Fitimet:
- Aftësia për të kuptuar konceptet e serive kohore, trendit, sezonalitetit dhe ndikimit të fushatës dhe përdorimin e inteligjencës artificiale për parashikimin e kërkesës me pyetjet e duhura dhe të dhëna të pastra.
- Aftësia për të interpretuar saktësinë e parashikimit (MAPE, devijimi) dhe pasigurinë (intervali i besimit, skenarët) dhe planifikimi i bazës në një interval dhe jo në një numër të vetëm
- Të jesh në gjendje të dallosh që parashikimi i inteligjencës artificiale bazohet në të dhëna historike dhe se gjykimi i ekspertëve del në pah në rastet e ndërprerjeve të tilla si produkte të reja, promovime ose kriza furnizimi.
Çdo vendim në zinxhirin e furnizimit bazohet në një pyetje: sa kërkesë do të ketë? Sa më saktë t'i përgjigjeni kësaj pyetjeje, aq më pak aksione mbani, aq më pak aksione qëndroni jashtë dhe aq më pak para lidhni. Parashikimi i kërkesës është motori i zinxhirit të furnizimit; Planet e stokut, blerjes, prodhimit dhe transportit ushqehen të gjitha nga këtu. Inteligjenca artificiale është jashtëzakonisht e fuqishme në këtë fushë, sepse skanon historinë e mijëra produkteve shumë më shpejt se njeriu dhe nxjerr modele. Por burimi i fuqisë së saj është gjithashtu kufiri i saj: AI mëson nga e kaluara; Nëse e ardhmja nuk i ngjan të shkuarës, është gabim. Në këtë njësi, ne do të mësojmë gjuhën e parashikimit, saktësinë e matjes, menaxhimin e pasigurisë dhe se ku duhet t'ju dorëzohet AI.
Gjuha e parashikimit: seritë kohore, tendenca, sezonaliteti
Të dhënat e kërkesës janë zakonisht një seri kohore - një seri numrash të renditura sipas kohës, të tilla si shitjet e çdo dite të një produkti. Ndarja e kësaj sekuence në tre pjesë është baza e parashikimit:
Trendi, drejtimi afatgjatë: a janë shitjet në rritje apo ulje nga viti në vit? Sezonaliteti, luhatje që përsëritet rregullisht: akullorja shitet në verë, ngrohësi shitet në dimër; Tregu është i zënë të premten dhe të shtunën. Zhurmë, lojë e rastësishme e pashpjegueshme. Një parashikim i mirë kap trendin dhe sezonalitetin dhe nuk mashtrohet nga zhurma. Mbi këto, ngjarjet grumbullohen: fushata, promovimi, festa publike, moti, lëvizja e konkurrentëve. Kur ju bëni AI të parashikojë, ju duhet t'i tregoni asaj këto ngjarje; Nëse nuk ia tregoni, ai do të mendojë se kërcimi në ditën e fushatës është “normale” dhe do të bëjë një gabim për të ardhmen.
Këshillë: Kur jepni të dhëna të papërpunuara të shitjeve në AI, shënoni fushatat, festat dhe ditët e pa stok. Dita pa stoqe është e rëndësishme: shitjet duken të ulëta atë ditë, por kërkesa reale ishte e lartë, thjesht nuk kishte mallra në dispozicion. Nëse nuk e specifikoni këtë, AI do të nënvlerësojë kërkesën aktuale.
Saktësia e matjes: MAPE dhe paragjykim
"A është parashikimi i mirë?" Përgjigja e pyetjes vjen nga matja, jo nga ndjenja. Treguesi më i zakonshëm është MAPE (Mean Absolute Percent Error - sa pikë përqindje mesatarisht devijojnë parashikimet nga realiteti). Nëse MAPE është 10%, do të thotë që parashikimet tuaja humbasin vlerën reale me një mesatare prej 10%; MAPE më e ulët është më e mirë. Koncepti i dytë i rëndësishëm është paragjykimi: a është parashikimi juaj vazhdimisht mbi realitetin (prodhimi i tepricës) apo nën-stoku (lënia e nënstokut)? Edhe nëse një parashikim ka një MAPE të ulët, nëse gjithmonë devijon në të njëjtin drejtim, ka një problem sistematik.
Ju mund t'i jepni AI një pjesë të historisë si "trajnim" dhe një pjesë të tij si "testim" dhe të krahasoni parashikimin e tij me realitetin. Kjo është mënyra e ndershme për të ndërtuar besimin: testimi i modelit mbi të dhënat që nuk i ka parë. Një parashikim ia vlen të zbatohet për të ardhmen vetëm nëse është dëshmuar i qëndrueshëm në të kaluarën.
Kujdes: Asnjë parashikim nuk është 100% i saktë; Nuk pritet të ndodhë. Qëllimi nuk është të prodhohet një numër i vetëm perfekt, por një gamë e menaxhueshme, duke ditur devijimin. Ideja binare e "parashikimit u realizua / nuk funksionoi" është e gabuar; Pyetja e saktë është "sa ka devijuar dhe sa buffer kam mbajtur në përputhje me rrethanat?"
Menaxhimi i pasigurisë: diapazoni, jo një numër i vetëm
Zakoni më i rrezikshëm i planifikuesit është ta trajtojë parashikimin si një numër të vetëm të vështirë. Në realitet, çdo parashikim ka një interval besimi - si "kërkesa muajin e ardhshëm ka shumë të ngjarë midis 900 dhe 1,100". Sa më i gjerë ky diapazon, aq më i lartë është pasiguria. Njohja e gamës ndikon drejtpërdrejt në vendimin tuaj të aksioneve: diapazoni i ngushtë kërkon më pak rezervë sigurie, diapazoni i gjerë kërkon më shumë tampon.
Pra, gjithmonë kërkoni nga AI për skenarë: pesimiste (nëse kërkesa rezulton e ulët), e pritshme dhe optimiste (nëse kërkesa rezulton e lartë). Duke parë tre skenarë, plani nuk bazohet në një supozim të vetëm, por në një sërë mundësish të mundshme. Kjo është mënyra më praktike për të dalë nga kurthi i "kyçur në një numër të vetëm".
Hap pas hapi: Studim i parashikimit të kërkesës me AI
- Pastro të dhënat. Shënoni ditët e munguara, ditët e pa stok, hapjen e regjistrave të gabuar; Punoni me kodin anonim të produktit.
- Etiketoni ngjarjet. Shtoni ditët e fushatës, pushimeve dhe promovimit në të dhënat.
- Zbrisni modelin. Kërkojini AI të përmbledhë tendencat, sezonalitetin dhe ngjarjet e dukshme.
- Provoni atë. Ruani pjesën e fundit të historisë, lëreni AI të parashikojë, krahasoni me realitetin (MAPE dhe drejtimi i paragjykimit).
- Krijo një skenar. Kërkoni tre parashikime, pesimiste/të pritshme/optimiste dhe intervalin e besimit për secilin.
- Filtri ekspert. AI nuk di për ndërprerjet e njohura të ardhshme (produkt i ri, kriza e furnizimit, legjislacioni); shtoni ato me dorë. Plani përfundimtar është i juaji.
tre mini kuti
Rasti 1 - Kapja e sezonalitetit. Një distributor pijesh ankohej se gjatë muajve të verës ishte vazhdimisht pa stok dhe në dimër mbetej me mallra. Planifikuesi i dha YZ-së 3 vjet shitje anonime ditore dhe i hoqi sezonalitetin: kërkesa qershor-gusht ishte 2.4 herë më shumë se mesatarja e dimrit dhe kërcimi filloi në mesin e majit të çdo viti. Sipas këtij modeli, ai ngriti stokun e tij veror 3 javë përpara; Stoku i vdekur i verës u ul me 70%, stoku i vdekur i dimrit ra. AI tregoi modelin; Planifikuesi mori vendimin e aksioneve.
Rasti 2 - Dorëzimi ndaj produktit të ri. Një kompani do të lansonte një produkt krejt të ri; Nuk kishte të dhëna historike të shitjeve. Planifikuesi pyeti AI, "Cila do të jetë kërkesa për 3 muajt e parë?" pyeti ai. AI prodhoi një numër që dukej i arsyeshëm - por planifikuesi e dinte se ishte i pabazuar: nuk kishte të dhëna. Në vend të kësaj, AI pyet "Cili ishte modeli i parë 3-mujor i produkteve të lëshuara në segmente të ngjashme në të kaluarën?" analiza dhe vendosi atë si një diapazon parashikimi, me stokun fillestar të kujdesshëm. Gjykimi i ekspertëve rrëzoi besimin fiktiv të AI.
Rasti 3 — Pa stoqe është kurthi i ditës. Një analist arriti në përfundimin se kërkesa për një produkt kishte rënë dhe rekomandoi reduktimin e inventarit. Kolegu i tij i vjetër vuri re se ditët e ulëta të shitjeve në të dhëna ishin në fakt ditë pa stok: kërkesa nuk kishte rënë, nuk kishte mallra. Kur të dhënat u korrigjuan me këtë shënim dhe iu dhanë përsëri UA, u pa se kërkesa reale u rrit. Të dhënat e pastruara në mënyrë jo të duhur prodhojnë parashikime të pasakta.
Katër shabllone të kopjueshëm
1) Nxjerrja e modelit:
Roli juaj: asistent analist i planifikimit të kërkesës. Më poshtë janë të dhënat e shitjeve mujore të një produkti (kodi anonim: PRODUCT-X) për 36 muajt e fundit. Muajt e fushatës [lista e muajve], muajt pa aksione [lista e muajve]. Detyrë: Përmblidhni (1) trendin, (2) modelin sezonal, (3) ngjarjet e dukshme. Merrni parasysh që muajt pa stok fshehin kërkesën e vërtetë. Muaji për të cilin nuk kam dhënë të dhëna është i sajuar.
2) Testi i saktësisë:
Parashikoni 6 muajt e fundit duke përdorur 30 të parët nga 36 muajt e mëposhtëm. Pastaj krahasoni parashikimin tim me 6 muajt e fundit aktual; Llogaritni devijimin dhe MAPE totale për çdo muaj. Më tregoni nëse vlerësimi juaj është vazhdimisht i njëanshëm. Trego formulën.
3) Parashikimi i skenarit:
Llogaritni kërkesën mujore të tremujorit të ardhshëm për këtë produkt në 3 skenarë: pesimist / i pritshëm / optimist. Jepni një interval besimi për secilin skenar dhe shkruani se në cilin supozim bazohet. Vini re se kjo nuk është përfundimtare, por një interval për planifikim.
4) Kontrolli i thyerjes:
Rendisni se si parashikimi i bazuar në të dhënat historike që ju dhashë mund të anulohet nga ngjarjet e ardhshme të mëposhtme: [produkti i ri / promovimi / kriza e furnizimit / ndryshimi rregullator]. Sugjeroni se si duhet të rregulloj manualisht parashikimin për secilën.
Prompt i dobët / Prompt i fortë
Njoftim i dobët:
Sa do të shes muajin tjetër?
Pa të dhëna, pa produkt, pa kontekst. AI ose refuzon ose kompenson; as rezultati nuk funksionon.
Njoftim i fuqishëm:
Roli juaj: asistent i planifikimit të kërkesës. Më poshtë janë shitjet e PRODUCT-X gjatë 24 muajve të fundit; Janë shënuar muajt e fushatës dhe muajt pa stoqe. Jepni një parashikim pesimist/pritur/optimist për 3 muajt e ardhshëm, shtoni interval besimi për secilin, tregoni MAPE gjatë testit të kaluar. Pretendoni se kam vendimin përfundimtar të aksioneve.
Qasje
goditi
menaxhimi i pasigurisë
Rreziku
mbështetuni në një numër të vetëm
mashtruese
Asnjë
E lartë - plani shembet
Skenari + diapazoni
realiste
mirë
të ulëta
vetëm intuitë
E ndryshueshme
i dobët
mesatar-i lartë
Duke iu bindur verbërisht AI
E ndryshueshme
Asnjë
lartë
Gabimet e zakonshme
- Gabimi i një dite të stokut me kërkesë reale të ulët. Kur mallrat nuk janë të disponueshme, shitjet duken të ulëta; Kjo nuk do të thotë se kërkesa ka rënë.
- Mbyllja në një numër të vetëm. Të shohësh parashikimin si një të vërtetë absolute do të thotë të injorosh pasigurinë; Gjithmonë kërkoni diapazonin dhe skenarin.
- Mos etiketimi i fushatës. Modeli që mendon se fryrja promovuese është "normale" shtrembëron të ardhmen.
- Parashikimi i produktit të ri pa histori. Numri në dukje i sigurt i AI për produktin pa të dhëna është i pabazuar.
- Duke ia lënë thyerjen AI. AI nuk njeh thyerje strukturore si epidemitë, krizat e furnizimit dhe legjislacionin; Duhet të bëhet një ndërhyrje e ekspertëve.
Kujdes: Sado i mirë të duket një parashikim, ai nuk mund të jetë më i mirë se cilësia e të dhënave në të cilat bazohet. "Plehrat brenda, mbeturinat jashtë." Kaloni pjesën më të madhe të kohës duke pastruar të dhënat; Pjesa e modelit bën pjesën tjetër.
Në përmbledhje
Parashikimi i kërkesës është motori i zinxhirit të furnizimit, dhe AI është një asistent i fuqishëm që e përshpejton këtë motor. Por AI mëson nga e kaluara; gabon kur e ardhmja nuk i ngjan të shkuarës. Regjistroni trendin dhe sezonalitetin, etiketoni ngjarjet, matni saktësinë me MAPE dhe drejtimin e lëvizjes, konfiguroni parashikimin si skenar dhe diapazon, jo një numër të vetëm. Gjykimi i ekspertëve vjen i pari në produktet e reja dhe prishjet strukturore. Pastrimi i të dhënave është themeli i gjithçkaje; Plani përfundimtar është i juaji.
Detyra e aplikimit
Merrni të dhënat e shitjeve për 12-24 muajt e fundit të një prej produkteve tuaja (ose të një produkti hipotetik), shënoni fushatën dhe muajt e pa stok. Kërkoni nga AI për tre skenarë me shabllonin e "parashikimit të skenarit". Më pas ruani një pjesë të historisë me shabllonin "Testi i saktësisë" dhe krahasoni parashikimin me realitetin. Shkruani hartën që gjetët dhe skenarin që zgjodhët, së bashku me arsyen e saj, në 5 artikuj; Gjithashtu specifikoni se cilin buffer sigurie do të shtoni.
listë kontrolli
- [ ] A i kam pastruar të dhënat, ditët e shënuara pa stok dhe ditët e fushatës?
- [ ] A e kam vërtetuar parashikimin me MAPE dhe drejtimin e paragjykimit përmes testimit prapa?
- [ ] A kërkova për një skenar dhe interval besimi në vend të një numri të vetëm?
- [ ] Nëse ka një produkt / thyerje të re, a i kam dhënë përparësi gjykimit të ekspertëve?
- [ ] A ia kam nënshtruar planin përfundimtar të aksioneve miratimit tim?