ソリューションアクセラレータ
大規模な需要予測の構築
事前構築されたコード、サンプルデータ、解説を含む Notebook
需要予測とは、過去のデータやその他の分析情報を活用し、特定の期間における特定の製品に対する顧客需要の将来予測を支援するモデルを構築するプロセスです。製品ロードマップ、在庫生産、在庫配分などの形成に役立ちます。
マッキンゼーによると、サプライチェーンの予測精度が 10 ～20% 向上すれば、在庫コストが 5% 削減され、収益が 2～3% 増加する見込みです。マージンがますます狭く重要になっている世界では、この割合が明暗を分けることになります。しかし、従来のサプライチェーン予測ツールからは望ましい結果が得られず、小売業者や製造業者の成功が制限されていました。
小売業店舗レベルでのきめ細かな予測を短時間で作成
Databricks データインテリジェンスプラットフォームの分散型計算能力を活用し、店単位で細粒度な予測を効率的に行うことができます。このアクセラレータにより、小売企業は予測精度を低下させる従来のデータ分析ソリューションの技術的制約を克服できます。その代わりに、アトミックレベルのデータで完全な予測をタイトなサービスウィンドウ内で実行することで、次のようなことが可能になります。
- 店舗と商品の組み合わせごとに予測を作成する
- 各製品の需要を店舗間で予測する
- 新しい販売データが届くと、効率的に新しい予測を作成し、既存の予測を追加する
- Python または R を使用
Nixtla による断続的な需要予測
きめ細かな予測は、しばしば断続的な需要のパターンを露呈します。このようなパターンでは、専門的な技術により、規則的で容易に予測可能な周期で移動しない商品の予測行うことが必要です。
このアクセラレーターは、Nixtla のパートナーとともに開発されたもので、これらの技術がどのように生産に応用できるかを実証しています。
- 断続的な需要が発生する多数の店舗と商品の組み合わせに対して、スケーラブルで正確な予測。
- 自動化されたモデル選択、別名モデルベークオフにより、店舗と商品の組み合わせごとに最適なモデルが選択。
- メトリクス、指標は、新たな予測を生成する最適な頻度を特定するのに役立つ。
部品レベルでの需要予測による製造の効率化
需要予測を集計レベルではなく部品レベルで行うことで、サプライチェーンの混乱を最小化し、収益の拡大を図ります。このアクセラレータの利用により、次のことができます。
- より高い頻度でスケーラブルに実行できる、きめ細かな需要予測の構築。
- 材料不足を管理し、過剰計画を予測する。
リソース
動画
ブログ
バリュー計算機
