700+ courses, half price
Descrizione del corso
Prevedere con precisione la domanda dei prodotti permette a un'azienda di restare un passo avanti sul mercato. Sapendo cosa influenza la domanda, puoi guidare meglio i comportamenti intorno ai tuoi prodotti. Questo corso svela il processo di previsione della domanda di prodotto utilizzando R. Imparerai a identificare i principali driver della domanda, analizzare gli effetti stagionali e prevedere la domanda per una gerarchia di prodotti partendo da un esempio reale. Alla fine del corso sarai in grado di prevedere la domanda di più prodotti in diverse aree di uno stato degli USA. Poi raggrupperai queste previsioni su molte regioni dello stesso stato per costruire un sistema completo di previsione gerarchica.
Prerequisiti
Programma
Struttura del corso
1
Prevedere la domanda con le serie temporali
Quando si parla di previsione, la modellazione di serie temporali è un ottimo punto di partenza! Devi stimare i valori futuri della domanda di vendita e un buon approccio di base sono i modelli ARIMA. In questo capitolo imparerai a implementare rapidamente modelli ARIMA e a ottenere buone previsioni iniziali della domanda futura dei prodotti.
- Caricare i dati in un oggetto xts50 XP
- Importazione dei dati100 XP
- Rappresentare/visualizzare i dati100 XP
- Serie temporali ARIMA: le basi50 XP
- Funzione auto.arima()100 XP
- Interpreta auto.arima50 XP
- Previsioni e valutazione50 XP
- Funzione forecast100 XP
- Calcolare MAPE e MAE100 XP
- Visualizzare la previsione100 XP
- Intervalli di confidenza per il forecast100 XP
2
Componenti della domanda
La teoria economica ha molto da dire sulla previsione della domanda. Ovviamente, fattori esterni come prezzo, stagionalità e tempistiche delle promozioni influenzano alcuni aspetti della domanda di prodotto. In questo capitolo imparerai le basi dei modelli di elasticità del prezzo e come incorporare i fattori di stagionalità e di calendario delle promozioni nelle nostre previsioni della domanda di prodotto.
3
Integrare regressione e serie temporali
I modelli di serie temporali e le regressioni sui prezzi non devono essere considerati approcci separati alla previsione della domanda di prodotto. Si possono combinare! In questo capitolo imparerai due modi per “combinare” le informazioni ricavate da entrambi gli approcci di modellazione: funzioni di trasferimento ed ensembling delle previsioni.
4
Previsioni gerarchiche
Finora ci siamo occupati di creare modelli individuali per prevedere la domanda di prodotto. Tuttavia, non abbiamo ancora sfruttato il fatto che tutti questi prodotti costituiscono una gerarchia di vendita. I prodotti compongono le regioni e le regioni compongono gli stati. Come possiamo assicurarci che le nostre previsioni siano coerenti lungo tutta la gerarchia, dal basso verso l’alto e viceversa? In questo capitolo imparerai le previsioni gerarchiche e come usarle a tuo vantaggio nella previsione della domanda di prodotto.
R
Previsione della domanda di prodotto in R
Corso
completato
