Après avoir suivi ces cours, je me sens confiant dans la création de visualisations et de tableaux de bord professionnels.
Shoebur RahmanSpécialiste des marchés publics, Giz Bangladesh
Description du cours
Prédire précisément la demande de produits permet à une entreprise de garder une longueur d’avance sur le marché. En comprenant ce qui façonne la demande, vous pouvez mieux orienter les comportements autour de vos produits. Ce cours dévoile le processus de prévision de la demande produit avec R. Vous apprendrez à repérer les principaux moteurs de la demande, à analyser les effets saisonniers et à prévoir la demande au sein d’une hiérarchie de produits à partir d’un exemple réel. À la fin du cours, vous serez en mesure de prévoir la demande de plusieurs produits dans une région d’un État américain, puis d’agréger ces prévisions sur de nombreuses régions du même État pour construire un système complet de prévision hiérarchique.
Prérequis
Programme de formation
Plan du cours
1
Prévoir la demande avec les séries temporelles
Pour la prévision, les modèles de séries temporelles sont un excellent point de départ ! Vous devez anticiper les valeurs futures de la demande et une bonne approche de base consiste à utiliser des modèles ARIMA. Dans ce chapitre, vous apprendrez à mettre en œuvre rapidement des modèles ARIMA et à obtenir de premières prévisions solides pour la demande future de produits.
- Charger des données dans un objet xts50 XP
- Importer des données100 XP
- Tracer / visualiser des données100 XP
- Bases des séries temporelles ARIMA50 XP
- Fonction auto.arima()100 XP
- Interpréter auto.arima50 XP
- Prévision et évaluation50 XP
- Fonction forecast100 XP
- Calculer le MAPE et le MAE100 XP
- Visualiser la prévision100 XP
- Intervalles de confiance pour la prévision100 XP
2
Composantes de la demande
La théorie économique apporte beaucoup d’éléments pour prédire la demande. Évidemment, des facteurs externes comme le prix, la saisonnalité et le calendrier des promotions influencent certains aspects de la demande produit. Dans ce chapitre, vous découvrirez les bases des modèles d’élasticité-prix et la manière d’intégrer la saisonnalité et le calendrier des promotions dans nos prévisions de demande produit.
3
Combiner régression et séries temporelles
Les modèles de séries temporelles et les régressions de tarification ne sont pas des approches séparées pour la prévision de la demande produit. On peut les combiner ! Dans ce chapitre, vous verrez deux façons de « combiner » les informations issues des deux approches de modélisation : les fonctions de transfert et l’ensemblage de prévisions.
4
Prévision hiérarchique
Jusqu’ici, nous avons construit des modèles individuels pour prévoir la demande de produits. Cependant, nous n’avons pas tiré parti du fait que l’ensemble de ces produits s’inscrit dans une hiérarchie commerciale : les produits composent des régions, et les régions composent des États. Comment garantir que nos prévisions soient cohérentes à tous les niveaux de la hiérarchie ? Dans ce chapitre, vous apprendrez la prévision hiérarchique et comment l’utiliser à votre avantage pour prévoir la demande produit.
R
Prévoir la demande de produits avec R
Cours
terminé
