ഡിമാൻഡ് പ്രവചനം: വിൽപ്പന പ്രവചനം, സീസണാലിറ്റി, ട്രെൻഡ് വിശകലനം

നേട്ടങ്ങൾ:

• ചരിത്രപരമായ വിൽപ്പന ഡാറ്റ, സീസണൽ ഇഫക്റ്റുകൾ, ബാഹ്യ ഘടകങ്ങൾ എന്നിവ സംയോജിപ്പിച്ച് ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് പിന്തുണയോടെ എസ്‌കെയു അടിസ്ഥാനത്തിൽ ഡ്രാഫ്റ്റ് ഡിമാൻഡ് പ്രവചനം നിർമ്മിക്കാനുള്ള കഴിവ്.
• പ്രവചന കൃത്യത (MAPE, ബയസ്) വ്യാഖ്യാനിക്കാനുള്ള കഴിവ്, അമിതമായ വിലയിരുത്തലിൻ്റെയും കുറച്ചുകാണുന്നതിൻ്റെയും ബിസിനസ്സ് അനന്തരഫലങ്ങൾ വേർതിരിച്ചറിയുക
• ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് നൽകുന്ന പ്രവചനം ഒരു പ്രവചനമാണെന്നും സ്റ്റോക്ക് വിലയും പണമൊഴുക്കും ചേർന്ന് അന്തിമ ഓർഡർ തീരുമാനം മാനേജരുടേതാണെന്നും നിലനിർത്താൻ കഴിയും.

ചില്ലറവിൽപ്പനയിൽ ഏറ്റവും വിലപിടിപ്പുള്ള രണ്ട് പിഴവുകൾ ഉണ്ട്: വളരെയധികം സ്റ്റോക്ക് സൂക്ഷിക്കുക, പണം ഷെൽഫിൽ കിടന്നുറങ്ങുക, അല്ലെങ്കിൽ ആവശ്യത്തിന് സ്റ്റോക്ക് സൂക്ഷിക്കാതെ ഉപഭോക്താവിനെ വെറുതെ വിടുക. രണ്ടിനും ഒരേ ഉറവിടം ഉണ്ട്: മോശം ഡിമാൻഡ് പ്രവചനം. മുൻകാല വിൽപ്പനയിൽ നിന്ന് ഭാവി പ്രവചിക്കുന്ന ശക്തമായ സഹായിയായി ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് എങ്ങനെ ഉപയോഗിക്കാമെന്ന് ഈ യൂണിറ്റിൽ നിങ്ങൾ പഠിക്കും. എന്നാൽ ആദ്യം മുതൽ നമുക്ക് പറയാം: ഒരു പ്രവചനം ഒരു പ്രവചനമല്ല, മറിച്ച് ഒരു പ്രോബബിലിസ്റ്റിക് പ്രവചനമാണ്. AI നിങ്ങൾക്ക് ഒരു നമ്പർ നൽകുന്നു; ആ നമ്പർ ഒരു ഓർഡർ തീരുമാനമായി വിവർത്തനം ചെയ്യുക എന്നത് നിങ്ങളുടെ ജോലിയാണ്.

ഡിമാൻഡ് പ്രവചനം: ചരിത്രപരമായ ഡാറ്റ നോക്കിയും ഘടകങ്ങളെ സ്വാധീനിച്ചും ഭാവിയിൽ ഒരു ഉൽപ്പന്നമോ വിഭാഗമോ എത്രത്തോളം വിൽക്കുമെന്ന് പ്രവചിക്കുക എന്നതാണ് ഇത്.

SKU (സ്റ്റോക്ക് കീപ്പിംഗ് യൂണിറ്റ്): ഓരോ വ്യത്യസ്‌ത ഉൽപ്പന്ന വേരിയൻ്റിനുമായി സൂക്ഷിച്ചിരിക്കുന്ന തനത് സ്റ്റോക്ക് കോഡാണിത്. ഉദാഹരണത്തിന്, "ചുവപ്പ്, വലിപ്പം 42 സ്‌നീക്കറുകൾ" ഒരു SKU ആണ്; ഒരേ മോഡലിൻ്റെ നമ്പർ 43 ഒരു പ്രത്യേക SKU ആണ്.

പ്രവചനം നൽകുന്ന മൂന്ന് വിവര സ്രോതസ്സുകൾ

ഒരു നല്ല പ്രവചനം മൂന്ന് കാര്യങ്ങൾ സംയോജിപ്പിക്കുന്നു:

1. ചരിത്രപരമായ വിൽപ്പന (അടിസ്ഥാനം): കഴിഞ്ഞ 12-24 മാസങ്ങളിൽ ഉൽപ്പന്നത്തിൻ്റെ പ്രതിവാര/പ്രതിമാസ വിൽപ്പന. ഈ ശ്രേണിയിൽ നിന്ന് AI ഒരു "സാധാരണ" ലെവൽ വേർതിരിച്ചെടുക്കുന്നു.
2. സീസണൽ, കലണ്ടർ ഇഫക്റ്റുകൾ: അവധിദിനങ്ങൾ, സ്കൂൾ കാലാവധി, വേനൽ-ശീതകാലം, വാരാന്ത്യം, ശമ്പളദിനം. ഉദാഹരണത്തിന്, വേനൽക്കാലത്ത് ഐസ്ക്രീം വർദ്ധിക്കുന്നു, ശൈത്യകാലത്ത് സോക്സുകൾ വർദ്ധിക്കുന്നു.
3. ബാഹ്യ ഘടകങ്ങൾ: പ്രചാരണം, വില മാറ്റം, കാലാവസ്ഥ, എതിരാളി പ്രസ്ഥാനം, തുറക്കൽ/അടയ്ക്കൽ. ഇവ എസ്റ്റിമേറ്റ് മുകളിലേക്കോ താഴേക്കോ തള്ളുന്നു.

നുറുങ്ങ്: "ഞങ്ങൾ കഴിഞ്ഞ മാസം 100 വിറ്റു" എന്ന് AI-യോട് പറയരുത്. പറയുക, "ഞങ്ങൾ കഴിഞ്ഞ മാസം 100 വിറ്റു, എന്നാൽ 20% കിഴിവ് ഉണ്ടായിരുന്നു, അത് ഒരു അവധിക്കാല ആഴ്ചയായിരുന്നു." സന്ദർഭമില്ലാതെ, പ്രവചനം തെറ്റിദ്ധരിപ്പിക്കുന്നതാണ്.

ഘട്ടം ഘട്ടമായുള്ള പ്രവചനം സൃഷ്ടിക്കുന്നു

1. ഡാറ്റ തയ്യാറാക്കുക: ഒരു അജ്ഞാത, വൃത്തിയുള്ള പട്ടിക: തീയതി, SKU, വിറ്റഴിച്ച അളവ്, വില, പ്രമോഷൻ/പ്രമോഷൻ ഇല്ല, ലഭ്യത. സ്റ്റോക്കില്ലാത്ത ദിവസങ്ങൾ അടയാളപ്പെടുത്തുക; അല്ലെങ്കിൽ, ആ ദിവസം "കുറഞ്ഞ ഡിമാൻഡ്" ആണെന്ന് ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് കരുതും.
2. സന്ദർഭം നൽകുക: സീസൺ, വരാനിരിക്കുന്ന ഇവൻ്റുകൾ, ആസൂത്രണം ചെയ്ത കാമ്പെയ്‌നുകൾ എന്നിവ എഴുതുക.
3. ഒരു പ്രവചനം അഭ്യർത്ഥിക്കുക: SKU അല്ലെങ്കിൽ വിഭാഗം പ്രകാരം ഒരു പ്രത്യേക കാലയളവിനായി ഒരു പ്രവചനവും ഒരു ആത്മവിശ്വാസ ഇടവേളയും (ഏറ്റവും മോശം/മികച്ച സാഹചര്യം) അഭ്യർത്ഥിക്കുക.
4. കൃത്യത അളക്കുക: നിങ്ങളുടെ മുൻകാല പ്രവചനങ്ങളെ യാഥാർത്ഥ്യവുമായി താരതമ്യം ചെയ്യുക (ചുവടെയുള്ള MAPE).
5. ഇത് ഒരു തീരുമാനമാക്കി മാറ്റുക: സുരക്ഷാ സ്റ്റോക്കും ബജറ്റും ഉപയോഗിച്ച് എസ്റ്റിമേറ്റ് സംയോജിപ്പിച്ച് ഓർഡർ ചെയ്യാനുള്ള തീരുമാനം എടുക്കുക.

വായനാ പ്രവചന കൃത്യത: MAPE, ബയസ്

MAPE (ശതമാനം സമ്പൂർണ്ണ ശതമാനം പിശക്): യഥാർത്ഥ വിൽപ്പനയിൽ നിന്നുള്ള പ്രവചനങ്ങളുടെ ശരാശരി ശതമാനം വ്യതിയാനം കാണിക്കുന്നു. ഫോർമുല ലളിതമായി: |യഥാർത്ഥ - പ്രവചനം| ഓരോ കാലയളവിനും / യഥാർത്ഥമാണ് അവയുടെ ശരാശരി.

• MAPE 10% → കണക്കുകൾ ശരാശരി 10% വ്യതിചലിക്കുന്നു, വളരെ നല്ലതാണ്.
• MAPE 40% → പ്രവചനങ്ങൾ വിശ്വസനീയമല്ല, കൂടുതൽ ബഫർ (സുരക്ഷാ സ്റ്റോക്ക്) ഓർഡർ തീരുമാനത്തിന് ആവശ്യമാണ്.

ദിശ (പക്ഷപാതം): നിങ്ങളുടെ പ്രവചനം സ്ഥിരമായി മുകളിലാണോ (ഓവർസ്റ്റോക്കിംഗ് അപകടസാധ്യത) അല്ലെങ്കിൽ താഴെയാണോ (സ്റ്റോക്കിംഗ് റിസ്ക്) യാഥാർത്ഥ്യമാണോ? ഇതും ശ്രദ്ധിക്കുക; MAPE ദിശ കാണിക്കുന്നില്ല.

നില

അർത്ഥം

ബിസിനസ്സ് ഫലം

സ്ഥിരമായ ഉയർന്ന കണക്കുകൂട്ടൽ

നിങ്ങൾ ആവശ്യം പെരുപ്പിച്ചു കാണിക്കുന്നു

അധിക സ്റ്റോക്ക്, മെൽറ്റ്ഡൗൺ, മാർജിൻ നഷ്ടം

സ്ഥിരമായ കുറച്ചുകാണിക്കൽ

നിങ്ങൾ ആവശ്യത്തെ കുറച്ചുകാണുന്നു

സ്റ്റോക്ക് തീർന്നു, വിൽപ്പന നഷ്ടപ്പെട്ടു, അതൃപ്തി

ഉയർന്ന MAPE, സമതുലിതമായ ദിശ

അനിശ്ചിതത്വം ഉയർന്നതാണ്

സുരക്ഷാ സ്റ്റോക്ക് വർദ്ധിപ്പിക്കുക, ഇടയ്ക്കിടെ അവലോകനം ചെയ്യുക

കുറഞ്ഞ MAPE

കൃത്യമായ പ്രവചനം

മെലിഞ്ഞ സ്റ്റോക്ക്, മെച്ചപ്പെട്ട പണം

മിനി കേസുകൾ

കേസ് 1 — നഷ്‌ടമായ സീസണൽ: കഴിഞ്ഞ വർഷത്തെ ജൂലൈയിലെ വിൽപ്പനയെ അടിസ്ഥാനമാക്കി ഒരു പലചരക്ക് കട സ്‌കൂൾ നോട്ട്ബുക്കുകൾ ഓർഡർ ചെയ്യുന്നു (പ്രതിമാസം 200 യൂണിറ്റുകൾ). ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിന് "ആഗസ്റ്റ്-സെപ്റ്റംബർ സ്കൂൾ കാലയളവ്, കഴിഞ്ഞ വർഷം ഈ കാലയളവിൽ വിൽപ്പന നാലിരട്ടിയായി" എന്ന സന്ദർഭം നൽകുമ്പോൾ, പ്രവചനം 200-ന് പകരം 780 യൂണിറ്റായി വർദ്ധിക്കുന്നു. ശരിയായ ക്രമത്തിന് നന്ദി, സ്കൂൾ വർഷത്തിൽ നിങ്ങളുടെ സ്റ്റോക്ക് തീർന്നില്ല; കഴിഞ്ഞ വർഷം രക്ഷപ്പെട്ട 60,000 ടിഎൽ വിറ്റുവരവ് ഈ വർഷം പിടിക്കപ്പെടുന്നു.

കേസ് 2 - സ്റ്റോക്ക് തീർന്ന ദിവസം കണക്കാക്കുന്നില്ല: ഒരു സ്റ്റോറിൽ 3 ആഴ്‌ചയായി ഒരു ജനപ്രിയ കോഫി സ്റ്റോക്കില്ല. അസംസ്‌കൃത ഡാറ്റ നോക്കുമ്പോൾ, ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ആ ആഴ്ചകളെ "ആഴ്ചയിൽ 5 വിൽപ്പന" ആയി കാണുകയും കുറഞ്ഞ കണക്ക് നൽകുകയും ചെയ്യുന്നു. അനലിസ്റ്റ് സ്റ്റോക്കില്ലാത്ത ദിവസങ്ങൾ അടയാളപ്പെടുത്തുകയും "ഈ ആഴ്ചകൾ ഡിമാൻഡ് പ്രതിഫലിപ്പിക്കുന്നില്ല" എന്ന് പറയുകയും ചെയ്യുമ്പോൾ, പ്രവചനം ആഴ്ചയിൽ 45 ആയി വർദ്ധിക്കും. യഥാർത്ഥ ആവശ്യം ഉയർന്നുവരുന്നു.

കേസ് 3 — കാമ്പെയ്ൻ ഇഫക്റ്റ് സാമാന്യവൽക്കരിക്കുക: ഒരു ടെക്‌സ്‌റ്റൈൽ ശൃംഖല 50% കിഴിവ് ആഴ്‌ച വിൽപ്പനയെ (600 യൂണിറ്റുകൾ) "സാധാരണ" ആയി കണക്കാക്കുകയും നിരന്തരം 600 ഓർഡറുകൾ നൽകുകയും ചെയ്യുന്നു. "ഈ വിൽപ്പന ഒറ്റത്തവണ പ്രചാരണത്തിലൂടെയാണ് നടത്തിയത്, സാധാരണ ആഴ്ച 180 ആണ്" എന്ന് ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് പറയുമ്പോൾ, പ്രവചനം ശരിയാകുന്നു. ഓവർസ്റ്റോക്കിൻ്റെ അപകടസാധ്യതയും തുടർന്നുള്ള മാർക്ക്ഡൗൺ നഷ്ടവും തടയുന്നു.

പ്രവചന ചക്രവാളം: നിങ്ങൾക്ക് എത്ര ദൂരം മുന്നിൽ കാണാൻ കഴിയും?

പ്രവചന ചക്രവാളം: ഭാവിയിലേക്ക് എത്ര ദൂരെയാണ് പ്രവചനം നടത്തുന്നത്. നിയമം ലളിതമാണ്: ചക്രവാളം ദൈർഘ്യമേറിയതാണ്, അനിശ്ചിതത്വം വർദ്ധിക്കും. അടുത്ത ആഴ്ചയിലെ വിൽപ്പന താരതമ്യേന കൃത്യമായി നിങ്ങൾ പ്രവചിക്കുന്നു; ആറ് മാസത്തിന് ശേഷം കൂടുതൽ വിശാലമായ ശ്രേണിയിൽ. അതിനാൽ ഓർഡർ തീരുമാനത്തിൻ്റെ ആവശ്യകത അനുസരിച്ച് പ്രവചന ചക്രവാളം തിരഞ്ഞെടുക്കുക: ഹ്രസ്വ ചക്രവാളവും വേഗത്തിൽ തീർന്നുകൊണ്ടിരിക്കുന്ന പുതിയ ഉൽപ്പന്നത്തിനായുള്ള പതിവ് അപ്‌ഡേറ്റും; ദൈർഘ്യമേറിയ ലീഡ് സമയങ്ങളോടെ ഇറക്കുമതി ചെയ്ത ഉൽപ്പന്നത്തിന് ദൈർഘ്യമേറിയ ചക്രവാളവും സുരക്ഷയുടെ വിശാലമായ മാർജിനും.

മറ്റൊരു പ്രധാന വ്യത്യാസം പുതിയ ഉൽപ്പന്ന പ്രവചനമാണ്. ഒരു പുതിയ എസ്‌കെയുവിൻ്റെ മുൻകാല വിൽപ്പനയൊന്നുമില്ല; ഈ സാഹചര്യത്തിൽ, നിങ്ങൾ AI-ക്ക് സമാന ഉൽപ്പന്നങ്ങളുടെ ചരിത്രം (അനലോഗ്), കാറ്റഗറി ആവറേജ്, ലോഞ്ച് പ്ലാൻ എന്നിവ നൽകുന്നു. "ഈ ഉൽപ്പന്നത്തിന് ചരിത്രമില്ല; സമാന ഉൽപ്പന്നങ്ങളുടെ X, Y എന്നിവയുടെ ആദ്യ 8 ആഴ്‌ചകൾ നോക്കി ഒരു പ്രാരംഭ എസ്റ്റിമേറ്റ് നൽകുക" എന്ന് പറയുന്നത് ശൂന്യമായത് പൂരിപ്പിക്കാനുള്ള ന്യായമായ മാർഗമാണ്. എന്നിരുന്നാലും, പുതിയ ഉൽപ്പന്ന പ്രവചനം എപ്പോഴും അപകടകരമാണ്; ആദ്യ ആഴ്‌ചകളിലെ യഥാർത്ഥ ഡാറ്റ ലഭ്യമാകുന്നതിനാൽ പ്രവചനം വേഗത്തിൽ പരിഷ്‌ക്കരിക്കുക.

മുന്നറിയിപ്പ്: എസ്റ്റിമേറ്റ് "ഒരിക്കൽ ചെയ്യുക, മറക്കുക" എന്ന ചികിത്സയായി കണക്കാക്കരുത്. ഡിമാൻഡ് പ്രവചനം ഒരു തത്സമയ പ്രക്രിയയാണ്; ഓരോ പുതിയ വിൽപ്പന ആഴ്ചയും പ്രവചനം അപ്‌ഡേറ്റ് ചെയ്യാനുള്ള അവസരമാണ്. ഏറ്റവും മിടുക്കനായ മോഡലല്ല, പതിവായി അപ്‌ഡേറ്റ് ചെയ്യുന്ന ഒന്ന് ഉപയോഗിക്കുന്നവരാണ് മികച്ച പ്രവചകർ.

ദുർബലമായ പ്രോംപ്റ്റ് / ശക്തമായ പ്രോംപ്റ്റ്

ദുർബലമായ പ്രോംപ്റ്റ്:

അടുത്ത മാസം ഈ ഉൽപ്പന്നം എത്രത്തോളം വിൽക്കുമെന്ന് എന്നോട് പറയുക.

ഒരു സന്ദർഭവുമില്ല; AI ഒരു റാൻഡം നമ്പർ ഉണ്ടാക്കുന്നു.

ശക്തമായ നിർദ്ദേശം:

നിങ്ങളുടെ റോൾ: ഡിമാൻഡ് പ്ലാനിംഗ് സ്പെഷ്യലിസ്റ്റ്. ഡാറ്റ: SKU 4471-ൻ്റെ കഴിഞ്ഞ 18 മാസത്തെ പ്രതിമാസ വിൽപ്പന അളവും വിലയും ആ മാസം ഒരു കാമ്പെയ്ൻ ഉണ്ടോ എന്നതും ചുവടെയുണ്ട്. സന്ദർഭം: ഈ ഉൽപ്പന്നം വേനൽക്കാല ചെരിപ്പുകളാണ്; മെയ്-ഓഗസ്റ്റ് മാസങ്ങളിൽ ഡിമാൻഡ് ഏറ്റവും ഉയർന്നതാണ്. അടുത്ത മാസം ജൂൺ ആണ്. ഒരു പ്രചാരണവും ആസൂത്രണം ചെയ്തിട്ടില്ല. വില നിശ്ചയിച്ചിരിക്കുന്നു. ടാസ്‌ക്: (1) ജൂണിൽ പ്രതീക്ഷിക്കുന്ന വിൽപ്പന അളവ്, (2) ഏറ്റവും മോശവും മികച്ചതുമായ സാഹചര്യ ശ്രേണി, (3) പ്രവചനത്തെ ബാധിക്കുന്ന 2 പ്രധാന ഘടകങ്ങൾ. നിയമം: ഡിമാൻഡ് കുറവാണെന്ന് സ്റ്റോക്കിന് പുറത്ത് എന്ന് അടയാളപ്പെടുത്തിയ മാസങ്ങൾ കണക്കാക്കരുത്. നൽകിയിരിക്കുന്ന ഡാറ്റയെ അടിസ്ഥാനമാക്കി മാത്രം. ഡാറ്റ: [പട്ടിക ഒട്ടിക്കുക]

പകർത്താവുന്ന പ്രോംപ്റ്റ് ടെംപ്ലേറ്റുകൾ

1) SKU അടിസ്ഥാനമാക്കിയുള്ള പ്രവചനം

നിങ്ങളുടെ റോൾ: ഡിമാൻഡ് പ്ലാനിംഗ് സ്പെഷ്യലിസ്റ്റ്. ഇനിപ്പറയുന്ന അജ്ഞാത പ്രതിമാസ സെയിൽസ് സീരീസിൽ നിന്ന് [SKU] നായുള്ള ഭാവി [കാലയളവ്] പ്രവചനം സൃഷ്ടിക്കുക. ഔട്ട്പുട്ട്: പ്രതീക്ഷിച്ച അളവ് + ഏറ്റവും മോശം/മികച്ച ശ്രേണി + 2 അനുമാനങ്ങൾ. സ്റ്റോക്കില്ല എന്ന് അടയാളപ്പെടുത്തിയ കാലയളവുകൾ ഒഴിവാക്കുക. ഡാറ്റ: [ഒട്ടിക്കുക]

2) സീസണൽ പാറ്റേൺ നീക്കംചെയ്യൽ

ചുവടെയുള്ള 24 മാസ വിൽപ്പന പരമ്പരയിൽ ആവർത്തിച്ചുള്ള സീസണൽ പാറ്റേൺ കണ്ടെത്തുക. ഏത് മാസങ്ങളാണ് ഏറ്റവും ഉയർന്നതും ഏറ്റവും താഴെയുള്ള മാസങ്ങളും? ശരാശരിയിൽ നിന്നുള്ള വ്യതിയാനം ശതമാനമായി നൽകുക. ഇത് പട്ടിക രൂപത്തിൽ അവതരിപ്പിക്കുക. ഡാറ്റ: [ഒട്ടിക്കുക]

3) പ്രവചന കൃത്യത വിലയിരുത്തൽ

എൻ്റെ ചരിത്രപരമായ കണക്കുകളും യഥാർത്ഥ വിൽപ്പനയും ചുവടെയുണ്ട്. (1) MAPE കണക്കാക്കുക, (2) എൻ്റെ പ്രവചനം സ്ഥിരമായി ഉയർന്നതോ താഴ്ന്നോ നീങ്ങുന്നുണ്ടോ, (3) സ്റ്റോക്കിന് ഇത് എന്താണ് അർത്ഥമാക്കുന്നത്? ഘട്ടം ഘട്ടമായി കാണിക്കുക. ഡാറ്റ: [എസ്റ്റിമേറ്റ്, യഥാർത്ഥ കോളങ്ങൾ]

4) കാമ്പെയ്ൻ സ്വാധീനം എക്‌സ്‌ട്രാക്‌റ്റ് ചെയ്യുക

കാമ്പെയ്ൻ ആഴ്ചകൾ ചുവടെയുള്ള വിൽപ്പന ശ്രേണിയിൽ അടയാളപ്പെടുത്തിയിരിക്കുന്നു. സാധാരണ (പ്രചാരണേതര) ഡിമാൻഡ് കണക്കാക്കുക; കാമ്പെയ്ൻ ഇഫക്റ്റ് ഒരു പ്രത്യേക ലിഫ്റ്റ് ശതമാനമായി നൽകുക. അതിനാൽ സാധാരണ ഓർഡർ ലെവൽ കാണാൻ ഞാൻ ആഗ്രഹിക്കുന്നു. ഡാറ്റ: [ഒട്ടിക്കുക]

സാധാരണ തെറ്റുകൾ

• സന്ദർഭം നൽകുന്നില്ല: പ്രചാരണം, സീസൺ, വില മാറ്റം എന്നിവ വ്യക്തമാക്കിയിട്ടില്ലെങ്കിൽ, പ്രവചനം തെറ്റിദ്ധരിപ്പിക്കുന്നതാണ്.
• സ്റ്റോക്ക് ഇല്ലാത്ത ദിവസങ്ങൾ ഡിമാൻഡായി കണക്കാക്കണോ: സ്റ്റോക്ക് ഇല്ലാത്ത കാലയളവ് യഥാർത്ഥ ഡിമാൻഡിനെ മറയ്ക്കുന്നു; അടയാളം.
• പ്രമോഷണൽ വിൽപ്പന സാധാരണ പോലെ സ്വീകരിക്കുക: ഒറ്റത്തവണ വർദ്ധനവ് സ്ഥിരമാണെന്ന് കരുതുന്നത് അധിക സ്റ്റോക്കിലേക്ക് നയിക്കും.
• ഒരൊറ്റ സംഖ്യയെ ആശ്രയിക്കുന്നത്: ഒരു ശ്രേണി (രംഗം) ആഗ്രഹിക്കാത്തതും ഒരൊറ്റ പോയിൻ്റിൽ ആശ്രയിക്കുന്നതും അപകടസാധ്യത മറയ്ക്കുന്നു.
• കൃത്യത അളക്കുന്നില്ല: MAPE ഉം ദിശയും നിരീക്ഷിച്ചില്ലെങ്കിൽ, പ്രവചനം കൂടുതൽ വഷളാകുന്നു.
• എസ്റ്റിമേറ്റ് ഉപയോഗിച്ച് നേരിട്ടുള്ള ഓർഡറുകൾ ഉണ്ടാക്കുക: പണം, വെയർഹൗസ്, ഷെൽഫ് ലൈഫ് നിയന്ത്രണം എന്നിവ ഇല്ലാതെ ഓർഡർ ചെയ്യുക.

ചുരുക്കത്തിൽ

നല്ല പ്രവചനം മുൻകാല വിൽപ്പന, കാലാനുസൃതത, ബാഹ്യ ഘടകങ്ങൾ എന്നിവ സംയോജിപ്പിക്കുന്നു. AI-ക്ക് സന്ദർഭം (പ്രചാരണം, സീസൺ, സ്റ്റോക്ക് ഇല്ലാത്ത ദിവസങ്ങൾ) നൽകുന്നത് ഉറപ്പാക്കുക. MAPE, ബയസ് ദിശ എന്നിവ ഉപയോഗിച്ച് പ്രവചന കൃത്യത നിരീക്ഷിക്കുക; ഉയർന്ന അനിശ്ചിതത്വത്തിൽ സുരക്ഷാ സ്റ്റോക്ക് വർദ്ധിപ്പിക്കുക. ഒരു പ്രവചനം ഒരു പ്രവചനമാണ്; ബഡ്ജറ്റും നിയന്ത്രണങ്ങളും സഹിതം അവസാന ഓർഡറിംഗ് തീരുമാനം നിങ്ങളുടേതാണ്.

ആപ്ലിക്കേഷൻ ടാസ്ക്

കഴിഞ്ഞ 12-18 മാസമായി ഏറ്റവും കൂടുതൽ വിറ്റഴിക്കപ്പെടുന്ന നിങ്ങളുടെ മികച്ച 5 SKU-കളുടെ വിൽപ്പന ഒരു അജ്ഞാത പട്ടികയിൽ നേടുകയും സ്റ്റോക്കിന് പുറത്തുള്ളതും പ്രചാരണ കാലയളവുകളും അടയാളപ്പെടുത്തുകയും ചെയ്യുക. "1) SKU-അടിസ്ഥാനത്തിലുള്ള പ്രവചനം" പ്രോംപ്റ്റ് ഉപയോഗിച്ച് ഭാവി പ്രവചനം സൃഷ്ടിക്കുക, തുടർന്ന് "3) പ്രവചന കൃത്യത മൂല്യനിർണ്ണയം ഉപയോഗിച്ച് നിങ്ങളുടെ മുൻകാല പ്രവചനങ്ങളുടെ MAPE എക്‌സ്‌ട്രാക്‌റ്റുചെയ്യുക. നിങ്ങളുടെ സ്വന്തം ഓർഡർ തീരുമാനവുമായി ഫലം താരതമ്യം ചെയ്യുക.

ചെക്ക്ലിസ്റ്റ്

• [ ] ഞാൻ എൻ്റെ വിൽപ്പന ഡാറ്റ അജ്ഞാതമാക്കി വൃത്തിയാക്കി.
• [ ] ഞാൻ സ്റ്റോക്കില്ലാത്തതും പ്രചാരണ കാലയളവും അടയാളപ്പെടുത്തി.
• [ ] ഞാൻ സീസണും ബാഹ്യ ഘടകങ്ങളുടെ സന്ദർഭവും AI-ക്ക് നൽകി.
• [ ] എനിക്ക് ഒരു സീനാരിയോ ശ്രേണി വേണം, ഒരൊറ്റ സംഖ്യയല്ല.
• [ ] ഞാൻ MAPE, yaw ദിശ എന്നിവ പരിശോധിച്ചു.
• [ ] ബഡ്ജറ്റും നിയന്ത്രണങ്ങളും അടിസ്ഥാനമാക്കിയാണ് ഞാൻ ഓർഡർ ചെയ്യാനുള്ള തീരുമാനം എടുത്തത്.