Wir haben bereits erörtert, warum Lokad sich nicht sonderlich um Prognosen von chinesischem Essen statt Sport Bar Getränken kümmerte. Eine andere Betrachtungsweise unserer Technologie besteht darin, deine Verkaufsprognosen um 90 Grad zu drehen.

Wir stellen fest, dass ein Konsumprodukt im Durchschnitt einen 3-jährigen Lebenszyklus hat. Das bedeutet, dass im Durchschnitt die Menge an verfügbaren Daten für jedes einzelne Produkt etwa 18 Monate beträgt. Wenn wir uns die sales history mit einer monatlichen Aggregation ansehen, bedeuten 18 Monate an Daten 18 Punkte.

Mit 18 Datenpunkten, egal wie intelligent oder fortschrittlich deine Prognosetheorie ist, kannst du nicht viel machen, einfach weil uns ein völliger Mangel an Daten fehlt, um eine robuste statistische Analyse durchzuführen. Bei 18 Punkten wird selbst ein Muster wie die Saisonalität offensichtlich schwierig zu beobachten, da uns nicht einmal 2 vollständige saisonale Beobachtungen vorliegen.

Das kann je nach Branche variieren, aber sofern deine Produkte nicht über Jahrzehnte hinweg auf dem Markt bleiben, wirst du höchstwahrscheinlich mit diesem Problem konfrontiert sein.

Als direkte Konsequenz erfordern klassische Prognose-Toolkits, dass Statistiker die Prognosemodelle anpassen für jedes einzelne Produkt, da kein nicht-triviales statistisches Modell robust mit nur 18 Datenpunkten als Eingabedaten fit gemacht werden kann.

Dennoch benötigt Lokad keine Statistiker, und das Geheimnis liegt in der 90-Grad-Drehung: Unsere Modelle iterieren nicht über einzelne Zeitreihen nacheinander, sondern über alle Zeitreihen gleichzeitig. Dadurch steht uns wesentlich mehr Eingabedaten zur Verfügung, und folglich können wir mit eher fortgeschrittenen Modellen Erfolg haben.

Dieser Ansatz ist einfach gesunder Menschenverstand: Wenn du die Saisonalität deiner neuen Schokoriegel prognostizieren möchtest, scheint die Saisonalität der anderen Schokoriegel ein guter Kandidat zu sein. Warum solltest du jeden Schokoriegel in völliger Isolation von den anderen behandeln?

Doch aus rechnerischer Sicht ist das Problem geradezu erheblich schwieriger geworden: Wenn du 10.000 SKUs hast, beträgt die Anzahl der Assoziationen zwischen zwei SKUs ungefähr 100 Millionen (und 10.000 SKU ist bei Weitem keine große Zahl). Genau hier kommt die Cloud ins Spiel: Selbst wenn deine Algorithmen so gut konzipiert sind, dass sie keine strikte quadratische Komplexität aufweisen, wirst du dennoch eine Menge an Rechenleistung benötigen. Die Cloud stellt diese Rechenleistung einfach auf Abruf zu einem sehr niedrigen Preis bereit.

Ohne die Cloud ist es schlichtweg nicht möglich, diese Art von Technologie bereitzustellen.