Методы декомпозиции временных рядов для точного прогнозирования спроса в цепочке поставок

📓 Бесплатный Jupyter-блокнот для этого урока: https://www.mathewkanalytics.com/lessons/supply-chain-operations-analytics/021-time-series-decomposition-for-demand/ ☕ Поддержите канал: https://buymeacoffee.com/mathewkanalytics Узнайте, как выполнять разложение временных рядов для анализа спроса в операциях цепочки поставок с использованием Python. В этом уроке рассматриваются основные шаги по анализу и разбивке данных о розничном спросе, помогающие выявлять тенденции, сезонность и аномалии. Следуя этим методам, специалисты по цепочкам поставок могут улучшить управление запасами, прогнозирование и принятие оперативных решений. Вы увидите практические примеры агрегирования данных, визуализации, разложения и обнаружения выбросов. В уроке также рассматриваются распространенные ошибки в работе с данными, такие как отсутствие дат и обработка возвратов, и демонстрируется, как вычислять ключевые показатели эффективности и оценивать страховой запас. Эти методы имеют решающее значение для построения надежной аналитики цепочки поставок и поддержки надежного планирования. 00:00 Введение в декомпозицию временных рядов 00:30 Загрузка и предварительный просмотр данных о розничном спросе 01:03 Понимание структуры данных о розничном спросе 01:46 Агрегирование ежедневного спроса 02:48 Визуализация тенденций спроса во времени 03:43 Анализ спроса на один товарный SKU 05:01 Построение графиков спроса на уровне SKU 07:01 Обработка пропущенных дат в данных о спросе 08:19 Декомпозиция временных рядов с использованием аддитивной модели 09:44 Выявление необычных всплесков спроса 11:01 Сглаживание спроса с помощью скользящих средних 12:29 Декомпозиция спроса на несколько товаров на уровне магазина 14:01 Сохранение и повторное использование результатов декомпозиции 15:20 Сравнение сезонных закономерностей для двух товаров 17:11 Обработка ошибок, связанных с пропущенными датами и возвратами 18:08 Рекомендации по расчету спроса 19:08 Расчет операционных KPI на основе временных рядов 21:41 Оценка необходимого страхового запаса 22:27 Краткое содержание урока и дальнейшие шаги #ЦепочкаПоставок #АнализВременныхРезультатов #УчебникПоPython