Prognozowanie zapotrzebowania (wersja zapoznawcza)

Prognozowanie zapotrzebowania na jednostkę SKU z zakresami, dokładnością i przekazaniem zapasów.

Ten łącznik jest dostępny w następujących produktach i regionach:

Prognozowanie popytu — Saifs AI zamienia historię sprzedaży lub wolumenu na to, co każdy produkt (lub region/kanał) będzie sprzedawać dalej, z zakresem, a nie bez numerem. Łączenie danych sprzedaży za pośrednictwem Microsoft Copilot Studio lub Microsoft 365 Copilot. Sieć MCP siatki historii, wybiera klasyczny model (Naive / SES / Holt / Holt-Winters / Croston-SBA) przez wycofywanie źródła i zwraca sklasyfikowane decyzje, prognozy dla serii z interwałami przewidywania, dokładnością, alertami zmiany reżimu, raportem jakości danych i przekazaniem spisu (zapotrzebowanie w czasie realizacji plus prognoza-błąd sigma).

Kto powinien go używać

• Kupujący detaliczni i sprzedawcy, którzy potrzebują perspektywy na następny kwartał zamiast zeszłorocznego plus-10%
• Dystrybutory i hurtownicy, którzy podzielili prognozy według magazynu, przejścia lub regionu
• Części zamienne i planiści przemysłowi, których zapotrzebowanie jest lumpy i powinny używać Croston / SBA
• Producenci i planiści produkcyjni, którzy potrzebują perspektywy jednostkowej według jednostki SKU
• Handel elektroniczny i operacje D2C planowania następnego kwartału i obserwowania zmian popytu
• Apteki i nietrwałych planistów, którzy potrzebują zakresu popytu, a nie fałszywego oszacowania punktu
• Planiści pomocy technicznej i pracowników prognozujący bilet lub ilość kontaktów
• Właściciele protokołu SMB używający funkcji Tally lub Excel eksportów bez uprzedniego czyszczenia lub zmieniania nazw kolumn
• Menedżerowie zapasów i zakupów, którzy potrzebują popytu na dostawcę każdego produktu w czasie realizacji
• Copilot Studio i twórcy Microsoft 365 Copilot dodając wyjaśnione wymagania matematyczne do agentów

Jak to pomaga

• Prognoza na następny okres dla produktu (i opcjonalnie dla regionu lub kanału) z interwałem przewidywania (domyślnie 95%)
• Automatyczny wybór modelu według uporządkowanego w czasie testu wstecznego; sporadycznie kierowane serie do Croston / SBA
• Modele sezonowe tylko wtedy, gdy jest wystarczająca historia; seria cienka jest odrzucana lub biorąc pod uwagę szeroką rezerwę tylko średnią z określonym powodem
• Niechlujne pliki w świecie rzeczywistym są akceptowane as-is (Voucher Date, Billed Quantity, Stock Item, Godown; wartości takie jak 12 pcs, n/a, 15-Jan-2024)
• Przekazanie spisu używa własnego czasu realizacji każdej jednostki SKU, jeśli jest to podane; w przeciwnym razie domyślne oczekiwanie (14 dni)
• Kolce są oflagowane i ograniczone; brakuje nieczytelnych komórek i otworów w gęstym pliku, a nie sprzedanych zera

Tools

• demand_forecaster: około 2500 wierszy lub 200 produktów lub mniej; wysyłanie wierszy i uzyskiwanie pełnego wyniku prognozy
• demand_forecaster_get_engine: większe pliki; zwraca gotowy do uruchomienia skrypt numpy, dzięki czemu duże dane mogą pozostać na komputerze użytkownika

Uwierzytelnianie OAuth 2.0. Użytkownicy ukończą przepływ zgody OAuth podczas nawiązywania połączenia z serwerem. W przypadku pakietów certyfikacji Microsoft ustawienia klienta OAuth są przywoływana za pośrednictwem Azure Key Vault (ClientId, ClientSecret, AuthorizationUrl, TokenUrl; RefreshUrl i Zakresy, jeśli ma to zastosowanie).

Rozpoczęcie pracy

1. Dodawanie prognozowania popytu — Saifs AI w Copilot Studio lub Microsoft 365 Copilot.
2. Po wyświetleniu monitu zaloguj się przy użyciu protokołu OAuth 2.0.
3. Podaj historię sprzedaży lub woluminu z co najmniej datą i ilością; obejmują jednostki SKU, region, kanał i czasy realizacji w celu uzyskania silniejszych wyników. Kopiuj wiersze dokładnie; nie należy zmieniać nazwy ani wstępnie czyścić.
4. Zapytaj, co będzie dalej sprzedawać na jednostkę SKU, według magazynu lub w danym czasie realizacji.

Wyniki są wsparciem decyzyjnym, a nie zamiennikiem ERP ani S&OP. Zawsze używaj zakresu prognozy, nie tylko punktu środkowego. Historia cienka jest powstrzymuje się z określonym powodem, a nie wymyśla precyzji. Opublikowane przez Saifs AI.

Akcje

Prognozowanie popytu