оваа белешка и повторно дадени на вештачката интелигенција, се виде дека реалната побарувачка се зголеми. Неправилно исчистените податоци создаваат неточни предвидувања.
Четири шаблони за копирање
1) Екстракција на шаблон:
Вашата улога: помошник аналитичар за планирање на побарувачката. Подолу се дадени месечните податоци за продажба на производ (анонимен код: PRODUCT-X) за последните 36 месеци. Месеци на кампањата [месечен список], месеци без акции [месечен список]. Задача: Сумирајте (1) тренд, (2) сезонски модел, (3) значајни настани. Имајте предвид дека месеците без залиха ја кријат вистинската побарувачка. Месецот за кој не дадов податоци е измислен.
2) Тест за точност:
Предвидете ги последните 6 месеци користејќи ги првите 30 од 36-те месеци подолу. Потоа споредете го моето предвидување со вистинските последни 6 месеци; Пресметајте го отстапувањето и вкупната MAPE за секој месец. Кажете ми дали вашата проценка е постојано пристрасна. Прикажи формула.
3) Прогноза на сценарио:
Проценете ја месечната побарувачка за овој производ за следниот квартал во 3 сценарија: песимистичко / очекувано / оптимистичко. Наведете интервал на доверба за секое сценарио и запишете на која претпоставка се заснова. Забележете дека ова не е дефинитивно, туку интервал за планирање.
4) Контрола на кршење:
Наведете како прогнозата врз основа на историските податоци што ви ги дадов може да биде поништена од следните претстојни настани: [нов производ / промоција / криза со снабдување / регулаторна промена]. Предложете како рачно да ја приспособам прогнозата за секоја од нив.
Слаб промпт / Силен промпт
Слаба навестување:
Колку ќе продадам следниот месец?
Без податоци, без производ, без контекст. ВИ или отфрла или надополнува; ниту еден резултат не функционира.
Моќен потсетник:
Вашата улога: асистент за планирање на побарувачката. Подолу се продажбите на PRODUCT-X во последните 24 месеци; Се означени месеците на кампањата и месеците без акции. Дајте песимистичка/очекувана/оптимистичка прогноза за следните 3 месеци, додајте интервал на доверба на секој, покажете MAPE во текот на минатиот тест. Преправајте се дека ја имам конечната одлука за акции.
Пристап
погоди
управување со несигурност
Ризик
се потпираат на еден број
погрешно
Никој
Висок - планот пропаѓа
Сценарио + опсег
реално
добро
низок
само интуиција
Променлива
слаб
средно-висока
Слепо почитување на вештачката интелигенција
Променлива
Никој
високо
Вообичаени грешки
- Грешка на денот на залиха со реално ниска побарувачка. Кога стоките не се достапни, продажбата изгледа ниска; Ова не значи дека побарувачката е намалена.
- Заклучување во еден број. Да се види предвидувањето како апсолутна вистина значи да се игнорира неизвесноста; Секогаш барајте опсег и сценарио.
- Не означување на кампањата. Моделот што мисли дека промотивното отскокнување е „нормално“ ја искривува иднината.
- Предвидување на нов производ без историја. Навидум безбедниот број на вештачка интелигенција за производ без податоци е неоснован.
- Оставајќи го кршењето на вештачката интелигенција. ВИ не познава структурни прекини како што се епидемии, кризи со снабдување и законодавство; Мора да се направи стручна интервенција.
Внимание: Колку и да изгледа добро предвидувањето, тоа не може да биде подобро од квалитетот на податоците на кои се базира. „Ѓубре внатре, ѓубре надвор“. Поминете поголем дел од вашето време за чистење на податоците; Моделот дел го прави останатото.
Сумирано
Прогнозирањето на побарувачката е моторот на синџирот на снабдување, а вештачката интелигенција е моќен асистент кој го забрзува овој мотор. Но, вештачката интелигенција учи од минатото; греши кога иднината не личи на минатото. Снимајте тренд и сезона, означете ги настаните, мерете ја точноста со MAPE и насоката на повлекување, поставете ја прогнозата како сценарио и опсег, а не како единствен број. Експертското расудување е на прво место во новите производи и структурните прекини. Чистењето на податоците е основа на сè; Конечниот план е ваш.
Задача за апликација
Добијте податоци за продажбата за последните 12-24 месеци на еден од вашите сопствени производи (или хипотетички производ), означете ја кампањата и месеците без залиха. Побарајте од вештачката интелигенција за три сценарија со шаблонот „предвидување на сценарија“. Потоа зачувајте дел од историјата со шаблонот „Тест за точност“ и споредете го предвидувањето со реалноста. Запишете ја картата што ја најдовте и сценариото што го избравте, заедно со нејзината причина, во 5 ставки; Исто така, наведете кој безбедносен бафер ќе го додадете.
листа за проверка
- [ ] Дали ги избришав податоците, ги означив деновите без залиха и деновите на кампањата?
- [ ] Дали го потврдив предвидувањето со MAPE и насоката на пристрасност преку заднинско тестирање?
- [ ] Дали побарав сценарио и интервал на доверба наместо единечен број?
- [ ] Ако има нов производ / расипување, дали имам приоритет на стручната проценка?
- [ ] Дали го подложив конечниот план за акции на мое одобрување?