1
| 本文作者： AI研習社 | 2019-06-14 17:34 |
雷鋒網AI研習社按：隨著人工智能時代的到來，傳統的人工預測將被淘汰，取而代之的是運用更準確、自動化的人工智能算法進行預測。在零售領域，需求預測可以有效地優化庫存管理，通過自動化且精準的預測，可以降低庫存周轉率和人力資源，進而降低企業的成本，提升企業的競爭力。在本次公開課中，講者結合在杉數科技的項目經驗，分享實際場景中的建模思路，深入剖析如何為企業帶來巨大的商業價值。
分享嘉賓：陳廷豪，臺灣大學與比利時根特大學雙碩士學位，主要研究方向為機器學習、深度學習等。加入杉數科技后，主要負責需求預測與庫存管理相關項目，現已為多家大型企業提供技術服務。
公開課回放視頻網址：
分享主題：
零售場景中的需求預測
分享提綱：
需求預測場景介紹
優化算法概述
建模思路
案例分享
雷鋒網AI研習社將其分享內容整理如下：
大家好，我是杉數科技算法工程師陳廷豪，主要研究方向為機器學習和深度學習，在杉數主要負責庫存管理和需求預測，今天很開心、也很榮幸來到AI研習社大講堂跟大家分享零售場景下的需求預測。
什么是零售場景呢？舉個例子，一般我們常去的便利店、超市，都可以稱為零售場景。那為什么零售場景要做需求預測呢？假設我是一個店長，發現店里的牛奶賣完了，那就需要趕緊去補貨。問題是牛奶需要配送的時間以及生產的時間，沒有辦法立刻去補貨。意思就是在零售場景里面，必須預測未來某個時間點的銷量是多少，繼而提早在倉庫里面具備充足的牛奶，這樣才可以避免銷量損失。另外如果預測結果準確，就不用在倉庫里備太多的牛奶，就可以降低庫存周轉率、降低成本，從而提升企業競爭力。所以說需求預測在零售場景是一個非常重要的課題，而且不僅僅局限于零售場景，一般只要牽涉到銷量與倉庫，都會需要做需求預測。不過我今天分享的主要內容，還是零售場景的需求預測。
今天這個分享我分了四個主題，如圖所示：
首先是需求預測的場景介紹，如圖是一個非常典型的需求預測場景：
還是剛剛舉的例子，消費者可能會去超市買牛奶，數據庫里面會記錄銷量，銷量是會隨著時間改變的，也就是可以把需求預測轉化成一個時間序列的問題。除了銷量數據之外，還有一些商品信息、促銷數據之類的。
下面我們來探討一下，哪些因素會影響需求，如圖所示：
在介紹完需求預測場景之后，我們現在來看看優化算法概述，會提到一些基本的模型。解決需求預測這個時間序列問題，一般會用到下面三個模型，我會傾向于跟大家分享這些模型適用于哪些場景。
首先介紹一下時間序列模型，在數據少、趨勢明顯、周期明顯等情況下，時間序列模型要比其他兩個模型更適用。但因為影響銷量的因素有很多，一般時間序列模型主要是用來當一個Bench mark。
第二個是機器學習模型，適用于數據多、特征顯著、可解釋性強的情況下，一般客戶會想知道為什么預測出這個值，而機器學習可以根據特征的重要性給出解釋，所以非常適合在業界使用。
接下來是深度學習模型，它適用于大量的數據、特征復雜的情況，還有一個優點是能進行end-to-end訓練。
第三部分是想要跟大家分享一下建模的思路，怎么去建模，怎么去攻克預測的問題。一個比較簡單的建模思路就是對模型去做融合，如圖所示：
下面再跟大家分享一下分層建模：
接下來看一個例子，根據銷量和波動性劃分一個四象限，這是非常好的一個思路。
最后來跟大家分享一下，我在杉數科技實際遇到的一些項目，我們是怎么去解決的。
今天的分享就到此結束，謝謝大家。
查看完整的分享內容，請點擊鏈接觀看：http://www.mooc.ai/open/course/669?=Leiphone 。
以上就是本期嘉賓的全部分享內容。更多公開課視頻請到雷鋒網 AI 研習社社區（http://ai.yanxishe.com/ ）觀看。
關注微信公眾號：AI 研習社（okweiwu），可獲取最新公開課直播時間預告。
雷峰網版權文章，未經授權禁止轉載。詳情見轉載須知。
