Text mining для лучших прогнозов спроса
Мы гордимся тем, что Lokad теперь предлагает возможности text mining, которые помогают его прогностическому движку доставлять точные прогнозы спроса, даже при рассмотрении продуктов, связанных с разреженным и прерывистым спросом, которые не имеют преимуществ от таких атрибутов, как категории и иерархии. Эта функция работает в режиме реального времени, ознакомьтесь с опцией метки нашего прогностического двигателя.
Основной проблемой прогнозирования, с которой сталкиваются цепи поставок, является разреженность данных: большинство продуктов не имеют десятилетней истории релевантных данных и не обслуживаются тысячами единиц при рассмотрении краев сети цепи поставок. Традиционные методы прогнозирования, которые полагаются на предположение, что временные ряды являются длинными и не разреженными, плохо справляются с этой проблемой.
Lokad смотрит на исторические данные цепи поставок с другой стороны: вместо того, чтобы смотреть на глубину данных, которая обычно отсутствует, мы смотрим на ширину данных, то есть на все корреляции, которые существуют между продуктами. Поскольку продуктов часто бывает тысячи, многие корреляции могут быть использованы для значительного улучшения точности прогнозирования. Однако, при установлении этих корреляций мы не можем полагаться на историю спроса, потому что многие продукты, такие как продукты, которые только собираются быть запущенными, еще не имеют исторических данных. Таким образом, прогностический двигатель Lokad внедрил механизм использования категорий и иерархий вместо этого.
Использование категорий и иерархий для повышения точности прогнозирования работает отлично. Однако, этот подход страдает от одного конкретного ограничения: он полагается на наличие категорий и иерархий. Действительно, многие компании не вкладывали много в настройку мастер-данных, и, в результате, не могут получить много детализированной информации о продуктах, которые проходят через цепь поставок. Ранее, когда не было доступно ни категорий, ни иерархий, наш прогностический двигатель фактически был ограничен в своей способности справляться с разреженным и прерывистым спросом.
Новые возможности text mining прогностического двигателя Lokad - это переломный момент: двигатель теперь способен обрабатывать простой текстовый описания продуктов для установления корреляций между продуктами. На практике мы наблюдаем, что хотя у компаний может не быть правильной категоризации для их продуктов, простое текстовое описание продуктов почти всегда доступно, что значительно улучшает применимость перспективы прогнозирования с учетом ширины в Lokad.
Например, если разнообразный набор продуктов называется Что-то Рождество, и все эти продукты показывают согласованный сезонный всплеск перед Рождеством, то прогностический двигатель может определить этот шаблон и автоматически применить выведенную сезонность к новому продукту, который имеет ключевое слово Рождество в своем описании. Это именно то, что происходит внутри Lokad, когда прогностическому двигателю передаются простые текстовые метки.
Наш приведенный выше пример упрощенный, но на практике text mining включает в себя выявление сложных взаимосвязей между словами и паттернами спроса, которые можно наблюдать в исторических данных. Продукты с похожими описаниями могут иметь похожие тенденции, похожие жизненные циклы, похожие сезонности. Однако, двигатель прогнозирования Lokad основан на алгоритмах машинного обучения, которые автоматически определяют релевантную информацию из простых текстовых описаний продуктов. Двигатель не требует предварительной обработки описаний продуктов.
Наш девиз - максимально использовать имеющиеся у вас данные. Благодаря возможностям text mining мы снова снижаем требования для перехода вашей компании в эпоху количественных цепей поставок. Есть вопросы? Просто напишите нам на contact@lokad.com.
