Мы с гордостью сообщаем, что теперь в Lokad реализованы возможности текстового анализа, которые помогают его прогнозирующему механизму обеспечивать точные прогнозы спроса, даже когда речь идет о товарах с редким и прерывистым спросом, которым не помогают такие атрибуты, как категории и иерархии. Эта функция уже доступна, ознакомьтесь с опцией метки нашего прогнозирующего механизма.

Основной проблемой прогнозирования, с которой сталкиваются цепочки поставок, является разреженность данных: у большинства товаров нет десятилетней истории релевантных данных и их не обслуживают тысячами единиц при рассмотрении краевых участков сети цепочки поставок. Традиционные методы прогнозирования с формулами в Excel, которые основываются на предположении, что временные ряды цепочки поставок являются длинными и неразреженными, работают плохо именно по этой причине.

Lokad рассматривает исторические данные цепочки поставок под другим углом: вместо того чтобы анализировать глубину данных, которой зачастую не существует, мы смотрим на ширину данных, то есть на все корреляции, существующие между товарами. Поскольку зачастую имеется тысячи товаров, многие корреляции можно использовать для значительного улучшения точности прогнозирования. Однако при установлении этих корреляций мы не можем полагаться на историю спроса, поскольку у многих товаров, например у тех, которые собираются выйти на рынок, еще нет исторических данных. Таким образом, прогнозирующий механизм Lokad внедрил способ использования категорий и иерархий вместо этого.

Использование категорий и иерархий для повышения точности прогнозирования работает отлично. Однако этот подход имеет одно конкретное ограничение: он зависит от наличия категорий и иерархий. Действительно, многие компании мало инвестировали в настройку мастер-данных, и, как следствие, не могут извлечь выгоду из детальной информации о товарах, проходящих через цепочку поставок. Ранее, когда не было ни категории, ни иерархии, наш прогнозирующий механизм практически не мог справляться с разреженным и прерывистым спросом.

Новые возможности текстового анализа в прогнозирующем механизме Lokad меняют правила игры: теперь механизм способен обрабатывать обычный текст описаний товаров для выявления корреляций между ними. На практике мы наблюдаем, что, хотя у компаний может не быть надлежащей категоризации товаров, описание товаров в виде обычного текста почти всегда доступно, что значительно повышает применимость подхода, ориентированного на ширину данных, в прогнозировании.

Например, если разнообразный набор товаров носит название Something Christmas и все эти товары демонстрируют устойчивый сезонный всплеск перед Рождеством, то прогнозирующий механизм может выявить эту закономерность и автоматически применить выведенную сезонность к новому товару, в описании которого присутствует ключевое слово Christmas. Именно это и происходит внутри Lokad, когда в прогнозирующий механизм поступают обычные текстовые метки.

Приведённый выше пример является упрощённым, но на практике текстовый анализ включает выявление сложных взаимосвязей между словами и паттернами спроса, наблюдаемыми в исторических данных. Товары с похожими описаниями могут иметь схожие тенденции, жизненные циклы, сезонности. Однако два товара с похожими описаниями могут иметь одинаковые тенденции, но различаться по сезонности и т.д. Прогнозирующий механизм Lokad основан на алгоритмах машинного обучения, которые автоматически выявляют релевантную информацию из текстовых описаний товаров. Механизм не требует предварительной обработки описаний товаров.

Наш девиз — максимально использовать имеющиеся данные. Благодаря возможностям текстового анализа мы снова снижаем требования для перевода вашей компании в эпоху количественных цепочек поставок. Есть вопросы? Просто напишите нам на contact@lokad.com.