Przejdź do głównej treści
Strona głównaR

Kurs

Prognozowanie popytu na produkty w R

ŚredniozaawansowanyPoziom umiejętności
Zaktualizowano 11.2022
Zacznij kurs za darmo
RProbability & Statistics
4 godz.
13 filmów
50 Ćwiczeń
4,200 XP
9,445
Zaświadczenie o ukończeniu

Utwórz bezpłatne konto

Kontynuuj z GooglePokaż więcej opcji

lub


Kontynuując, akceptujesz nasze Warunki korzystania, naszą Politykę prywatności oraz to, że Twoje dane są przechowywane w USA.

Uwielbiany przez kursantów z tysięcy firm

Group

Szkolisz zespół?

Wypróbuj dla firm

Opis kursu

Dokładne prognozowanie popytu na produkty pozwala firmie wyprzedzać rynek. Znajomość czynników kształtujących popyt umożliwia lepsze zarządzanie zachowaniami wokół produktów. Ten kurs wprowadza w proces prognozowania popytu z wykorzystaniem języka R. Nauczysz się identyfikować kluczowe czynniki wpływające na popyt, analizować efekty sezonowe oraz prognozować popyt dla hierarchii produktów na podstawie rzeczywistych danych. Pod koniec kursu będziesz potrafić prognozować popyt dla wielu produktów w różnych regionach jednego stanu w USA, a następnie agregować te prognozy dla kolejnych regionów, tworząc kompletny hierarchiczny system prognozowania.

Wymagania wstępne

Case Study: Analyzing City Time Series Data in R
1

Forecasting Demand With Time Series

When it comes to forecasting, time series modeling is a great place to start! You need to forecast out the future values of sales demand and a good baseline approach would be ARIMA models. In this chapter you'll learn how to quickly implement ARIMA models and get good initial forecasts for future product demand.
Zacznij rozdział
2

Components of Demand

Economic theory has a lot to say about predicting values of demand. Obviously, external factors like price, seasonality, and timing of promotions will drive some aspects of product demand. In this chapter you'll learn about the basics around price elasticity models and how to incorporate seasonality and promotion timing factors into our product demand forecasts.
Zacznij rozdział
3

Blending Regression With Time Series

4

Hierarchical Forecasting

Everything up until this point deals with making individual models for forecasting product demand. However, we haven't taken advantage of the fact that all of these products form a product hierarchy of sales. Products make up regions and regions make up states. How can we ensure that our forecasts reconcile correctly up and down the hierarchy? In this chapter you'll learn about hierarchical forecasting and how to use it to your advantage in forecasting product demand.
Zacznij rozdział
Prognozowanie popytu na produkty w R
Kurs
ukończony

Zdobądź zaświadczenie o ukończeniu

Dodaj to poświadczenie do swojego profilu LinkedIn, CV lub życiorysu
Udostępnij to w mediach społecznościowych i podczas oceny wyników pracy
Zapisz się teraz

Dołącz do ponad 19 milionów kursantów i zacznij Prognozowanie popytu na produkty w R już dziś!

Utwórz bezpłatne konto

Kontynuuj z GooglePokaż więcej opcji

lub


Kontynuując, akceptujesz nasze Warunki korzystania, naszą Politykę prywatności oraz to, że Twoje dane są przechowywane w USA.

Rozwijaj swoje umiejętności w zakresie danych dzięki DataCamp dla urządzeń mobilnych

Rób postępy w podróży dzięki naszym kursom mobilnym i codziennym 5-minutowym wyzwaniom kodowania.