Прогнозирование в разрезе SKU. Новые возможности повышения адекватности прогнозов

7 сентября 2018
0 комментариев

При прогнозировании продаж очень часто строится модель на группу товаров с последующим разбиением по SKU. Такой подход обладает множеством достоинств, но при разгруппировке значительно ухудшается качество и адекватность прогноза. Ведущий разработчик Loginom Company Алексей Субботин расскажет про алгоритм, реализованный в Loginom, позволяющий производить «умную» разгруппировку и получать качественные, адекватные прогнозы даже со сложными временными рядами.

Решение, разработанное специалистами Loginom Company, направлено на то, чтобы объединить два пути в прогнозировании (прогнозирование временных рядов по каждому SKU в отдельности и прогнозирование групп схожих товаров), максимально учесть априорные данные и, благодаря этому:

  • строить небольшое количество прогнозных моделей;
  • принимать по внимание индивидуальные особенности каждого товара;
  • учитывать сезонность каждого товара;
  • выделять более стабильные тренды для обеспечения устойчивости и точности прогнозирования.

Алгоритм, реализованный в платформе Loginom, универсален, то есть работает одинаково на любых данных, не приспосабливаясь специально к «модельным» ситуациям. При этом он автоматически подбирает масштабы рядов и балансирует их, учитывая особенности и сезонность каждого ряда. В результате, аналитик получает быстрый прогноз по каждому SKU с низкими требованиями по трудоемкости и высокой степенью доверия к результату.

Представленное выступление проходило 18 апреля 2018 года в рамках конференции «Неделя компетенций прогнозирования и планирования 2018», организованной Платформой Аналитического Образования «Analytera».

pdf Прогнозирование в разрезе SKU. Новые возможности повышения адекватности прогнозов
#презентации #видео

Смотрите также