Comments 6
Если данные хранить в БД, а Excel использовать для анализа, то всё становится доступно. А если ещё и Power BI начать использовать с Excel, то анализировать становиться проще.
Сама статья похожа на наброски статьи, которые понятны только автору.
Кроме этого есть, то ли противоречие, то ли неосознанная манипуляция, то ли ещё что-то. Это выражается в:
Сама статья похожа на наброски статьи, которые понятны только автору.
Кроме этого есть, то ли противоречие, то ли неосознанная манипуляция, то ли ещё что-то. Это выражается в:
либо экспериментироватьи
с использованием программных средств автоматизации.
Сейчас с командой тестируем прототип решения для оптимизации управления ценообразованиемто есть людям предлагается экспериментировать с ПО.
В случае, если компания заинтересована в разработке решения внутренними силами
(в том числе разработке алгоритмов) и собирается самостоятельно его поддерживать — такой подход может оказаться верным. Или, если никакие сложные алгоритмы не нужны, а достаточно просто визуализации
Цели что-либо предлагать у меня не было. Однако, не вижу ничего плохого в экспериментах, если
они позволяют с минимальными издержками (или без них) на практике понять необходимость ПО (или ее отсутствие).
Это снижает риски.
К тому же, каждая компания самостоятельно решает, какой способ решения проблемы больше подходит в ее случае
(в том числе разработке алгоритмов) и собирается самостоятельно его поддерживать — такой подход может оказаться верным. Или, если никакие сложные алгоритмы не нужны, а достаточно просто визуализации
Цели что-либо предлагать у меня не было. Однако, не вижу ничего плохого в экспериментах, если
они позволяют с минимальными издержками (или без них) на практике понять необходимость ПО (или ее отсутствие).
Это снижает риски.
К тому же, каждая компания самостоятельно решает, какой способ решения проблемы больше подходит в ее случае
Банально и потому скучно. Особенно «вдохновляет»
и то, что вы планируете спрос — это действительно круто!
и, главное, все — в Excel.
В какой деревне (деревенских прошу не обижаться, это я так, для красного словца) вы нашли такую контору? А где же тот самый «информационный взрыв»? Он как-то мимо пролетел над деревней. Лет 25 назад мы все зачитывались «Мир ПК». Потом Интернет и Гугл, но и они видать проложены только до околицы. Про это столько уже писано-переписано, что уже надоело. Просто возьмите и прочитайте.
Извините за сарказм, но вдруг поможет.
В последние несколько лет основной инструмент нахождения на них ответа — использование таблиц Excel для планирования спроса и производства.Ребята, вы о чем? Здесь умиляет все: и то, что это происходит уже несколько лет;
и то, что вы планируете спрос — это действительно круто!
и, главное, все — в Excel.
В какой деревне (деревенских прошу не обижаться, это я так, для красного словца) вы нашли такую контору? А где же тот самый «информационный взрыв»? Он как-то мимо пролетел над деревней. Лет 25 назад мы все зачитывались «Мир ПК». Потом Интернет и Гугл, но и они видать проложены только до околицы. Про это столько уже писано-переписано, что уже надоело. Просто возьмите и прочитайте.
Сейчас с командой тестируем прототип решения для оптимизации управления ценообразованием и прогнозирования спроса на данных компаний для подтверждения ценности.Зачем вы это тестируете? Возьмите готовые продукты, в деревню пригласите готовых специалистов, чтобы на аборигенах не практиковаться. Пожалейте их!
Извините за сарказм, но вдруг поможет.
Как бы demand planning (планирование спроса) вполне себе нормальный термин в бизнесе.
Так я же не против планирования спроса, хотя «Demand Planning and Demand Forecasting» точнее переводить как «планирование сбыта и прогнозирование спроса». Планировать можно только то, на что имеешь непосредственное воздействие, а спрос можно только прогнозировать. Хотя, если у вас компания с миллиардным состоянием, то можно потратиться и на формирование спроса.
Кроме того, для прогнозирования существуют специальные подразделения в крупных компаниях или консалтинговые фирмы. А здесь клиент наших авторов для своей автоматизации использует табличный процессор. Какие данные они собираются пропускать через нейронные сети и «комбинировать алгоритмы, строить эвристики»? Дай бог посчитать приход-расход.
Кроме того, для прогнозирования существуют специальные подразделения в крупных компаниях или консалтинговые фирмы. А здесь клиент наших авторов для своей автоматизации использует табличный процессор. Какие данные они собираются пропускать через нейронные сети и «комбинировать алгоритмы, строить эвристики»? Дай бог посчитать приход-расход.
Вы правы. Спрос планировать нельзя. Однако, если у Вас производство, или же Вы закупаете продукцию/сырье из другой страны, например, то необходимо заранее решать (за 1-6 месяцев,
как правило), что именно произвести и закупить, несколько позже — как распределять между складами и планировать логистику.
При этом у таких компаний не менее 50 постоянных партнеров и не менее 20-30 позиций.
И, как правило, ничего лучше, чем «давайте посчитаем, как было раньше» (скользящее среднее) применительно ко всем озвученным в статье задачам, не придумано.
Действительно, над данными необходимо работать, но не все так плохо. Правда, пока лучше себя показывает метрический ML и методы на деревьях (они же интерпретируемы и более устойчивы).
Это было в разделе про интерпретируемость алгоритмов. Никто не хочет доверять алгоритму, который может работать нестабильно. Потому необходимо вводить ограничения, метрики, отслеживать изменения в данных и т. д. (эвристики). И дело тут даже не в количестве данных.
как правило), что именно произвести и закупить, несколько позже — как распределять между складами и планировать логистику.
При этом у таких компаний не менее 50 постоянных партнеров и не менее 20-30 позиций.
И, как правило, ничего лучше, чем «давайте посчитаем, как было раньше» (скользящее среднее) применительно ко всем озвученным в статье задачам, не придумано.
Какие данные они собираются пропускать через нейронные сети
Действительно, над данными необходимо работать, но не все так плохо. Правда, пока лучше себя показывает метрический ML и методы на деревьях (они же интерпретируемы и более устойчивы).
«комбинировать алгоритмы, строить эвристики»
Это было в разделе про интерпретируемость алгоритмов. Никто не хочет доверять алгоритму, который может работать нестабильно. Потому необходимо вводить ограничения, метрики, отслеживать изменения в данных и т. д. (эвристики). И дело тут даже не в количестве данных.
Sign up to leave a comment.
Анализ данных для сбыта и производства