zisky:
- Schopnosť porozumieť konceptom časových radov, trendu, sezónnosti a vplyvu kampane a používať umelú inteligenciu na prognózovanie dopytu so správnymi otázkami a čistými údajmi.
- Schopnosť interpretovať presnosť prognózy (MAPE, odchýlka) a neistotu (interval spoľahlivosti, scenáre) a založiť plánovanie na rozsahu a nie na jedinom čísle
- Schopnosť rozlíšiť, že predikcia umelej inteligencie je založená na historických údajoch a že odborný úsudok prichádza do popredia v prípadoch prestávok, ako sú nové produkty, akcie alebo krízy dodávok.
Každé rozhodnutie v dodávateľskom reťazci je založené na jednej otázke: aký veľký bude dopyt? Čím presnejšie odpoviete na túto otázku, tým menej akcií držíte, tým menej zásob zostanete mimo a tým menej peňazí viažete. Predpovedanie dopytu je motorom dodávateľského reťazca; Odtiaľto sa napájajú plány zásob, nákupu, výroby a dopravy. Umelá inteligencia je v tejto oblasti mimoriadne silná, pretože skenuje históriu tisícok produktov oveľa rýchlejšie ako človek a extrahuje vzory. Zdrojom jej sily je však aj jej limit: AI sa učí z minulosti; Ak sa budúcnosť nepodobá minulosti, je zle. V tejto lekcii sa naučíme jazyk predpovedí, merania presnosti, zvládania neistoty a toho, kde by sa vám mala AI vzdať.
Jazyk predpovedí: časové rady, trend, sezónnosť
Údaje o dopyte sú zvyčajne časovým radom – radom čísel zoradených podľa času, ako je napríklad predaj produktu za každý deň. Rozdelenie tejto sekvencie na tri časti je základom predpovede:
Trend, dlhodobé smerovanie: rastú alebo klesajú tržby z roka na rok? Sezónnosť, pravidelne sa opakujúca fluktuácia: zmrzlina predáva v lete, ohrievač predáva v zime; V piatok a sobotu je na trhu rušno. Hluk, nevysvetliteľné náhodné prehrávanie. Dobrá predpoveď zachytáva trend a sezónnosť a nenechá sa oklamať hlukom. Okrem toho sa hromadia udalosti: kampaň, propagácia, štátny sviatok, počasie, ťah konkurentov. Keď necháte AI predpovedať, musíte jej tieto udalosti povedať; Ak mu to nepoviete, bude si myslieť, že skočiť v deň kampane je „normálne“ a urobí chybu o budúcnosti.
Tip: Pri poskytovaní nespracovaných údajov o predaji AI označte kampane, sviatky a dni, keď nie sú na sklade. Deň bez zásob je dôležitý: predaje sa v ten deň zdajú nízke, ale skutočný dopyt bol vysoký, jednoducho nebol dostupný žiadny tovar. Ak to nešpecifikujete, AI podcení skutočný dopyt.
Presnosť merania: MAPE a vychýlenie
"Je predpoveď dobrá?" Odpoveď na otázku pochádza z merania, nie z pocitu. Najbežnejším ukazovateľom je MAPE (priemerná absolútna percentuálna chyba — o koľko percentuálnych bodov sa v priemere predpovede odchyľujú od reality). Ak je MAPE 10%, znamená to, že vaše predpovede minuli skutočnú hodnotu v priemere o 10%; nižšia MAPE je lepšia. Druhým dôležitým pojmom je zaujatosť: je vaša prognóza konzistentne nad realitou (produkuje nadbytočné zásoby) alebo nedostatočne zásobuje (ponecháva podzásoby)? Aj keď má predpoveď nízky MAPE, ak sa vždy odchyľuje rovnakým smerom, existuje systematický problém.
Môžete dať AI časť histórie ako „tréning“ a časť ako „testovanie“ a porovnať jej predpoveď s realitou. Toto je čestný spôsob budovania dôvery: testovanie modelu na údajoch, ktoré nevidel. Predpoveď sa oplatí aplikovať na budúcnosť len vtedy, ak sa v minulosti preukázala ako konzistentná.
Upozornenie: Žiadna predpoveď nie je 100% presná; Neočakáva sa, že sa to stane. Cieľom nie je vytvoriť dokonalé jediné číslo, ale zvládnuteľný rozsah so znalosťou odchýlky. Binárna myšlienka „predpoveď sa splnila/nefungovala“ je nesprávna; Správna otázka je "o koľko sa to odchýlilo a koľko vyrovnávacej pamäte som podľa toho zachoval?"
Riadenie neistoty: rozsah, nie jedno číslo
Najnebezpečnejším zvykom plánovača je zaobchádzať s predpoveďou ako s jedným pevným číslom. V skutočnosti má každá predpoveď interval spoľahlivosti – napríklad „dopyt budúci mesiac je s najväčšou pravdepodobnosťou medzi 900 a 1 100“. Čím širší je tento rozsah, tým vyššia je neistota. Poznanie sortimentu priamo ovplyvňuje vaše rozhodnutie o sklade: úzky rozsah vyžaduje menej bezpečnostných zásob, široký rozsah vyžaduje viac vyrovnávacej pamäte.
Preto vždy požiadajte AI o scenáre: pesimistické (ak je dopyt nízky), očakávaný a optimistický (ak je dopyt vysoký). Pri pohľade na tri scenáre nie je plán založený na jedinom predpoklade, ale na množstve možných možností. Toto je najpraktickejší spôsob, ako sa dostať z pasce „zamknutého v jednom čísle“.
Krok za krokom: Vyžiadajte si štúdiu prognózovania dopytu s AI
- Vymazať údaje. Označte chýbajúce dni, dni vypredania zásob, otvorte chybné záznamy; Pracujte s anonymným kódom produktu.
- Označte udalosti. K údajom pridajte dni kampane, dovolenky a akcie.
- Odčítajte vzor. Požiadajte AI, aby zhrnula trendy, sezónnosť a významné udalosti.
- Otestujte to. Uložte poslednú časť histórie, nechajte AI predpovedať, porovnajte s realitou (MAPE a smer zaujatosti).
- Vytvorte scenár. Požiadajte o tri predpovede, pesimistické/očakávané/optimistické, a interval spoľahlivosti pre každú z nich.
- Expertný filter. AI nevie o známych nadchádzajúcich prerušeniach (nový produkt, kríza dodávok, legislatíva); pridajte ich ručne. Konečný plán je váš.
tri mini prípady
Prípad 1 – Zachytenie sezónnosti. Distribútor nápojov sa sťažoval, že počas letných mesiacov bol neustále vypredaný a v zime mu zostal tovar. Plánovač dal YZ 3 roky anonymného denného predaja a odstránil sezónnosť: dopyt od júna do augusta bol 2,4-násobok zimného priemeru a skok sa začal každý rok v polovici mája. Podľa tohto vzoru založil svoju letnú zásobu 3 týždne vopred; letné mŕtve zásoby klesli o 70 %, zimné mŕtve zásoby klesli. AI ukázala vzor; Plánovač urobil rozhodnutie o akciách.
Prípad 2 – Vzdať sa nového produktu. Spoločnosť sa chystala uviesť na trh úplne nový produkt; Neexistovali žiadne historické údaje o predaji. Plánovač sa spýtal AI: "Aký bude dopyt počas prvých 3 mesiacov?" spýtal sa. AI vytvorila číslo, ktoré sa zdalo rozumné - ale plánovač vedel, že je nepodložené: neexistujú žiadne údaje. Namiesto toho sa AI pýta: "Aký bol prvý 3-mesačný model produktov vydaných v podobných segmentoch v minulosti?" analýzu a nastavte ju ako predpovedný rozsah s opatrnými východiskovými zásobami. Odborný posudok zrušil fiktívnu dôveru AI.
Prípad 3 — Bez zásob je pasca dňa. Analytik dospel k záveru, že dopyt po produkte klesol a odporučil znížiť zásoby. Jeho starší kolega si všimol, že nízke predajné dni v údajoch boli v skutočnosti dni vypredania zásob: dopyt neklesol, nebol žiadny tovar. Keď boli údaje opravené pomocou tejto poznámky a znovu odovzdané AI, bolo vidieť, že skutočný dopyt sa zvýšil. Nesprávne vyčistené údaje vytvárajú nesprávne predpovede.
Štyri kopírovateľné šablóny
1) Extrakcia vzoru:
Vaša úloha: asistent analytika plánovania dopytu. Nižšie sú uvedené mesačné údaje o predaji produktu (anonymný kód: PRODUCT-X) za posledných 36 mesiacov. Mesiace kampane [mesiac zoznam], mesiace bez zásob [mesiac zoznam]. Úloha: Zhrňte (1) trend, (2) sezónny vývoj, (3) významné udalosti. Berte do úvahy, že mesiace bez zásob skrývajú skutočný dopyt. Mesiac, za ktorý som neposkytol údaje, je vymyslený.
2) Test presnosti:
Predpovedajte posledných 6 mesiacov pomocou prvých 30 z 36 mesiacov uvedených nižšie. Potom porovnaj moju predpoveď so skutočnými poslednými 6 mesiacmi; Vypočítajte odchýlku a celkovú MAPE za každý mesiac. Povedzte mi, či je váš odhad dôsledne neobjektívny. Zobraziť vzorec.
3) Predpoveď scenára:
Odhadnite mesačný dopyt po tomto produkte v nasledujúcom štvrťroku v 3 scenároch: pesimistický / očakávaný / optimistický. Uveďte interval spoľahlivosti pre každý scenár a napíšte, na ktorom predpoklade je založený. Všimnite si, že to nie je definitívny, ale časový interval na plánovanie.
4) Kontrola prerušenia:
Uveďte, ako môže byť predpoveď založená na historických údajoch, ktoré som vám poskytol, neplatná v dôsledku nasledujúcich nadchádzajúcich udalostí: [nový produkt/propagácia/kríza dodávok/regulačná zmena]. Navrhnite, ako by som mal manuálne upraviť predpoveď pre každý z nich.
Slabá výzva / Silná výzva
Slabá výzva:
Koľko predám budúci mesiac?
Žiadne údaje, žiadny produkt, žiadny kontext. AI buď odmietne, alebo vyrovná; ani jeden výsledok nefunguje.
Výkonná výzva:
Vaša úloha: asistent plánovania dopytu. Nižšie sú uvedené predaje PRODUCT-X za posledných 24 mesiacov; Mesiace kampane a mesiace bez zásob sú označené. Poskytnite pesimistickú/očakávanú/optimistickú predpoveď na nasledujúce 3 mesiace, pridajte ku každému intervalu spoľahlivosti, ukážte MAPE počas minulého testu. Predstierajte, že mám konečné rozhodnutie o akciách.
Prístup
zasiahnuť
manažment neistoty
Riziko
spoliehať sa na jedno číslo
zavádzajúce
žiadne
Vysoká — plán sa zrúti
Scenár + rozsah
realistické
dobre
nízka
len intuícia
Variabilné
slabý
stredne vysoká
Slepo poslúchať AI
Variabilné
žiadne
vysoká
Časté chyby
- Zamieňanie dňa vypredania zásob za skutočne nízky dopyt. Keď tovar nie je dostupný, predaj sa zdá nízky; To neznamená, že dopyt klesol.
- Uzamknutie na jedno číslo. Vidieť predpoveď ako absolútnu pravdu znamená ignorovať neistotu; Vždy sa pýtajte na rozsah a scenár.
- Kampaň sa neoznačuje. Model, ktorý si myslí, že propagačný skok je „normálny“, skresľuje budúcnosť.
- Predpoveď na nový produkt bez histórie. Zdanlivo bezpečný počet AI pre produkt bez údajov je nepodložený.
- Prenechanie lámania na AI. AI nepozná štrukturálne zlomy, ako sú epidémie, krízy dodávok a legislatíva; Je potrebné vykonať odborný zásah.
Upozornenie: Bez ohľadu na to, ako dobre vyzerá predpoveď, nemôže byť lepšia ako kvalita údajov, na ktorých je založená. "Odpad dnu, odpad von." Väčšinu času strávite čistením údajov; O zvyšok sa postará modelová časť.
V súhrne
Predpovedanie dopytu je motorom dodávateľského reťazca a AI je výkonný asistent, ktorý tento motor zrýchľuje. Ale AI sa učí z minulosti; sa mýli, keď sa budúcnosť nepodobá minulosti. Zachyťte trend a sezónnosť, označte udalosti, merajte presnosť pomocou MAPE a smer driftu, nastavte predpoveď ako scenár a rozsah, nie jedno číslo. Odborný posudok je na prvom mieste pri nových produktoch a konštrukčných zlomoch. Čistenie dát je základom všetkého; Konečný plán je váš.
Aplikačná úloha
Získajte údaje o predaji za posledných 12-24 mesiacov jedného z vašich vlastných produktov (alebo hypotetického produktu), označte kampaň a mesiace vypredania zásob. Opýtajte sa AI na tri scenáre pomocou šablóny „predpovede scenára“. Potom uložte časť histórie pomocou šablóny "Test presnosti" a porovnajte predpoveď so skutočnosťou. Zapíšte si MAPE, ktorý ste našli a scenár, ktorý ste si vybrali, spolu s jeho dôvodom do 5 položiek; Tiež špecifikujte, ktorý bezpečnostný buffer pridáte.
kontrolný zoznam
- [ ] Vymazal som údaje, označil som, že nie je na sklade a dni kampane?
- [ ] Overil som predikciu pomocou MAPE a smeru skreslenia prostredníctvom spätného testovania?
- [ ] Žiadal som namiesto jedného čísla scenár a interval spoľahlivosti?
- [ ] Ak sa vyskytne nový produkt/poškodenie, dal som prednosť odbornému posúdeniu?
- [ ] Podrobil som konečný plán zásob vlastnému schváleniu?