मुख्य सामग्री पर जाएँ

निःशुल्क कोर्स

R में प्रोडक्ट डिमांड फोरकास्टिंग

मध्यवर्ती4 घंटे

Learn how to identify important drivers of demand, look at seasonal effects, and predict demand for a hierarchy of products from a real world example.

R4 घंटेउपलब्धि का प्रमाणपत्र

अपना निःशुल्क खाता बनाएँ

Google के साथ जारी रखें
या
जारी रखकर, आप हमारी उपयोग की शर्तें, हमारी गोपनीयता नीति को स्वीकार करते हैं और यह भी कि आपका डेटा USA में संग्रहीत है।

हज़ारों कंपनियों के शिक्षार्थियों द्वारा पसंद किया गया

किसी टीम को प्रशिक्षित कर रहे हैं?

व्यवसायों के लिए आज़माएँ →

कोर्स विवरण

प्रोडक्ट्स की डिमांड का सही अनुमान लगाकर कोई कंपनी बाज़ार से आगे रह सकती है। डिमांड को प्रभावित करने वाले कारकों को समझकर आप अपने प्रोडक्ट्स के आसपास बेहतर निर्णय और व्यवहार चला सकते हैं। यह कोर्स R की मदद से प्रोडक्ट डिमांड का पूर्वानुमान लगाने की प्रक्रिया सिखाता है। आप सीखेंगे कि डिमांड के महत्वपूर्ण ड्राइवर्स कैसे पहचानें, मौसमी प्रभावों को कैसे देखें, और वास्तविक उदाहरण से प्रोडक्ट्स की एक हायरार्की के लिए डिमांड का पूर्वानुमान कैसे करें। कोर्स के अंत तक आप अमेरिका के किसी राज्य के एक क्षेत्र में कई प्रोडक्ट्स की डिमांड का अनुमान लगाने में सक्षम होंगे। इसके बाद आप उसी राज्य के कई अलग-अलग क्षेत्रों के ये पूर्वानुमान समेकित करके एक पूर्ण हायरार्किकल फोरकास्टिंग सिस्टम बनाएँगे।

पूर्वापेक्षाएँ

पाठ्यक्रम

कोर्स रूपरेखा

1

टाइम सीरीज़ के साथ डिमांड फोरकास्टिंग

फोरकास्टिंग की बात हो तो शुरुआत के लिए टाइम सीरीज़ मॉडलिंग बेहतरीन है! आपको भविष्य की सेल्स डिमांड के मानों का पूर्वानुमान लगाना है, और एक अच्छा बेसलाइन तरीका ARIMA मॉडल्स होंगे। इस अध्याय में आप सीखेंगे कि ARIMA मॉडल्स को जल्दी कैसे लागू करें और भविष्य की प्रोडक्ट डिमांड के लिए अच्छे शुरुआती फोरकास्ट कैसे पाएँ।
अध्याय शुरू करें
2

डिमांड के घटक

आर्थिक सिद्धांत डिमांड के मानों का अनुमान लगाने पर बहुत रोशनी डालता है। साफ है कि बाहरी कारक जैसे प्राइस, सीज़नैलिटी और प्रमोशन का समय प्रोडक्ट डिमांड के कुछ पहलुओं को प्रभावित करेंगे। इस अध्याय में आप प्राइस इलास्टिसिटी मॉडल्स की बुनियाद समझेंगे और जानेंगे कि सीज़नैलिटी और प्रमोशन टाइमिंग जैसे फैक्टर्स को हमारे प्रोडक्ट डिमांड फोरकास्ट में कैसे शामिल करें।
अध्याय शुरू करें
3

रिग्रेशन और टाइम सीरीज़ का मिश्रण

टाइम सीरीज़ मॉडल्स और प्राइसिंग रिग्रेशन, प्रोडक्ट डिमांड फोरकास्टिंग के अलग-अलग तरीके होकर भी अलग-थलग नहीं हैं। इन्हें जोड़ा जा सकता है! इस अध्याय में आप दोनों मॉडलिंग तरीकों से मिली जानकारी को "कम्बाइन" करने के दो तरीकों के बारे में सीखेंगे — ट्रांसफर फंक्शंस और फोरकास्ट एन्सेम्बलिंग।
अध्याय शुरू करें
4

हायरार्किकल फोरकास्टिंग

अब तक की सारी चर्चा प्रोडक्ट डिमांड का अनुमान लगाने के लिए अलग-अलग मॉडल बनाने पर केंद्रित थी। लेकिन हमने इस तथ्य का लाभ नहीं उठाया कि ये सारे प्रोडक्ट्स मिलकर सेल्स की एक प्रोडक्ट हायरार्की बनाते हैं। प्रोडक्ट्स से रीजन बनते हैं और रीजन से स्टेट्स। हम कैसे सुनिश्चित करें कि हमारे फोरकास्ट हायरार्की में ऊपर और नीचे सही तरह से मिलें? इस अध्याय में आप हायरार्किकल फोरकास्टिंग के बारे में सीखेंगे और जानेंगे कि प्रोडक्ट डिमांड फोरकास्टिंग में इसे अपने पक्ष में कैसे उपयोग करें।
अध्याय शुरू करें
R

R में प्रोडक्ट डिमांड फोरकास्टिंग

कोर्स
पूर्ण

उपलब्धि का प्रमाण पत्र अर्जित करें

अभी नामांकन करें

DataCamp for Mobile के साथ अपने डेटा कौशल बढ़ाएँ

हमारे मोबाइल कोर्स और रोज़ाना 5-मिनट की कोडिंग चुनौतियों के साथ चलते-फिरते प्रगति करें।