《現(xiàn)代庫存管理：模型、算法與Python實現(xiàn)》 課件 第5章-某飲料企業(yè)W的需求預(yù)測實戰(zhàn)

現(xiàn)代庫存管理：模型、算法與Python實現(xiàn)第5章實戰(zhàn)：某飲料企業(yè)W的需求預(yù)測5.1背景介紹W是一家主營食品飲料的快消品公司，渠道類型有批發(fā)，零售，直營等多種模式其產(chǎn)品銷量具有明顯的規(guī)律性，例如不同的產(chǎn)品會伴隨著季節(jié)的變化而產(chǎn)生有規(guī)律的銷量變化在每月初的會議上，來自財務(wù)、銷售、市場和計劃部門的管理人員將回顧上個月的銷售、庫存和財務(wù)等指標(biāo)，并討論未來幾個月的市場情況和運營策略等。多部門的協(xié)同保證了W公司需求計劃的有效實施5.2面臨的問題以及需求面臨的問題公司需求預(yù)測的準(zhǔn)確率仍然偏低，做需求預(yù)測時缺乏對產(chǎn)品銷量數(shù)據(jù)的深入分析經(jīng)常發(fā)生客戶需要的商品沒有充足的庫存，客戶不需要的商品庫存卻堆積如山的情況，而食品行業(yè)有保質(zhì)期的要求，商品放置時間一長只能報廢客戶滿意度下降、市場份額流失，資金流短缺需求通過更加準(zhǔn)確且科學(xué)合理的需求預(yù)測來驅(qū)動供應(yīng)鏈運轉(zhuǎn)，從而更好地調(diào)度企業(yè)的生產(chǎn)運作，在保證及時交貨的同時又不浪費倉庫資源5.3數(shù)據(jù)集概況W公司的77個SKU在18個分銷中心的歷史銷量數(shù)據(jù)（sales_data.csv）數(shù)據(jù)集包含了從2018年1月1日到2020年7月30日每個DC*SKU組合的日銷售信息，共有1141個不重復(fù)的DC?SKU組合（unit），共88萬余條記錄數(shù)據(jù)字段名稱字段含義格式樣例date銷售日期日期2018-01-01dc_id倉庫ID字符DC002sku_id商品ID字符SKU047idxDC*SKU組合ID字符DC002_SKU047sale銷量整數(shù)27515.4實戰(zhàn)目標(biāo)以及擴(kuò)展思考實戰(zhàn)目標(biāo)為這77種SKU、1141個unit打造科學(xué)的需求預(yù)測模型，分析與探究對于不同的SKU，哪一種預(yù)測模型的效果最好？可能的原因是什么？以及如何為每種SKU和unit選擇最佳的預(yù)測模型擴(kuò)展思考對于同一種SKU，同時使用多種方法預(yù)測的組合模型應(yīng)該如何實現(xiàn)如何更好地利用不同SKU和unit之間的相關(guān)性來輔助預(yù)測在機(jī)器學(xué)習(xí)方法中，如何利用Tsfresh庫實現(xiàn)特征構(gòu)造？其效果如何？是否可以進(jìn)行更細(xì)致深入的特征工程處理5.5實戰(zhàn)建議對產(chǎn)品進(jìn)行分類需要結(jié)合產(chǎn)品屬性，盡可能將需求規(guī)律比較接近的產(chǎn)品放在一個類別里進(jìn)行建模根據(jù)銷量數(shù)據(jù)還原需求數(shù)據(jù)銷量不等于需求，當(dāng)需求超過現(xiàn)貨庫存時，未能及時滿足的需求可能會直接流失。因此，使用銷量數(shù)據(jù)對未來需求進(jìn)行預(yù)測，得到的預(yù)測值可能較真實需求偏低如果相關(guān)品類在歷史上有嚴(yán)重的缺貨現(xiàn)象出現(xiàn)，則不能直接利用歷史銷量建立預(yù)測模型，而需要先對歷史銷量進(jìn)行還原，根據(jù)對缺貨量的估計對歷史銷量進(jìn)行修正，再建立預(yù)測模型5.5實戰(zhàn)建議根據(jù)業(yè)務(wù)場景進(jìn)行模型修正模型漂移是指由于環(huán)境的變化而導(dǎo)致模型的預(yù)測能力下降。此時需要對預(yù)測模型進(jìn)行重訓(xùn)練，在拋棄久遠(yuǎn)歷史樣本的同時更多地參考近期樣本，盡快地學(xué)習(xí)新的規(guī)律趨勢項和周期項是預(yù)測模型重點考慮的擬合對象，在實際預(yù)測場景中，很容易出現(xiàn)過度的趨勢擬合，造成預(yù)測值偏差較大，因此在擬合預(yù)測模型時應(yīng)多從業(yè)務(wù)角度入手，理解商業(yè)上銷售量級的天花板，對模型參數(shù)進(jìn)行一定限制節(jié)假日特征處理中國部分節(jié)假日每年可能并非出現(xiàn)在同一時間段，在建立