【需求预测】-可应对复杂场景,具备可拓展性&使用灵活性的产品架构设计的思考
认知更新三部曲
相信从事供应链相关业务的小伙伴们对于需求预测(预测,销量预测,需求计划,销售计划等等等名称)并不陌生。
对于预测的话题,使用者(应用方)一般都会关注在预测结果的准确率,以及运算使用的算法是否高大上。对使用工具/软件产品的期望是,即可以简化操作(数据清洗,维度配置),又可以提高预测精度。
那换一个角度,对于预测产品的提供方,就不仅仅是需要考虑为提高预测精度的算法丰富性以及独有训练模型的沉淀,还需要考虑所设计产品的复用性:即通过可拓展性以及灵性的产品架构设计,用以适用尽可能多的业务场景,减少重复开发。
针对预测的算法,模型训练等开源内容已经相当丰富,也有许多比赛的代码可以参考,本文主要是针可复用场景进行思维迭代的分享。
第一步:细分场景切入,专注通过应用不同算法&模型提高预测准确率
在这一步,将自己代入到业务方/使用者:假设自己是xx品牌,线上xx销售渠道,xx区域/仓库的需求计划人员/供应计划员(或者是库存管理者,预测+补货都管)。此时因为业务场景相对单一(固定的渠道&仓库),数据来源也相对固定,对应的数据清洗、加工、转换也已经相对固定。加之日常工作中需要面对高库存/缺货时被对应销售/运营部门质问的压力。此时注意力主要会关注在俩个方面:
-
主要关注在用什么方法/算法可以让需求预测更加准确:
比如说移动平均不好使,那么“传说