ඉල්ලුම පුරෝකථනය: කාල මාලාව, සෘතුමයභාවය සහ අවිනිශ්චිතභාවය කළමනාකරණය කිරීම

ලාභ:

• කාල ශ්‍රේණිය, ප්‍රවණතාවය, සෘතුමයභාවය සහ ප්‍රචාරක බලපෑම යන සංකල්ප තේරුම් ගැනීමට සහ නිවැරදි ප්‍රශ්න සහ පිරිසිදු දත්ත සමඟ ඉල්ලුම පුරෝකථනය කිරීම සඳහා කෘතිම බුද්ධිය භාවිතා කිරීමේ හැකියාව.
• පුරෝකථන නිරවද්‍යතාවය (MAPE, අපගමනය) සහ අවිනිශ්චිතතාවය (විශ්වාස පරතරය, අවස්ථා) සහ තනි අංකයකට වඩා පරාසයක් මත පදනම් සැලසුම් කිරීමේ හැකියාව
• කෘත්‍රිම බුද්ධි අනාවැකිය ඓතිහාසික දත්ත මත පදනම් වී ඇති බවත් නව නිෂ්පාදන, ප්‍රවර්ධන හෝ සැපයුම් අර්බුද වැනි බිඳීම් වලදී විශේෂඥ විනිශ්චය ඉදිරියට එන බවත් වෙන්කර හඳුනා ගැනීමට හැකි වීම.

සැපයුම් දාමයේ සෑම තීරණයක්ම එක් ප්රශ්නයක් මත පදනම් වේ: කොපමණ ඉල්ලුමක් තිබේද? ඔබ මෙම ප්‍රශ්නයට වඩාත් නිවැරදිව පිළිතුරු දෙන තරමට, ඔබ සතුව ඇති තොග අඩු වන තරමට, ඔබ ඉවත්ව සිටින කොටස් අඩු වන අතර ඔබ බැඳ තබන මුදල් අඩු වේ. ඉල්ලුම පුරෝකථනය සැපයුම් දාමයේ එන්ජිම වේ; තොග, මිලදී ගැනීම්, නිෂ්පාදනය සහ ප්‍රවාහන සැලසුම් සියල්ල මෙතැනින් පෝෂණය වේ. කෘත්‍රිම බුද්ධිය මෙම ක්‍ෂේත්‍රයේ අතිශයින් ප්‍රබල වන්නේ එය මිනිසාට වඩා වේගයෙන් නිෂ්පාදන දහස් ගණනක ඉතිහාසය පරිලෝකනය කර රටා උපුටා ගන්නා බැවිනි. නමුත් එහි බලයේ ප්‍රභවය එහි සීමාව ද වේ: AI අතීතයෙන් ඉගෙන ගනී; අනාගතය අතීතයට සමාන නොවේ නම් එය වැරදිය. මෙම ඒකකය තුළ, අපි අනාවැකි භාෂාව, නිරවද්‍යතාවය මැනීම, අවිනිශ්චිතතාවය කළමනාකරණය කිරීම සහ AI ඔබට යටත් විය යුතු ස්ථානය ඉගෙන ගන්නෙමු.

අනාවැකි භාෂාව: කාල ශ්‍රේණිය, ප්‍රවණතාවය, සෘතුමය බව

ඉල්ලුම දත්ත සාමාන්‍යයෙන් කාල ශ්‍රේණියකි - නිෂ්පාදනයක එක් එක් දින විකුණුම් වැනි කාලය අනුව ඇණවුම් කරන ලද සංඛ්‍යා මාලාවකි. මෙම අනුපිළිවෙල කොටස් තුනකට බෙදීම අනාවැකියේ පදනම වේ:

ප්‍රවණතාවය, දිගුකාලීන දිශාව: වසරින් වසර විකුණුම් වැඩි වේද හෝ අඩු වේද? සෘතුමයභාවය, නිතිපතා පුනරාවර්තන උච්චාවචනය: අයිස් ක්රීම් ගිම්හානයේදී විකුණනු ලැබේ, හීටරය ශීත ඍතුවේ දී විකුණනු ලැබේ; සිකුරාදා සහ සෙනසුරාදා වෙළඳපොළ කාර්යබහුලයි. ශබ්දය, පැහැදිලි කළ නොහැකි අහඹු වාදනය. හොඳ පුරෝකථනයක් ප්‍රවණතාවය සහ සෘතුමය බව ග්‍රහණය කර ගන්නා අතර ශබ්දයෙන් රැවටෙන්නේ නැත. මේවාට ඉහළින්, සිදුවීම් ගොඩගැසී ඇත: උද්ඝෝෂනය, ප්රවර්ධනය, රජයේ නිවාඩු, කාලගුණය, තරඟකරුවන්ගේ චලනය. ඔබ AI පුරෝකථනය කරන විට, ඔබට මෙම සිදුවීම් පැවසිය යුතුය; නොකිව්වොත් කැම්පේන් එක දවසට පැනීම "සාමාන්‍ය දෙයක්" කියල හිතාගෙන අනාගතේ ගැන වැරදි හදා ගනීවි.

ඉඟිය: AI වෙත අමු විකුණුම් දත්ත ලබා දෙන විට, ව්‍යාපාර, නිවාඩු සහ තොගයෙන් බැහැර දින සලකුණු කරන්න. තොග නොමැති දිනය වැදගත් ය: එදින විකුණුම් අඩු බව පෙනේ, නමුත් සැබෑ ඉල්ලුම ඉහළ ය, භාණ්ඩ කිසිවක් නොතිබුණි. ඔබ මෙය සඳහන් නොකරන්නේ නම්, AI සැබෑ ඉල්ලුම අවතක්සේරු කරනු ඇත.

නිරවද්‍යතාවය මැනීම: MAPE සහ පක්ෂග්‍රාහීත්වය

"අනාවැකිය හොඳද?" ප්‍රශ්නයට පිළිතුර ලැබෙන්නේ මැනීමෙන් මිස හැඟීමෙන් නොවේ. වඩාත්ම පොදු දර්ශකය වන්නේ MAPE (මධ්‍යන්‍ය නිරපේක්ෂ ප්‍රතිශත දෝෂය - සාමාන්‍යයෙන් ප්‍රතිශත ලක්ෂ්‍ය කීයක් අනාවැකි යථාර්ථයෙන් බැහැර වේද). MAPE 10% නම්, එයින් අදහස් වන්නේ ඔබේ අනාවැකිවල සැබෑ අගය සාමාන්‍යයෙන් 10%කින් මග හැරී ඇති බවයි; පහළ MAPE වඩා හොඳය. දෙවන වැදගත් සංකල්පය පක්ෂග්‍රාහී වේ: ඔබගේ පුරෝකථනය අඛණ්ඩව ඉහලින් (අධික තොග නිපදවීම) හෝ අඩු තොග (යටි තොගය අත්හැරීම) යථාර්ථයද? අනාවැකියක MAPE අඩු වුවද, එය සෑම විටම එකම දිශාවට අපගමනය වුවහොත්, ක්‍රමානුකූල ගැටළුවක් ඇත.

ඔබට AI ඉතිහාසයේ කොටසක් "පුහුණුව" ලෙසත් කොටසක් "පරීක්ෂා කිරීම" ලෙසත් ලබා දී එහි අනාවැකිය යථාර්ථය සමඟ සංසන්දනය කළ හැකිය. විශ්වාසය ගොඩනැගීමේ අවංක මාර්ගය මෙයයි: එය නොදුටු දත්ත මත ආකෘතිය පරීක්ෂා කිරීම. අනාවැකියක් අනාගතයට අදාළ කර ගැනීම වටී වන්නේ එය අතීතයේ ස්ථාවර බව ඔප්පු වී ඇත්නම් පමණි.

අවවාදයයි: කිසිම අනාවැකියක් 100% නිවැරදි නැත; එය සිදුවනු ඇතැයි අපේක්ෂා නොකෙරේ. පරමාර්ථය වන්නේ අපගමනය දැන, පරිපූර්ණ තනි සංඛ්‍යාවක් නිෂ්පාදනය කිරීම නොව කළමනාකරණය කළ හැකි පරාසයක් නිෂ්පාදනය කිරීමයි. "අනාවැකිය සත්‍ය විය/එය ක්‍රියාත්මක නොවීය" යන ද්විමය අදහස වැරදිය; නිවැරදි ප්‍රශ්නය නම් "එය කොපමණ අපගමනය වී ඇත්ද සහ ඒ අනුව මම කොපමණ බෆරයක් තබා ගත්තාද?"

අවිනිශ්චිතතාවය කළමනාකරණය: පරාසය, තනි අංකයක් නොවේ

සැලසුම්කරුගේ භයානකම පුරුද්ද වන්නේ පුරෝකථනය තනි දෘඩ අංකයක් ලෙස සැලකීමයි. යථාර්ථයේ දී, සෑම පුරෝකථනයකටම විශ්වාස අන්තරයක් ඇත - "ඊළඟ මාසයේ ඉල්ලුම බොහෝ දුරට 900 සහ 1,100 අතර විය හැකිය." මෙම පරාසය පුළුල් වන තරමට අවිනිශ්චිතතාවය වැඩි වේ. පරාසය දැන ගැනීම ඔබේ කොටස් තීරණයට සෘජුවම බලපායි: පටු පරාසයකට අඩු ආරක්‍ෂිත තොගයක් අවශ්‍ය වේ, පුළුල් පරාසයකට වැඩි බෆරයක් අවශ්‍ය වේ.

එබැවින් සෑම විටම අවස්ථා සඳහා AI වෙතින් විමසන්න: අශුභවාදී (ඉල්ලුම අඩු නම්), අපේක්ෂිත සහ ශුභවාදී (ඉල්ලුම ඉහළ නම්). අවස්ථා තුනක් දකින විට, සැලැස්ම තනි උපකල්පනයක් මත නොව හැකි විය හැකි පරාසයක් මත පදනම් වේ. "තනි අංකයෙන් අගුලු දමා ඇති" උගුලෙන් මිදීමට වඩාත්ම ප්‍රායෝගික ක්‍රමය මෙයයි.

පියවරෙන් පියවර: AI සමඟ ඉල්ලුම අනාවැකි අධ්‍යයනය

1. දත්ත හිස් කරන්න. අතුරුදහන් වූ දින, තොග නොමැති දින, විවෘත වැරදි වාර්තා සලකුණු කරන්න; නිර්නාමික නිෂ්පාදන කේතය සමඟ වැඩ කරන්න.
2. සිදුවීම් ටැග් කරන්න. දත්ත වලට ප්‍රචාරක, නිවාඩු සහ ප්‍රවර්ධන දින එක් කරන්න.
3. රටාව අඩු කරන්න. ප්‍රවණතා, සෘතුමයභාවය සහ කැපී පෙනෙන සිදුවීම් සාරාංශ කිරීමට AI වෙතින් ඉල්ලා සිටින්න.
4. එය පරීක්ෂා කරන්න. ඉතිහාසයේ අවසාන කොටස ගබඩා කරන්න, AI පුරෝකථනය කිරීමට ඉඩ දෙන්න, යථාර්ථය සමඟ සසඳන්න (MAPE සහ පක්ෂග්‍රාහී දිශාව).
5. දර්ශනයක් සාදන්න. අනාවැකි තුනක්, අශුභවාදී/අපේක්ෂිත/ශුභවාදී, සහ එක් එක් සඳහා විශ්වාස අන්තරය ඉල්ලන්න.
6. විශේෂඥ පෙරහන. AI දන්නා ඉදිරි බාධා කිරීම් (නව නිෂ්පාදනය, සැපයුම් අර්බුදය, නීති සම්පාදනය) ගැන නොදනී; ඒවා අතින් එකතු කරන්න. අවසාන සැලැස්ම ඔබ සතුයි.

කුඩා නඩු තුනක්

නඩුව 1 - සෘතුමයභාවය අල්ලා ගැනීම. බීම බෙදාහරින්නෙකු ගිම්හාන මාසවලදී නිරන්තරයෙන් තොග නොමැති බවත් ශීත ඍතුවේ දී භාණ්ඩ සමඟ ඉතිරි වූ බවත් පැමිණිලි කළේය. සැලසුම්කරු YZ වෙත වසර 3ක නිර්නාමික දෛනික විකුණුම් ලබා දුන් අතර සෘතුමයභාවය ඉවත් කර ඇත: ජුනි-අගෝස්තු ඉල්ලුම ශීත සාමාන්‍යයට වඩා 2.4 ගුණයක් වූ අතර, සෑම වසරකම මැයි මැද භාගයේදී පැනීම ආරම්භ විය. මෙම රටාව අනුව, ඔහු සති 3 කට පෙර ඔහුගේ ගිම්හාන තොගය සකස් කළේය; ගිම්හාන මළ කොටස් 70% කින් අඩු විය, ශීත ඍතුවේ මළ කොටස් පහත වැටුණි. AI රටාව පෙන්වීය; සැලසුම්කරු කොටස් තීරණය කළේය.

නඩුව 2 - නව නිෂ්පාදනයට ලබා දීම. සමාගමක් අලුත්ම නිෂ්පාදනයක් එළිදැක්වීමට සූදානම්ව සිටියේය; ඓතිහාසික විකුණුම් දත්ත නොමැත. සැලසුම්කරු AI ගෙන් ඇසුවේ, "පළමු මාස ​​3 සඳහා ඉල්ලුම කුමක්ද?" ඔහු ඇසුවේය. AI විසින් සාධාරණ යැයි හැඟෙන අංකයක් නිපදවා ඇත - නමුත් එය පදනම් විරහිත බව සැලසුම්කරු දැන සිටියේය: දත්ත නොමැත. ඒ වෙනුවට, AI අසයි "අතීතයේ සමාන කොටස් වලින් නිකුත් කරන ලද නිෂ්පාදනවල පළමු මාස ​​3 රටාව කුමක්ද?" විශ්ලේෂණය සහ එය ප්‍රවේශම් සහගත ආරම්භක තොගයක් සහිතව, අනාවැකි පරාසයක් ලෙස සකසන්න. විශේෂඥ විනිශ්චය මගින් AI හි කල්පිත විශ්වාසය අවලංගු කරන ලදී.

නඩුව 3 - Stockless යනු දවසේ උගුලකි. විශ්ලේෂකයෙකු නිගමනය කළේ නිෂ්පාදනයක් සඳහා ඇති ඉල්ලුම පහත වැටී ඇති අතර ඉන්වෙන්ටරි අඩු කිරීමට නිර්දේශ කරන ලදී. ඔහුගේ ජ්‍යෙෂ්ඨ සගයා දුටුවේ දත්තවල අඩු විකුණුම් දින ඇත්ත වශයෙන්ම තොගයෙන් බැහැර වූ දිනයන් බවයි: ඉල්ලුම පහත වැටී නැත, භාණ්ඩ නොතිබුණි. මෙම සටහන සමඟ දත්ත නිවැරදි කර නැවත AI වෙත ලබා දුන් විට, සැබෑ ඉල්ලුම වැඩි වී ඇති බව පෙනෙන්නට තිබුණි. වැරදි ලෙස පිරිසිදු කළ දත්ත වැරදි අනාවැකි නිපදවයි.

පිටපත් කළ හැකි සැකිලි හතරක්

1) රටා නිස්සාරණය:

ඔබේ කාර්යභාරය: සහකාර ඉල්ලුම සැලසුම් විශ්ලේෂක. පහත දැක්වෙන්නේ පසුගිය මාස 36 සඳහා නිෂ්පාදනයක (නිර්නාමික කේතය: PRODUCT-X) මාසික විකුණුම් දත්ත ය. ප්‍රචාරක මාස [මාස ලැයිස්තුව], කොටස් රහිත මාස [මාස ලැයිස්තුව]. කාර්යය: (1) ප්‍රවණතාවය, (2) සෘතුමය රටාව, (3) කැපී පෙනෙන සිදුවීම් සාරාංශ කරන්න. තොග නොමැති මාස සැබෑ ඉල්ලුම සඟවන බව සැලකිල්ලට ගන්න. මම දත්ත ලබා නොදුන් මාසය ගොතන ලද එකක්.

2) නිරවද්‍යතා පරීක්ෂණය:

පහත මාස 36න් පළමු 30 භාවිතා කරමින් පසුගිය මාස 6 පුරෝකථනය කරන්න. ඉන්පසු මගේ අනාවැකිය සැබෑ පසුගිය මාස 6 සමඟ සසඳන්න; එක් එක් මාසය සඳහා අපගමනය සහ සම්පූර්ණ MAPE ගණනය කරන්න. ඔබේ ඇස්තමේන්තුව අඛණ්ඩව පක්ෂග්‍රාහී නම් මට කියන්න. සූත්‍රය පෙන්වන්න.

3) අවස්ථා අනාවැකි:

මෙම නිෂ්පාදනය සඳහා ඉදිරි කාර්තුවේ මාසික ඉල්ලුම අවස්ථා 3කින් ඇස්තමේන්තු කරන්න: අශුභවාදී / අපේක්ෂිත / ශුභවාදී. එක් එක් සිද්ධිය සඳහා විශ්වාසනීය පරතරයක් ලබා දී එය පදනම් වන්නේ කුමන උපකල්පනයද යන්න ලියන්න. මෙය නිශ්චිත නොවන නමුත් සැලසුම් කිරීම සඳහා වන විරාමයක් බව සලකන්න.

4) කැඩීම පාලනය:

මා ඔබට ලබා දුන් ඓතිහාසික දත්ත මත පදනම් වූ පුරෝකථනය පහත ඉදිරි සිදුවීම් මගින් අවලංගු විය හැකි ආකාරය ලැයිස්තුගත කරන්න: [නව නිෂ්පාදන / ප්‍රවර්ධන / සැපයුම් අර්බුදය / නියාමන වෙනසක්]. එක් එක් සඳහා පුරෝකථනය මා අතින් සකස් කළ යුතු ආකාරය යෝජනා කරන්න.

දුර්වල ක්ෂණික / ශක්තිමත් විමසුම

දුර්වල ක්ෂණික:

ලබන මාසයේ මම කොපමණ විකුණනවාද?

දත්ත නැත, නිෂ්පාදනයක් නැත, සන්දර්භය නැත. AI ප්‍රතික්ෂේප කරයි හෝ සකස් කරයි; කිසිම ප්‍රතිඵලයක් ක්‍රියා නොකරයි.

බලවත් විමසුම:

ඔබේ කාර්යභාරය: ඉල්ලුම සැලසුම් සහකාර. පසුගිය මාස 24 තුළ PRODUCT-X හි විකුණුම් පහත දැක්වේ; ප්‍රචාරක මාස සහ තොග රහිත මාස සලකුණු කර ඇත. ඉදිරි මාස 3 සඳහා අශුභවාදී/අපේක්ෂිත/ශුභවාදී පුරෝකථනයක් දෙන්න, එක් එක් විශ්වාසනීය පරතරය එක් කරන්න, පසුගිය පරීක්ෂණය පුරාවට MAPE පෙන්වන්න. අවසාන කොටස් තීරණය මා සතුව ඇති බව මවාපාන්න.

ප්රවේශය

ගැහුවා

අවිනිශ්චිත කළමනාකරණය

අවදානම

තනි අංකයක් මත රඳා පවතී

නොමඟ යවන

කිසිවක් නැත

ඉහළ - සැලැස්ම බිඳ වැටේ

දර්ශනය + පරාසය

යථාර්ථවාදී

හොඳයි

අඩු

හුදෙක් intuition

විචල්ය

දුර්වලයි

මධ්යම-ඉහළ

AI වලට අන්ධ ලෙස කීකරු වීම

විචල්ය

කිසිවක් නැත

ඉහළ

පොදු වැරදි

• තොග පිටවන දිනයක් සැබෑ අඩු ඉල්ලුමක් ලෙස වරදවා වටහා ගැනීම. භාණ්ඩ නොමැති විට, විකුණුම් අඩු බව පෙනේ; ඉල්ලුම පහත වැටී ඇති බව මින් අදහස් නොවේ.
• තනි අංකයකින් අගුලු දැමීම. පුරෝකථනය පරම සත්‍යයක් ලෙස දැකීම යනු අවිනිශ්චිතතාවය නොසලකා හැරීමයි; සෑම විටම පරාසය සහ දර්ශනය අසන්න.
• ව්‍යාපාරය ටැග් කිරීම නොවේ. ප්‍රවර්ධන පිම්ම "සාමාන්‍ය" යැයි සිතන ආකෘතිය අනාගතය විකෘති කරයි.
• ඉතිහාසය නොමැතිව නව නිෂ්පාදනයක් සඳහා පුරෝකථනය කිරීම. දත්ත රහිත නිෂ්පාදන සඳහා ආරක්ෂිත AI සංඛ්‍යාව පදනම් විරහිත ය.
• කැඩීම AI වෙත තැබීම. AI වසංගත, සැපයුම් අර්බුද සහ නීති සම්පාදනය වැනි ව්‍යුහාත්මක බිඳීම් නොදනී; විශේෂඥ මැදිහත්වීමක් කළ යුතුය.

අවවාදයයි: පුරෝකථනයක් කොතරම් හොඳ පෙනුමක් තිබුණත්, එය පදනම් වූ දත්තවල ගුණාත්මක භාවයට වඩා හොඳ විය නොහැක. "කසළ ඇතුලට, කුණු එලියට." දත්ත පිරිසිදු කිරීමට ඔබේ වැඩි කාලයක් ගත කරන්න; ආදර්ශ කොටස ඉතිරිය කරයි.

සාරාංශයකින්

ඉල්ලුම පුරෝකථනය සැපයුම් දාමයේ එන්ජිම වන අතර AI මෙම එන්ජිම වේගවත් කරන බලවත් සහායකයකි. නමුත් AI අතීතයෙන් ඉගෙන ගනී; අනාගතය අතීතයට සමාන නොවන විට වැරදියි. ප්‍රවණතාවය සහ සෘතුමයභාවය ග්‍රහණය කර ගැනීම, සිදුවීම් ටැග් කිරීම, MAPE සහ ප්ලාවිත දිශාව සමඟ නිරවද්‍යතාවය මැනීම, පුරෝකථනය තනි අංකයක් නොව අවස්ථා සහ පරාසය ලෙස සකසන්න. නව නිෂ්පාදන සහ ව්‍යුහාත්මක බිඳීම් වලදී ප්‍රවීණ විනිශ්චය පළමුව පැමිණේ. දත්ත පිරිසිදු කිරීම සෑම දෙයකම පදනමයි; අවසාන සැලැස්ම ඔබ සතුයි.

යෙදුම් කාර්යය

ඔබේම නිෂ්පාදනයක් (හෝ උපකල්පිත නිෂ්පාදනයක්) සඳහා පසුගිය මාස 12-24 සඳහා විකුණුම් දත්ත ලබා ගන්න, ව්‍යාපාරය සහ තොගයෙන් බැහැර මාස සලකුණු කරන්න. "සිනාරියෝ පුරෝකථනය" අච්චුව සහිත අවස්ථා තුනක් සඳහා AI ගෙන් විමසන්න. ඉන්පසු "නිරවද්‍යතා පරීක්ෂණය" අච්චුව සමඟ ඉතිහාසයෙන් කොටසක් ගබඩා කර අනාවැකිය යථාර්ථය සමඟ සංසන්දනය කරන්න. ඔබ සොයාගත් MAPE සහ ඔබ තෝරාගත් දර්ශනය, එහි හේතුව සමඟ අයිතම 5 කින් ලියන්න; ඔබ එකතු කරන ආරක්ෂක බෆරයද සඳහන් කරන්න.

පිරික්සුම් ලැයිස්තුව

• [ ] මම දත්ත ඉවත් කර, තොගයෙන් බැහැර දින සහ ප්‍රචාරක දින සලකුණු කර තිබේද?
• [ ] මම MAPE සමඟ පුරෝකථනය සහ පසුපෙළ පරීක්ෂාව හරහා පක්ෂග්‍රාහී දිශාව වලංගු කර තිබේද?
• [ ] මම තනි අංකයක් වෙනුවට දර්ශනයක් සහ විශ්වාස අන්තරයක් ඉල්ලා සිටියාද?
• [ ] නව නිෂ්පාදනයක් / බිඳීමක් තිබේ නම්, මම විශේෂඥ විනිශ්චයට ප්‍රමුඛත්වය දී තිබේද?
• [ ] මම අවසන් කොටස් සැලැස්ම මගේ අනුමැතියට යටත් කර තිබේද?