Mga nadagdag:
- Kakayahang gumawa ng draft na forecast ng demand sa batayan ng SKU na may suporta sa artificial intelligence sa pamamagitan ng pagsasama-sama ng makasaysayang data ng mga benta, mga seasonal na epekto at mga panlabas na salik.
- Kakayahang bigyang-kahulugan ang katumpakan ng hula (MAPE, bias) at makilala ang mga kahihinatnan ng negosyo ng labis na pagpapahalaga at pagmamaliit
- Ang kakayahang mapanatili na ang hula na ginawa ng artificial intelligence ay isang hula at ang huling desisyon ng order ay pagmamay-ari ng manager kasama ang stock cost at cash flow.
Mayroong dalawang pinakamahal na pagkakamali sa retail: ang pag-iingat ng masyadong maraming stock at ang pagpapabaya sa pera sa istante, o hindi pag-iingat ng sapat na stock at pag-iiwan sa customer na walang dala. Parehong may parehong pinagmulan: masamang pagtataya ng demand. Sa unit na ito matututunan mo kung paano gamitin ang artificial intelligence bilang isang makapangyarihang katulong na hinuhulaan ang hinaharap mula sa mga nakaraang benta. Ngunit sabihin natin mula sa simula: ang isang hula ay hindi isang hula, ngunit isang probabilistikong hula. Binibigyan ka ng AI ng isang numero; Trabaho mong isalin ang numerong iyon sa isang desisyon sa pag-order.
Pagtataya ng demand: Ito ang gawain ng paghula kung gaano karami sa isang produkto o kategorya ang ibebenta sa hinaharap sa pamamagitan ng pagtingin sa makasaysayang data at mga salik na nakakaimpluwensya.
SKU (Stock Keeping Unit): Ito ang natatanging stock code na iniingatan para sa bawat iba't ibang variant ng produkto. Halimbawa, ang "pula, size 42 sneakers" ay isang SKU; Ang numero 43 ng parehong modelo ay isang hiwalay na SKU.
Tatlong mapagkukunan ng impormasyon na nagpapakain sa hula
Pinagsasama ng magandang hula ang tatlong bagay:
- Mga makasaysayang benta (baseline): Lingguhan/buwanang benta ng produkto sa nakalipas na 12-24 na buwan. Kinukuha ng AI ang isang "normal" na antas mula sa seryeng ito.
- Mga epekto sa pana-panahon at kalendaryo: Mga Piyesta Opisyal, termino sa paaralan, tag-araw-taglamig, katapusan ng linggo, araw ng suweldo. Halimbawa, tumataas ang ice cream sa tag-araw at tumataas ang medyas sa taglamig.
- Panlabas na mga kadahilanan: Kampanya, pagbabago ng presyo, lagay ng panahon, paggalaw ng katunggali, pagbubukas/pagsasara. Itinutulak ng mga ito ang pagtatantya pataas o pababa.
Tip: Huwag lang sabihin sa AI "nagbenta kami ng 100 noong nakaraang buwan." Sabihin, "Nagbenta kami ng 100 noong nakaraang buwan, ngunit mayroong 20% na diskwento at ito ay isang linggo ng bakasyon." Kung walang konteksto, ang hula ay nakaliligaw.
Hakbang-hakbang na henerasyon ng hula
- Ihanda ang data: Isang anonymous, malinis na talahanayan: petsa, SKU, dami ng nabenta, presyo, promosyon/walang promosyon, availability. Markahan ang mga araw ng out-of-stock; Kung hindi, iisipin ng artificial intelligence na ang araw na iyon ay "low demand".
- Magbigay ng konteksto: Isulat ang season, mga paparating na kaganapan, mga nakaplanong kampanya.
- Humiling ng hula: Humiling ng hula at pagitan ng kumpiyansa (pinakamasama/pinakamahusay na sitwasyon ng kaso) para sa isang partikular na panahon, ayon sa SKU o kategorya.
- Sukatin ang katumpakan: Ihambing ang iyong mga nakaraang hula sa katotohanan (MAPE sa ibaba).
- Gawing desisyon: Pagsamahin ang pagtatantya sa stock na pangkaligtasan at badyet at gawin ang desisyon sa pag-order.
Pagbasa ng katumpakan ng hula: MAPE at bias
MAPE (Mean Absolute Percent Error): Ipinapakita ang average na porsyento ng paglihis ng mga pagtataya mula sa aktwal na mga benta. Ang formula ay simple: |aktwal − forecast| para sa bawat panahon / real ay ang kanilang average.
- MAPE 10% → ang mga pagtatantya ay lumihis ng 10% sa karaniwan, medyo maganda.
- MAPE 40% → ang mga pagtataya ay hindi mapagkakatiwalaan, mas maraming buffer (safety stock) ang kailangan sa order ng desisyon.
Direksyon (bias): Ang iyong hula ba ay pare-parehong nasa itaas (panganib ng overstocking) o mas mababa (panganib ng pag-stock out) ang katotohanan? Panoorin mo rin ito; Ang MAPE ay hindi nagpapakita ng direksyon.
Katayuan
Ibig sabihin
resulta ng negosyo
Patuloy na mataas na pagtatantya
Pinalalaki mo ang demand
Sobrang stock, meltdown, pagkawala ng margin
Patuloy na pagmamaliit
Minamaliit mo ang demand
Out of stock, hindi nakuha ang mga benta, hindi kasiyahan
Mataas na MAPE, balanseng direksyon
Mataas ang kawalan ng katiyakan
Dagdagan ang stock na pangkaligtasan, suriin nang madalas
Mababang MAPE
tumpak na hula
Mas payat na stock, mas magandang pera
maliit na kaso
Case 1 — Nawawalang seasonality: Ang isang grocery store ay nag-order ng mga school notebook batay sa mga benta noong nakaraang taon noong Hulyo (200 units bawat buwan). Kapag ang artificial intelligence ay binigyan ng konteksto ng "August-September school term, sales quadrupled in this period last year", ang hula ay tataas sa 780 units sa halip na 200. Salamat sa tamang pagkakasunud-sunod, hindi ka nauubusan ng stock sa school year; Ang tinatayang turnover na 60,000 TL, na nakatakas noong nakaraang taon, ay nahuhuli ngayong taon.
Case 2 — Hindi binibilang ang out of stock day: Nawalan ng stock ang isang tindahan ng sikat na kape sa loob ng 3 linggo. Kung titingnan ang raw data, nakikita ng artificial intelligence ang mga linggong iyon bilang "5 benta bawat linggo" at nagbibigay ng mababang pagtatantya. Kapag minarkahan ng analyst ang mga araw na walang stock at sinabing "ang mga linggong ito ay hindi sumasalamin sa demand", ang forecast ay tataas sa 45 bawat linggo. Lumalabas ang totoong demand.
Case 3 — Generalizing the campaign effect: Itinuturing ng isang textile chain ang 50% discount week sale (600 units) bilang "normal" at patuloy na nag-order ng 600. Kapag sinabi sa artificial intelligence na "ang pagbebentang ito ay ginawa gamit ang isang beses na campaign, ang normal na linggo ay 180", ang hula ay naitama. Ang panganib ng overstock at kasunod na pagkawala ng markdown ay pinipigilan.
Horizon ng hula: gaano kalayo ang makikita mo sa unahan?
Forecast horizon: Gaano kalayo sa hinaharap ang pagtataya ay ginawa. Ang panuntunan ay simple: mas mahaba ang abot-tanaw, mas malaki ang kawalan ng katiyakan. Hulaan mo ang mga benta sa susunod na linggo nang medyo tumpak; makalipas ang anim na buwan na may mas malawak na saklaw. Kaya piliin ang horizon ng pagtataya ayon sa pangangailangan ng desisyon ng order: maikling abot-tanaw at madalas na pag-update para sa sariwang produkto na mabilis maubos; Mas mahabang abot-tanaw at mas malawak na margin ng kaligtasan para sa imported na produkto na may mahabang panahon ng lead.
Ang isa pang mahalagang pagkakaiba ay ang pagtataya ng bagong produkto. Walang nakaraang pagbebenta ng bagong SKU; sa kasong ito, binibigyan mo ang AI ng kasaysayan ng mga katulad na produkto (analogue), ang average na kategorya, at ang plano sa paglulunsad. Ang pagsasabing "Walang kasaysayan ang produktong ito; magbigay ng paunang pagtatantya sa pamamagitan ng pagtingin sa unang 8 linggo ng mga katulad na produkto X at Y" ay isang makatwirang paraan upang punan ang blangko. Gayunpaman, ang bagong pagtataya ng produkto ay palaging mas mapanganib; Mabilis na baguhin ang hula habang nagiging available ang aktwal na data para sa mga unang linggo.
Babala: Huwag ituring ang pagtatantya bilang isang "gawin ito nang isang beses at kalimutan ito" na paggamot. Ang pagtataya ng demand ay isang live na proseso; Ang bawat bagong linggo ng pagbebenta ay isang pagkakataon upang i-update ang hula. Ang pinakamahuhusay na manghuhula ay ang mga gumagamit ng pinakamadalas na nag-a-update, hindi ang pinakamatalinong modelo.
Mahinang prompt / Malakas na prompt
Mahinang prompt:
Sabihin sa akin kung magkano ang ibebenta ng produktong ito sa susunod na buwan.
Walang konteksto; Ang AI ay bumubuo ng isang random na numero.
Napakahusay na prompt:
Ang iyong tungkulin: espesyalista sa pagpaplano ng demand. Data: Nasa ibaba ang buwanang dami ng benta at presyo para sa huling 18 buwan para sa SKU 4471 at kung mayroong campaign sa buwang iyon. Context: Ang produktong ito ay summer sandals; Tumataas ang demand noong Mayo-Agosto. Sa susunod na buwan ay Hunyo na. Walang nakaplanong kampanya. Naayos ang presyo.Gawain: (1) inaasahang dami ng benta para sa Hunyo, (2) pinakamasama at pinakamagandang hanay ng senaryo, (3) 2 pangunahing salik na nakakaapekto sa pagtataya. Panuntunan: Huwag bilangin ang mga buwan na minarkahan bilang out of stock bilang mababang demand. Batay lamang sa ibinigay na data. Data: [i-paste ang talahanayan]
Nakokopya na mga template ng prompt
1) Hula batay sa SKU
Ang iyong tungkulin: espesyalista sa pagpaplano ng demand. Bumuo ng hula sa [panahon] sa hinaharap para sa [SKU] mula sa sumusunod na hindi kilalang buwanang serye ng benta. Output: inaasahang dami + pinakamasama/pinakamahusay na hanay + 2 pagpapalagay. Ibukod ang mga panahon na minarkahan na out of stock. Data: [i-paste]
2) Pana-panahong pag-aalis ng pattern
Hanapin ang umuulit na seasonal pattern sa 24 na buwang serye ng mga benta sa ibaba. Aling mga buwan ang nasa itaas at aling mga buwan ang nasa ibaba? Ibigay ang paglihis sa mean bilang porsyento. Ipakita ito sa anyo ng talahanayan. Data: [i-paste]
3) Pagsusuri sa katumpakan ng hula
Nasa ibaba ang aking mga makasaysayang pagtatantya at aktwal na mga benta. (1) Kalkulahin ang MAPE, (2) ang aking forecast ay patuloy na umaanod nang mas mataas o mas mababa, (3) ano ang ibig sabihin nito para sa stock? Ipakita ang hakbang-hakbang.Data: [estimate, actual columns]
4) Kunin ang epekto ng kampanya
Ang mga linggo ng kampanya ay minarkahan sa serye ng mga benta sa ibaba. Tantyahin ang normal (hindi kampanya) na pangangailangan; Ibigay ang epekto ng campaign bilang hiwalay na porsyento ng pagtaas. Kaya gusto kong makita ang normal na antas ng order. Data: [i-paste]
Mga karaniwang pagkakamali
- Hindi nagbibigay ng konteksto: Kung hindi tinukoy ang campaign, season, pagbabago ng presyo, mapanlinlang ang hula.
- Kung bibilangin ang out-of-stock na araw bilang demand: Itinatago ng out-of-stock period ang tunay na demand; marka.
- Pagtanggap ng mga pampromosyong benta bilang normal: Ang pag-iisip na ang isang beses na pagtaas ay permanente ay hahantong sa labis na stock.
- Ang pag-asa sa isang numero: Ang hindi pagnanais ng isang saklaw (scenario) at pag-asa sa isang punto ay nagtatago ng panganib.
- Hindi nagsusukat ng katumpakan: Kung ang MAPE at direksyon ay hindi sinusubaybayan, ang hula ay lalong lumalala.
- Paggawa ng mga direktang order na may mga pagtatantya: Pag-order nang walang cash, warehouse at kontrol sa buhay ng istante.
Sa buod
Pinagsasama ng mahusay na pagtataya ang mga nakaraang benta, seasonality at mga panlabas na salik. Siguraduhing bigyan ang AI ng konteksto (kampanya, season, out-of-stock na mga araw). Subaybayan ang katumpakan ng hula gamit ang MAPE at bias na direksyon; Dagdagan ang stock ng kaligtasan sa mataas na kawalan ng katiyakan. Ang hula ay isang hula; Ang huling desisyon sa pag-order ay sa iyo, kasama ang badyet at mga hadlang.
Gawain ng aplikasyon
Kunin ang mga benta ng iyong nangungunang 5 pinakamabentang SKU para sa huling 12-18 buwan sa isang hindi kilalang talahanayan at markahan ang out-of-stock at mga panahon ng campaign. Bumuo ng hula sa hinaharap gamit ang prompt na "1) SKU-based na forecast, pagkatapos ay i-extract ang MAPE ng iyong mga nakaraang hula gamit ang "3) Pagsusuri sa katumpakan ng hula. Ihambing ang resulta sa iyong sariling desisyon sa pag-order.
checklist
- [ ] Nag-anonymize at nilinis ko ang aking data sa pagbebenta.
- [ ] Minarkahan ko ang out-of-stock at mga panahon ng kampanya.
- [ ] Ibinigay ko ang season at external factor na konteksto sa AI.
- [ ] Gusto ko ng saklaw ng senaryo, hindi isang numero.
- [ ] Tiningnan ko ang MAPE at direksyon ng yaw.
- [ ] Ginawa ko ang desisyon sa pag-order batay sa badyet at mga hadlang.