• Skip to primary navigation
  • Skip to main content

Stratis

Stratis

  • hu
  • Rólunk
  • Kulcsemberek
  • Szolgáltatások
    • Vezetési tanácsadás
    • IT menedzsment
    • Információ- és adatmenedzsment
    • Komplex, üzletileg kritikus projektek szakmai menedzsmentje
  • Adatvezérelt megoldások
    • Ipari megoldások
    • A.N.I.T.A.
    • Anomália felderítés
  • Referenciák
  • Karrier
    • Pozíciók
    • Kiválasztási folyamat
  • Blog
  • Kapcsolat

Hogyan mérjük fel a kereslet várható mértékét? Mi így csináltuk – 1. rész

Akár az ipart, akár a kereskedelmet nézzük, egy kellően pontos és megbízható kereslet előrejelzés nagyon sok ületi döntésnek az alapja. A beszerzési döntéseket a vásárlói igényekhez tudjuk igazítani, a raktárkészletet a várható kereslet mentén optimalizálhatjuk. Nő a termékek forgási sebessége, csökken a készlettartás költsége, végső soron pedig nő a profitunk. De mit tehetünk azért, hogy ezeket elérjük? A kulcsszó most is az „adat” – lássuk a megvalósítás módját! 

 

Egy ügyfelünk is hasonló problémákkal küzdött, melyek egy logisztikai tervezés során jöttek a felszínre, így elkészítettünk egy modellt nyilvánosan elérhető adatok alapján. A modell létrehozásához egyebek mellett az amerikai Walmart hipermarketeiben értékesített termékek eladott darabszámáról szóló adatokat vettük alapul, melyekhez a világ egyik legnagyobb adattudományi és gépi tanulási közösségének, a Kaggle-nek köszönhetően jutottunk hozzá. 

A vizsgált adathalmaz 5 évnyi eladási adatot tartalmazott összesen 3049 különböző termékre 10 különböző boltban, emellett a termékek árát és a naptári eseményeket (ünnepnapok, sportesemények, stb.) is tartalmazta. A célunk ezzel a hatalmas adatmennyiséggel az volt, hogy a meglévő eladások alapján 28 napra tudjuk előre jelezni az eladásokat – ez a gyakorlatban mintegy 30.490 predikciót jelent minden napra!

 

Adatok az adatok alapján 

 

Miután összegyűjtöttük őket, természetesen alapos vizsgálatnak vetettük alá a szóban forgó adatokat. Az előzetes elemzések során számos olyan jellegzetességre lettünk figyelmesek, melyek hatással voltak az adatelőkészítésre és a becslő modell kiválasztására is. A teljesség igénye nélkül most meg is mutatjuk a legfontosabbakat ezek közül! 

  • Szezonalitás: Nem csak a megszokott téli-nyári és az ehhez hasonló szezonalitás volt a jellemző, hanem például az olyanok is, mint hogy nagyobb a forgalom a hó elején, mint a végén. De szintén voltak forgalombeli különbségek a hétvégék és a hétköznapok között (spoiler: természetesen a hétvégék javára.) 
  • Trendek: 5 év nem nagy idő, de arra pont elég, hogy bizonyos időbeli trendek kiütközzenek. Ez pont kapóra jött nekünk, hiszen 5 évnyi adathalmazzal dolgoztunk, ebből pedig az jött le számunkra, hogy az értékesítés növekedésének mértéke nemcsak régiónként, de boltonként is eltérő, és az egyes kombinációk is szignifikánsan különböző mértéket és trendeket mutatnak. 
  • Események: jelentősen tudják befolyásolni az eladásokat az ünnepnapokon túl az olyan események, mint például iskolai szünet vagy a jelentősebb sportesemények, mint például az amerikai Super Bowl. 

Az kereslet előrejelzését regressziós feladatként közelítettük meg. Az előrejelzés jóságát vagy jobb modellel, vagy több magyarázó változóval lehet javítani. A modell választása sokkal korlátozottabb, így a fő feladatunk a leíró képzés (feature engineering) volt, amelyet egy kiválasztott modell architektúra mellett iteratívan végeztünk.  A feature engineering része még a kategorikus változók (bolt, kategória) kezelése is. Erre több technika is van, amiknek a teljesítménye eltérhet a különböző adathalmazokon. A megfelelő technika kiválasztása az iteratív folyamatban történt. 

Az egyik legizgalmasabb része a feature engineering-nek az áradatok elemzése volt. Az elérhető adatok lehetővé tették az olyan hatások figyelembevételét is a kereslet előrejelzésben, mint a termék promóciók, áremelés vagy éppen az egyes áruházak árképzési gyakorlata. 

 

És hogy ezek után miként készítettük el a modellt, és mik lettek a végeredmények, végkövetkeztetések? Következő cikkünkből kiderül!  

Kapcsolat

Rólunk

  • Cégismertető
  • Kulcsemberek
  • Adatvédelmi tájékoztató

Szolgáltatások

  • IT menedzsment
  • Információ és adatmenedzsment
  • Komplex, üzletileg kritikus projektek szakmai menedzsmentje
  • Vezetési tanácsadás

Iparág / Referenciák

  • Bankok
  • Biztosítók
  • Egészségügy
  • Közigazgatás
  • Távközlés

Karrier

  • Pályakezdők, frissdiplomások
  • Tapasztalt szakemberek
  • Kiválasztási folyamat

Közbeszerzés

  • Közbeszerzési projektek
Széchenyi Terv 2020

Stratis Vezetői és Informatikai Tanácsadó Kft. - Minden jog fenntartva.
1037 Budapest, Szépvölgyi út 139. Tel: +36-1-454-1900 Fax: +36-1-454-1901 Email: info@stratis.hu

We use cookies on our website to give you the most relevant experience by remembering your preferences and repeat visits. By clicking “Accept”, you consent to the use of ALL the cookies.
Cookie settingsACCEPT
Manage consent

Privacy Overview

This website uses cookies to improve your experience while you navigate through the website. Out of these, the cookies that are categorized as necessary are stored on your browser as they are essential for the working of basic functionalities of the website. We also use third-party cookies that help us analyze and understand how you use this website. These cookies will be stored in your browser only with your consent. You also have the option to opt-out of these cookies. But opting out of some of these cookies may affect your browsing experience.
Necessary
Always Enabled
Necessary cookies are absolutely essential for the website to function properly. This category only includes cookies that ensures basic functionalities and security features of the website. These cookies do not store any personal information.
Non-necessary
Any cookies that may not be particularly necessary for the website to function and is used specifically to collect user personal data via analytics, ads, other embedded contents are termed as non-necessary cookies. It is mandatory to procure user consent prior to running these cookies on your website.
SAVE & ACCEPT