В системе осуществляется только оперативный прогноз продаж. Подобные системы работают только под определенные категории продуктов (например, food), но спрос на мобильные телефоны, которые устаревают в среднем за 3-6 месяцев, действительно бесполезно прогнозировать.
В остальном — результаты противоречат вашим словам)
Только на своем опыте общения с клиентами, которые уже внедрили себе систему автозаказа от других вендоров, получаем много жалоб на неточный прогноз или на слишком большие требования к знаниям пользователя, это если не учитывать стандартные жалобы «система виновата все сломалось», когда внедрение по факту часто перестраивает бизнес-процесс, и это всегда сложно.
По поводу будущих обещаний SAP — конечно, никто из партнеров не может взять на себя ответственность за их выполнение, но передать информацию массам, почему нет?)
А к слову об оправдании вложенных средств, конечно есть отзывы, истории успеха, референсы… и моделирование работы системы, которое позволяет оценить окупаемость.
Показать не могу: данные реальные, брали у ритейлера единожды, и, как продавался у них товар потом — не знаю :) Но можно увидеть прогноз-факт, если откатиться, и прогнать систему за прошлые даты:
19 неделя 2015: спрос покрыт
52 неделя 2014: сезонность еще не распознана, спрос покрыт
Обратите внимание, что необъясненные пиковые значения продаж корректируются системой (красная линия).
По поводу второго вопроса: для данного товара был выбран метод прогнозирования, основанный на векторной регрессии. Этот метод учитывает сезонность, тренд и адаптивность (более новые наблюдения имеют большую значимость при прогнозировании, чем более старые). В системе при прогнозировании для каждой комбинации товар-магазин срабатывает автоматическая калибровка параметров модели прогнозирования. Ее суть заключается в том, что F&R перебирает различные комбинации значений параметров прогнозной модели (в т.ч. и адаптивности) и осуществляет сравнение прогноза, выполненного с данными значениями параметров, с фактическими продажами в течение нескольких недель (их количество задается в настройках системы).
Например, тут сезонность такая же явная, но прогноз не «копирует» поведение сглаженного ряда с предыдущих лет:
В среднем 2 года нужно.
Для товаров-новинок недавно выпущено обновление, которое позволяет автоматически находить товары предшественники. Ранее, как уже описали выше, была возможность только вручную приклеивать историю товара предшественника в хвост товару-новинке, либо искусственно проектировать историю продаж на базе нескольких товаров, и подавать ее, как историю товара-новинки.
В остальном — результаты противоречат вашим словам)
По поводу будущих обещаний SAP — конечно, никто из партнеров не может взять на себя ответственность за их выполнение, но передать информацию массам, почему нет?)
А к слову об оправдании вложенных средств, конечно есть отзывы, истории успеха, референсы… и моделирование работы системы, которое позволяет оценить окупаемость.
19 неделя 2015: спрос покрыт
52 неделя 2014: сезонность еще не распознана, спрос покрыт
Обратите внимание, что необъясненные пиковые значения продаж корректируются системой (красная линия).
По поводу второго вопроса: для данного товара был выбран метод прогнозирования, основанный на векторной регрессии. Этот метод учитывает сезонность, тренд и адаптивность (более новые наблюдения имеют большую значимость при прогнозировании, чем более старые). В системе при прогнозировании для каждой комбинации товар-магазин срабатывает автоматическая калибровка параметров модели прогнозирования. Ее суть заключается в том, что F&R перебирает различные комбинации значений параметров прогнозной модели (в т.ч. и адаптивности) и осуществляет сравнение прогноза, выполненного с данными значениями параметров, с фактическими продажами в течение нескольких недель (их количество задается в настройках системы).
Например, тут сезонность такая же явная, но прогноз не «копирует» поведение сглаженного ряда с предыдущих лет:
Для товаров-новинок недавно выпущено обновление, которое позволяет автоматически находить товары предшественники. Ранее, как уже описали выше, была возможность только вручную приклеивать историю товара предшественника в хвост товару-новинке, либо искусственно проектировать историю продаж на базе нескольких товаров, и подавать ее, как историю товара-новинки.