Цепи поставокИТ-системыМетоды и модели
ML-прогнозирование спроса
Прогноз спроса на моделях машинного обучения: градиентный бустинг, нейросети, гибриды со статистикой.
ML-модели (LightGBM, XGBoost, Prophet, N-BEATS, TFT) используют признаки: календарь, промо, погода, цены, каннибализация, иерархия SKU/магазин. Дают выигрыш над классическим ARIMA/Holt-Winters на данных с промо и сложной сезонностью. Требуют аккуратной валидации (time-series CV), контроля дрейфа, метрик WAPE/MAPE.
Где мы это применяем
Услуги Advice LogisticsСвязанные термины
- Методы и модели · Цепи поставокMAPE / WAPE - точность прогноза
Метрики ошибки прогнозирования спроса: средняя абсолютная процентная и взвешенная процентная ошибка.
- Методы и модели · Цепи поставок · Бизнес-процессыS&OP - Sales & Operations Planning
Ежемесячный цикл синхронизации коммерческого плана, операций, финансов и цепи поставок на горизонте 12-24 мес.
- Методы и модели · Цепи поставокDDMRP - Demand Driven MRP
Планирование, управляемое реальным спросом, а не прогнозом: буферы в стратегических точках цепи.