より良い需要予測のためのテキストマイニング
私たちは誇りに思います。Lokadは、スパースで断続的な需要に関連付けられた製品を見る際に、カテゴリや階層などの属性の恩恵を受けない需要予測エンジンの正確な需要予測を支援するテキストマイニング機能を提供しています。この機能はライブです。予測エンジンの_labelオプション_をチェックしてください。
サプライチェーンが直面する主な予測の課題は、データのスパースさです。ほとんどの製品には十年分の関連する過去のデータがなく、サプライチェーンネットワークの_エッジ_を考慮すると数千のユニットによって提供されていません。時系列が長くてスパースでないという仮定に依存する従来の予測方法は、この理由により性能が低いです。
Lokadは、サプライチェーンの過去のデータを別の視点から見ています。データの_深さ_ではなく、製品間の存在するすべての相関関係を見ています。頻繁に数千の製品があるため、多くの相関関係を活用して予測精度を大幅に向上させることができます。ただし、これらの相関関係を確立する際には、需要履歴に頼ることはできません。なぜなら、製品の中にはまだ過去のデータが存在しないような製品もあるからです。したがって、Lokadの予測エンジンは、代わりにカテゴリや階層を活用するメカニズムを導入しました。
カテゴリや階層を活用して予測精度を向上させる方法は非常に有効です。ただし、このアプローチには特定の制限があります。カテゴリや階層の利用可能性に依存しているためです。実際、多くの企業はマスターデータの設定にあまり投資しておらず、その結果、サプライチェーンを通過する製品に関する詳細な情報をほとんど得ることができません。以前は、カテゴリや階層が利用できない場合、予測エンジンはスパースで断続的な需要に対応する能力がほとんどありませんでした。
Lokadの予測エンジンの新しいテキストマイニング機能はゲームチェンジャーです。エンジンは製品の_プレーンテキスト_の説明を処理して製品間の相関関係を確立することができます。実際、企業が製品に適切な分類を持っていない場合でも、製品のプレーンテキストの説明はほぼ常に利用可能であり、Lokadの幅優先の予測視点の適用範囲を劇的に向上させることが観察されています。
例えば、異なる種類の製品が「クリスマス」というキーワードを持ち、それらの製品がクリスマス前に一貫した季節的なスパイクを示す場合、予測エンジンはこのパターンを特定し、説明に「クリスマス」というキーワードを持つ新製品に推定された季節性を自動的に適用することができます。これは、プレーンテキストのラベルが予測エンジンに供給される際にLokadの内部で行われる処理です。
上記の例は単純化されていますが、実際のテキストマイニングでは、単語と需要パターンとの複雑な関係を明らかにすることが含まれます。似たような説明を持つ製品は、似たようなトレンド、似たようなライフサイクル、似たような季節性を共有する場合があります。ただし、似たような説明を持つ2つの製品は同じトレンドを共有しているかもしれませんが、同じ季節性を共有していないかもしれません。Lokadの予測エンジンは、製品のプレーンテキストの説明から関連する情報を自動的に特定する機械学習アルゴリズムに基づいています。エンジンは製品の説明の前処理を必要としません。
私たちのモットーは、持っているデータを最大限に活用することです。テキストマイニングの機能を備えたことで、再び量的サプライチェーンの時代に企業を導くための要件を低くしています。ご質問はありますか？contact@lokad.comまでお気軽にお問い合わせください。
