Ga naar hoofdinhoud
HomeR

Cursus

Vraag naar producten voorspellen in R

GemiddeldVaardigheidsniveau
Bijgewerkt 11-2022
Start Cursus Kosteloos
RProbability & Statistics
4 u
13 videos
50 Opdrachten
4,200 XP
9,446
Bewijs van Prestatie

Maak je kosteloos account aan

Ga verder met GoogleMeer opties weergeven

of

Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.

Geliefd bij leerlingen van duizenden bedrijven

Group

Een team trainen?

Probeer voor bedrijven

Cursusbeschrijving

De vraag naar producten nauwkeurig voorspellen helpt een bedrijf om de markt voor te blijven. Als je weet welke factoren de vraag bepalen, kun je beter sturen op gedrag rond je producten. Deze cursus laat je stap voor stap zien hoe je productvraag voorspelt met R. Je leert belangrijke drijfveren van vraag herkennen, seizoenseffecten bekijken en de vraag voorspellen voor een producthiërarchie aan de hand van een praktijkvoorbeeld. Aan het einde van de cursus kun je de vraag voorspellen voor meerdere producten in een regio binnen een Amerikaanse staat. Daarna agregreer je deze voorspellingen over meerdere regio’s van dezelfde staat tot een compleet hiërarchisch forecastsysteem.

Vereisten

Case Study: Analyzing City Time Series Data in R
1

Vraag voorspellen met tijdreeksen

Voor forecasting is modelleren met tijdreeksen een uitstekend startpunt! Je wilt toekomstige waarden van verkoopvraag voorspellen, en een goed basisaanpak zijn ARIMA-modellen. In dit hoofdstuk leer je hoe je snel ARIMA-modellen toepast en sterke eerste voorspellingen maakt voor toekomstige productvraag.
Hoofdstuk beginnen
2

Componenten van vraag

De economische theorie heeft veel te zeggen over het voorspellen van vraag. Externe factoren zoals prijs, seizoensinvloeden en het moment van promoties bepalen duidelijk een deel van de productvraag. In dit hoofdstuk maak je kennis met de basis van prijselasticiteitsmodellen en leer je hoe je seizoens- en promotietiming meeneemt in onze vraagvoorspellingen voor producten.
Hoofdstuk beginnen
3

Regressie combineren met tijdreeksen

Tijdreeksmodellen en prijsregressies hoef je niet als losse benaderingen van vraagvoorspelling te zien. Je kunt ze combineren! In dit hoofdstuk leer je twee manieren om de informatie uit beide modelaanpakken te “combineren”: transferfuncties en forecast-ensembling.
Hoofdstuk beginnen
4

Hiërarchisch voorspellen

Tot nu toe hebben we steeds afzonderlijke modellen gemaakt om de vraag naar producten te voorspellen. Maar we hebben nog niet benut dat al deze producten samen een verkoophiërarchie vormen. Producten vormen regio’s en regio’s vormen staten. Hoe zorg je ervoor dat je voorspellingen kloppen omhoog en omlaag in de hiërarchie? In dit hoofdstuk leer je over hiërarchisch voorspellen en hoe je dit inzet om je productvraag beter te voorspellen.
Hoofdstuk beginnen
Vraag naar producten voorspellen in R
Cursus
voltooid

Verdien een prestatieverklaring

Voeg deze referentie toe aan je LinkedIn-profiel, cv of curriculum vitae
Deel het op sociale media en in je functioneringsgesprekSchrijf je nu in

Sluit je aan bij meer dan 19 miljoen leerlingen en start vandaag nog met Vraag naar producten voorspellen in R!

Maak je kosteloos account aan

Ga verder met GoogleMeer opties weergeven

of

Door verder te gaan accepteer je onze Gebruiksvoorwaarden, ons Privacybeleid en dat je gegevens worden opgeslagen in de VS.

Ontwikkel je datavaardigheden met DataCamp voor Mobiel

Maak vooruitgang onderweg met onze mobiele cursussen en dagelijkse 5-minuten programmeeruitdagingen.

Download on the App StoreGet it on Google Play