After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Описание курса
Точное прогнозирование спроса на продукты позволяет компании опережать рынок. Понимая, какие факторы влияют на спрос, вы сможете эффективнее управлять поведением покупателей. Этот курс раскрывает процесс прогнозирования спроса с помощью R. Вы научитесь выявлять ключевые факторы спроса, анализировать сезонные эффекты и строить прогнозы для иерархии продуктов на реальных данных. К концу курса вы сможете прогнозировать спрос на несколько продуктов в отдельном регионе одного из штатов США, а затем объединять эти прогнозы по множеству регионов того же штата в полноценную иерархическую систему прогнозирования.
Предварительные требования
Программа
Структура курса
1
Прогнозирование спроса с помощью временных рядов
Моделирование временных рядов — отличная отправная точка для прогнозирования. Чтобы предсказать будущие значения продаж, хорошим базовым подходом служат модели ARIMA. В этой главе вы узнаете, как быстро реализовать модели ARIMA и получить качественные начальные прогнозы будущего спроса на продукты.
- Загрузка данных в объект xts50 XP
- Импорт данных100 XP
- Построение и визуализация данных100 XP
- ARIMA: основы временных рядов50 XP
- Функция auto.arima()100 XP
- Интерпретация auto.arima50 XP
- Прогнозирование и оценка результатов50 XP
- Функция forecast100 XP
- Вычисление MAPE и MAE100 XP
- Визуализация прогноза100 XP
- Доверительные интервалы для прогноза100 XP
2
Компоненты спроса
Экономическая теория даёт много инструментов для прогнозирования спроса. Очевидно, что внешние факторы — цена, сезонность и время проведения акций — оказывают влияние на спрос. В этой главе вы познакомитесь с основами моделей ценовой эластичности и научитесь учитывать сезонность и фактор промоакций в прогнозах спроса на продукты.
3
Объединение регрессии и временных рядов
Модели временных рядов и регрессии цен не обязательно рассматривать как два отдельных подхода к прогнозированию спроса — их можно объединить. В этой главе вы изучите два способа совместного использования информации из обоих подходов: передаточные функции и ансамблирование прогнозов.
4
Иерархическое прогнозирование
Всё, что рассматривалось ранее, касалось построения отдельных моделей для прогнозирования спроса на продукты. Однако мы ещё не использовали тот факт, что все эти продукты образуют иерархию продаж: продукты входят в регионы, а регионы — в штаты. Как обеспечить согласованность прогнозов на всех уровнях иерархии? В этой главе вы узнаете об иерархическом прогнозировании и научитесь применять его при прогнозировании спроса на продукты.
R
Прогнозирование спроса на продукты в R
Курс
завершён
