Prognostisering av efterfrågan (förhandsversion)

Prognostisera SKU-efterfrågan med intervall, noggrannhet och överlämnande av lager.

Den här anslutningsappen är tillgänglig i följande produkter och regioner:

Tjänst Class Regions
Copilot Studio Premium Alla Power Automate regioner förutom följande:
     - Amerikanska myndigheter (GCC)
     - Amerikanska myndigheter (GCC High)
     – China Cloud drivs av 21Vianet
     - US Department of Defense (DoD)
Logic Apps Standard Alla Logic Apps-regioner utom följande:
     - Azure Government regioner
     - Azure kinaregioner
     - US Department of Defense (DoD)
Power Apps Premium Alla Power Apps regioner förutom följande:
     - Amerikanska myndigheter (GCC)
     - Amerikanska myndigheter (GCC High)
     – China Cloud drivs av 21Vianet
     - US Department of Defense (DoD)
Power Automate Premium Alla Power Automate regioner förutom följande:
     - Amerikanska myndigheter (GCC)
     - Amerikanska myndigheter (GCC High)
     – China Cloud drivs av 21Vianet
     - US Department of Defense (DoD)
Kontakt
Name Saifs AI
URL https://saifs.ai/
E-post taher@saifytech.com
Metadata för anslutningsprogram
Publisher Saifs AI
Website https://saifs.ai/
Integritetspolicy https://saifs.ai/privacy_page
Categories Artificiell intelligens; Data

Prognostisering av efterfrågan – Saifs AI omvandlar en försäljnings- eller volymhistorik till vad varje produkt (eller region/kanal) kommer att sälja härnäst, med ett intervall, inte ett tomt tal. Ansluta försäljningsdata via Microsoft Copilot Studio eller Microsoft 365 Copilot. MCP rutnät historiken, väljer en klassisk modell (Naive / SES / Holt / Holt-Winters / Croston-SBA) genom rullande ursprung backtest, och returnerar rangordnade beslut, per serie prognoser med förutsägelseintervall, noggrannhet, regimändringsaviseringar, en datakvalitetsrapport och en inventeringsöverlämning (efterfrågan över ledtid plus prognosfel sigma).

Vem ska använda den?

  • Detaljhandelsköpare och merchandisers som behöver en per SKU nästa kvartal utsikter istället för förra året-plus-10%
  • Distributörer och grossister som delar upp prognoser efter lager, godown eller region
  • Reservdelar och industriplanerare vars efterfrågan är knölig och bör använda Croston/SBA
  • Tillverkare och produktionsplanerare som behöver en enhetsutsikt från SKU
  • E-handel och D2C-åtgärder planerar nästa kvartal och håller utkik efter efterfrågeskift
  • Apotek och förgängliga planerare som behöver ett efterfrågeintervall, inte en falsk punktuppskattning
  • Prognostiseringsbegäran för support- och personalplanerare eller kontaktvolym
  • SMB-ägare som använder Tally- eller Excel exporter utan att först rensa eller byta namn på kolumner
  • Lager- och inköpschefer som behöver efterfrågan över varje produkts leverantörsledningstid
  • Copilot Studio och Microsoft 365 Copilot skapare lägger till förklarad efterfrågan matematik till agenter

Så här blir det enklare

  • Prognos för nästa period per produkt (och valfritt per region eller kanal) med ett förutsägelseintervall (standard 95%)
  • Automatiskt modellval efter tidsbeställt backtest; tillfälliga serier dirigeras till Croston/SBA
  • Säsongsmodeller endast när det finns tillräckligt med historia; tunn serie vägras eller ges en bred genomsnittlig reserv med en angiven anledning
  • Stökiga verkliga filer accepteras as-is (Kupongdatum, fakturerad kvantitet, lagerartikel, godown; värden som 12 st, n/a, 15-Jan-2024)
  • Inventeringsavlämningen använder varje SKU:s egen ledtid när den tillhandahålls. annars en standardväntetid (14 dagar)
  • Toppar flaggas och begränsas. oläsbara celler och hål i en tät fil saknas, inte såld-noll

Tools

  • demand_forecaster: cirka 2 500 rader eller 200 produkter eller färre; skicka rader och få det fullständiga prognosresultatet
  • demand_forecaster_get_engine: större filer; returnerar ett numpy-skript som är redo att köras så att tunga data kan stanna kvar på användardatorn

Autentisering OAuth 2.0. Användarna slutför OAuth-medgivandeflödet när de ansluter servern. För Microsoft certifieringspaket refereras OAuth-klientinställningar via Azure Key Vault (ClientId, ClientSecret, AuthorizationUrl, TokenUrl; RefreshUrl och Omfång när det är tillämpligt).

Komma igång

  1. Lägg till efterfrågeprognoser – Saifs AI i Copilot Studio eller Microsoft 365 Copilot.
  2. Logga in med OAuth 2.0 när du uppmanas att göra det.
  3. Ange en försäljnings- eller volymhistorik med minst datum och kvantitet. inkluderar SKU, region, kanal och ledtider för starkare resultat. Kopiera rader exakt; byt inte namn på eller rensa i förväg.
  4. Fråga vad du kommer att sälja härnäst, per SKU, lager eller över en viss ledtid.

Resultatet är beslutsstöd, inte en ERP- eller S&OP-ersättning. Använd alltid prognosintervallet, inte bara mittpunkten. Tunn historia hålls tillbaka med en angiven anledning snarare än att uppfinna precision. Publicerad av Saifs AI.

Åtgärder

Efterfrågeprognostisering

Prognostisera SKU-efterfrågan med intervall, noggrannhet och överlämnande av lager.

Efterfrågeprognostisering

Prognostisera SKU-efterfrågan med intervall, noggrannhet och överlämnande av lager.