Unternehmen nutzen Zeitreihenprognosen, um wichtige Planungsentscheidungen zu treffen, die ihnen helfen, durch unsichere Zukunftsaussichten zu navigieren. Dieser Beitrag richtet sich an Stakeholder der Lieferkette, die das gemeinsame Bedürfnis haben, zu bestimmen, wie viele Fertigwaren über verschiedene Planungszeithorizonte hinweg benötigt werden. Neben der Planung, wie viele Wareneinheiten benötigt werden, müssen Unternehmen oft auch wissen, wo sie benötigt werden, um einen geografisch optimalen Lagerbestand zu erstellen.
Das empfindliche Gleichgewicht zwischen Überangebot und Unterangebot
Wenn Hersteller zu wenige Teile oder Fertigwaren produzieren, kann die daraus resultierende Unterversorgung dazu führen, dass sie schwierige Entscheidungen hinsichtlich der Rationierung der verfügbaren Ressourcen bei ihren Handelspartnern oder Geschäftsbereichen treffen müssen. Infolgedessen können Bestellungen geringere Annahmequoten aufweisen und weniger Gewinne erzielt werden. Wenn ein Einzelhändler weiter unten in der Lieferkette im Verhältnis zur Nachfrage zu wenige Produkte zum Verkauf hat, kann er die Käufer aufgrund von Nichtvorräten enttäuschen. Wenn der Einzelhandelskäufer einen unmittelbaren Bedarf hat, können diese Defizite zum Kauf bei einem anderen Einzelhändler oder einer Ersatzmarke führen. Diese Ersetzung kann ein Abwanderungsrisiko darstellen, wenn die Alternative zum neuen Standard wird.
Am anderen Ende des Angebotspendels kann ein Überangebot an Gütern ebenfalls Strafen nach sich ziehen. Überschüssige Artikel müssen nun bis zum Verkauf im Lager gehalten werden. Es wird erwartet, dass ein gewisser Sicherheitsbestand dazu beitragen wird, die erwartete Nachfrageunsicherheit zu überwinden. Übermäßige Lagerbestände führen jedoch zu Ineffizienzen, die das Endergebnis eines Unternehmens verwässern können. Insbesondere bei verderblichen Produkten kann ein Überangebot dazu führen, dass die Anfangsinvestition für den Erwerb des verkaufsfähigen Endprodukts ganz oder teilweise verloren geht.
Selbst wenn Produkte nicht verderblich sind, werden sie während der Lagerung effektiv zu einer ungenutzten Ressource, die in der Bilanz als freie Barmittel verfügbar sein oder für andere Investitionen verwendet werden könnte. Abgesehen von den Bilanzen sind Lager- und Transportkosten nicht kostenlos. Unternehmen verfügen in der Regel über eine begrenzte Menge an Lager- und Logistikkapazitäten. Sie müssen innerhalb dieser Einschränkungen agieren und die verfügbaren Ressourcen effizient nutzen.
Angesichts der Wahl zwischen Überangebot und Unterangebot ziehen es die meisten Unternehmen im Durchschnitt vor, ein Überangebot durch explizite Entscheidung zu erreichen. Die messbaren Kosten einer Unterversorgung sind oft höher, manchmal um ein Vielfaches höher als die Kosten einer Überversorgung, die wir in den folgenden Abschnitten diskutieren.
Der Hauptgrund für die Tendenz zum Überangebot besteht darin, die immateriellen Kosten zu vermeiden, die durch den Verlust des guten Rufs bei den Kunden entstehen, wenn Produkte nicht verfügbar sind. Hersteller und Einzelhändler denken an den langfristigen Kundennutzen und wollen die Markentreue fördern – diese Mission hilft bei der Gestaltung ihrer Lieferkettenstrategie.
In diesem Abschnitt haben wir Ungleichheiten untersucht, die sich aus der Zuweisung zu vieler oder zu weniger Ressourcen nach einem Bedarfsplanungsprozess ergeben. Als nächstes untersuchen wir Zeitreihenprognosen und wie Nachfrageprognosen optimal mit Versorgungsstrategien auf Artikelebene abgestimmt werden können.
Klassische Ansätze für Vertriebs- und Betriebsplanungszyklen
In der Vergangenheit wurden Prognosen mit statistischen Methoden durchgeführt, die zu Punktprognosen führten, die einen höchstwahrscheinlichen Wert für die Zukunft lieferten. Dieser Ansatz basiert oft auf Formen gleitender Durchschnitte oder linearer Regression, die darauf abzielt, ein Modell mithilfe eines gewöhnlichen Ansatzes der kleinsten Quadrate anzupassen. Eine Punktvorhersage besteht aus einem einzelnen mittleren Vorhersagewert. Da sich der Punktprognosewert auf einen Mittelwert konzentriert, wird erwartet, dass der wahre Wert in etwa 50 % der Fälle über dem Mittelwert liegt. Somit verbleiben noch 50 % der Zeit, in der die tatsächliche Zahl unter die Punktprognose fällt.
Punktprognosen mögen interessant sein, können aber dazu führen, dass Einzelhändlern in 50 % der Fälle die Artikel ausgehen, die sie unbedingt haben müssen, wenn sie ohne Expertenbewertung befolgt werden. Um zu verhindern, dass Kunden unterversorgt werden, wenden Angebots- und Nachfrageplaner manuelle Beurteilungsüberschreibungen an oder passen Punktprognosen anhand einer Sicherheitsbestandsformel an. Unternehmen können ihre eigene Interpretation einer Sicherheitsbestandsformel verwenden, aber die Idee besteht darin, sicherzustellen, dass die Produktversorgung über einen unsicheren kurzfristigen Horizont hinweg verfügbar ist. Letztlich müssen die Planer entscheiden, ob sie die Mittelwertprognosen entsprechend ihren Regeln, Interpretationen und ihrer subjektiven Sicht auf die Zukunft erhöhen oder verringern möchten.
Moderne Zeitreihenprognosen auf dem neuesten Stand der Technik ermöglichen Wahlmöglichkeiten
Um reale Prognoseanforderungen zu erfüllen, bietet AWS eine breite und umfassende Palette an Funktionen, die einen modernen Ansatz für die Zeitreihenprognose ermöglichen. Wir bieten Dienstleistungen für maschinelles Lernen (ML) an, die Folgendes umfassen, aber nicht darauf beschränkt sind: Amazon SageMaker-Leinwand (Einzelheiten finden Sie unter Trainieren Sie ein Zeitreihen-Prognosemodell schneller mit Amazon SageMaker Canvas Quick Build), Amazon-Prognose (Beginnen Sie Ihre erfolgreiche Reise mit Zeitreihenprognosen mit Amazon Forecast), Und Amazon Sage Maker integrierte Algorithmen (Umfassende Bedarfsprognose mit Amazon SageMaker). Darüber hinaus hat AWS ein Open-Source-Softwarepaket entwickelt, AutoGluon, das verschiedene ML-Aufgaben unterstützt, einschließlich solcher im Zeitreihenbereich. Weitere Informationen finden Sie unter Einfache und genaue Vorhersage mit AutoGluon-TimeSeries.
Betrachten Sie die im vorherigen Abschnitt besprochene Punktprognose. Reale Daten sind komplizierter, als sie mit einem Durchschnitt oder einer geraden Regressionsgeradenschätzung ausgedrückt werden können. Darüber hinaus benötigen Sie aufgrund des Ungleichgewichts von Über- und Unterversorgung mehr als eine Einzelpunktschätzung. AWS-Services erfüllen diesen Bedarf durch die Verwendung von ML-Modellen in Verbindung mit Quantilregression. Mit der Quantilregression können Sie aus einer Vielzahl von Planungsszenarien auswählen, die als Quantile ausgedrückt werden, anstatt sich auf Einzelpunktprognosen zu verlassen. Es sind diese Quantile, die Wahlmöglichkeiten bieten, die wir im nächsten Abschnitt ausführlicher beschreiben.
Prognosen, die darauf ausgelegt sind, Kunden zu bedienen und Geschäftswachstum zu generieren
Die folgende Abbildung zeigt eine Visualisierung einer Zeitreihenprognose mit mehreren Ergebnissen, die durch Quantilregression ermöglicht wird. Die mit p05 bezeichnete rote Linie bietet eine Wahrscheinlichkeit dafür, dass die reelle Zahl, wie auch immer sie sein mag, voraussichtlich in etwa 05 % der Fälle unter die p5-Linie fällt. Im Umkehrschluss bedeutet dies, dass die tatsächliche Zahl in 95 % der Fälle wahrscheinlich über der p05-Linie liegt.
Beobachten Sie als Nächstes die grüne Linie, die mit p70 gekennzeichnet ist. Der wahre Wert wird in etwa 70 % der Fälle unter die p70-Linie fallen, sodass eine Wahrscheinlichkeit von 30 % besteht, dass er die p70-Linie überschreitet. Die p50-Linie bietet eine mittlere Perspektive auf die Zukunft, mit einer 50/50-Wahrscheinlichkeit, dass die Werte im Durchschnitt über oder unter p50 fallen. Dies sind Beispiele, aber jedes Quantil kann auf die gleiche Weise interpretiert werden.
Im folgenden Abschnitt untersuchen wir, wie gemessen werden kann, ob die Quantilvorhersagen zu einem Über- oder Unterangebot pro Artikel führen.
Messung von Überangebot und Unterangebot anhand historischer Daten
Im vorherigen Abschnitt wurde eine grafische Möglichkeit zum Beobachten von Vorhersagen gezeigt. Eine andere Möglichkeit, sie anzuzeigen, ist die tabellarische Darstellung, wie in der folgenden Tabelle dargestellt. Bei der Erstellung von Zeitreihenmodellen wird ein Teil der Daten vom Trainingsvorgang zurückgehalten, wodurch Genauigkeitsmetriken generiert werden können. Obwohl die Zukunft ungewiss ist, besteht der Grundgedanke hier darin, dass die Genauigkeit während einer Sperrfrist unter sonst gleichen Bedingungen die beste Annäherung an die Leistung der Vorhersagen von morgen darstellt.
Die Tabelle zeigt keine Genauigkeitsmetriken; Vielmehr zeigt es wahre Werte, die aus der Vergangenheit bekannt sind, zusammen mit mehreren Quantilvorhersagen von p50 bis p90 in 10er-Schritten. Während der letzten historischen fünf Zeiträume betrug die tatsächliche Nachfrage 218 Einheiten. Quantilvorhersagen bieten einen Wertebereich von einem Tiefstwert von 189 Einheiten bis zu einem Höchstwert von 314 Einheiten. Anhand der folgenden Tabelle ist leicht zu erkennen, dass p50 und p60 zu einer Unterversorgung und die letzten drei Quantile zu einer Überversorgung führen.
Wir haben bereits darauf hingewiesen, dass es eine Asymmetrie zwischen Über- und Unterversorgung gibt. Die meisten Unternehmen, die sich bewusst für ein Überangebot entscheiden, tun dies, um eine Enttäuschung der Kunden zu vermeiden. Die entscheidende Frage lautet: „Auf welche Quantilvorhersagezahl sollte das Unternehmen für die Zukunft planen?“ Angesichts der bestehenden Asymmetrie muss eine gewichtete Entscheidung getroffen werden. Auf diesen Bedarf wird im nächsten Abschnitt eingegangen, in dem prognostizierte Mengen als Einheiten in ihre jeweilige finanzielle Bedeutung umgewandelt werden.
Automatische Auswahl der richtigen Quantilpunkte basierend auf Gewinnmaximierung oder Kundendienstzielen
Um Quantilwerte in Geschäftswerte umzuwandeln, müssen wir die Strafe ermitteln, die mit jeder Einheit Überbestand und jeder Einheit Unterbestand verbunden ist, da diese selten gleich sind. Eine Lösung für diesen Bedarf ist im Bereich des Operations Research gut dokumentiert und untersucht und wird als Newsvendor-Problem bezeichnet. Whitin (1955) war der erste, der ein Nachfragemodell unter Einbeziehung von Preiseffekten formulierte. Der Name des Problems der Zeitungsverkäufer geht auf eine Zeit zurück, in der Nachrichtenverkäufer entscheiden mussten, wie viele Zeitungen sie für den Tag kaufen wollten. Wenn sie eine zu niedrige Zahl wählten, würden sie frühzeitig ausverkauft sein und ihr Einkommenspotenzial an diesem Tag nicht erreichen. Wenn sie eine zu hohe Zahl wählten, blieben sie bei den „Nachrichten von gestern“ hängen und riskierten, einen Teil ihrer spekulativen Investition am frühen Morgen zu verlieren.
Um die Über- und Unterstrafen pro Einheit zu berechnen, sind für jedes Element, das Sie prognostizieren möchten, einige Daten erforderlich. Sie können die Komplexität auch erhöhen, indem Sie die Daten entsprechend den Geschäftsanforderungen als Artikel+Standort-Paar, Artikel+Kunde-Paar oder andere Kombinationen angeben.
- Erwarteter Verkaufswert für den Artikel.
- Gesamtkosten für den Kauf oder die Herstellung des Artikels.
- Geschätzte Lagerkosten, die mit der Aufbewahrung des Artikels im Lager verbunden sind, sofern er nicht verkauft wird.
- Restwert des Artikels, falls nicht verkauft. Bei leicht verderblicher Ware könnte der Restwert gegen Null gehen, was zum vollständigen Verlust der ursprünglichen Investitionskosten der Waren führen würde. Im lagerstabilen Zustand kann der Restwert je nach Art des gelagerten und potenziell gealterten Artikels irgendwo unter dem erwarteten Verkaufswert des Artikels liegen.
Die folgende Tabelle zeigt, wie die Quantilpunkte aus den verfügbaren Prognosepunkten in bekannten historischen Zeiträumen selbst ausgewählt wurden. Betrachten Sie das Beispiel von Artikel 3, der in früheren Zeiträumen einen tatsächlichen Bedarf von 1,578 Einheiten hatte. Eine p50-Schätzung von 1,288 Einheiten hätte zu einer Unterversorgung geführt, wohingegen ein p90-Wert von 2,578 Einheiten einen Überschuss ergeben hätte. Unter den beobachteten Quantilen ergibt der p70-Wert einen maximalen Gewinn von 7,301 $. Wenn Sie dies wissen, können Sie erkennen, dass eine Auswahl von p50 im Vergleich zum Wert von p1,300 zu einer Strafe von fast 70 $ führen würde. Dies ist nur ein Beispiel, aber jedes Element in der Tabelle hat eine einzigartige Geschichte zu erzählen.
Lösungsüberblick
Das folgende Diagramm veranschaulicht einen vorgeschlagenen Arbeitsablauf. Erste, Amazon SageMaker Data Wrangler Verwendet Backtest-Vorhersagen, die von einem Zeitreihen-Prognostiker erstellt wurden. Anschließend werden Backtest-Prognosen und bekannte Ist-Werte mit Finanzmetadaten auf Einzelpostenbasis verknüpft. An diesem Punkt berechnet eine SageMaker Data Wrangler-Transformation mithilfe von Backtest-Vorhersagen die Stückkosten für Unter- und Überprognosen pro Artikel.
SageMaker Data Wrangler übersetzt die Einheitenprognose in einen finanziellen Kontext und wählt automatisch das artikelspezifische Quantil aus, das unter den untersuchten Quantilen den höchsten Gewinn erzielt. Die Ausgabe ist ein tabellarischer Datensatz, der auf Amazon S3 gespeichert wird und vom Konzept her der Tabelle im vorherigen Abschnitt ähnelt.
Schließlich wird ein Zeitreihen-Prognostiker verwendet, um zukunftsbezogene Prognosen für künftige Zeiträume zu erstellen. Hier können Sie auch Inferenzoperationen steuern oder auf Inferenzdaten reagieren, je nachdem, welches Quantil ausgewählt wurde. Dadurch können Sie möglicherweise die Rechenkosten senken und sich gleichzeitig den Aufwand der manuellen Überprüfung jedes einzelnen Elements ersparen. Den Experten in Ihrem Unternehmen bleibt mehr Zeit, sich auf hochwertige Artikel zu konzentrieren, während bei Tausenden von Artikeln in Ihrem Katalog automatische Anpassungen vorgenommen werden können. Was die Überlegung anbelangt, so ist die Zukunft mit einem gewissen Grad an Unsicherheit behaftet. Wenn jedoch alle anderen Bedingungen gleich sind, sollte eine gemischte Auswahl von Quantilen die Ergebnisse in einem Gesamtsatz von Zeitreihen optimieren. Hier bei AWS empfehlen wir Ihnen, zwei Holdback-Vorhersagezyklen zu verwenden, um den Grad der Verbesserungen zu quantifizieren, die bei der gemischten Quantilauswahl gefunden werden.
Lösungsberatung zur Beschleunigung Ihrer Implementierung
Wenn Sie die in diesem Beitrag besprochene Lösung zur Quantilauswahl neu erstellen und an Ihren eigenen Datensatz anpassen möchten, stellen wir Ihnen einen synthetischen Beispieldatensatz und eine Beispiel-Flowdatei von SageMaker Data Wrangler zur Verfügung, um Ihnen den Einstieg zu erleichtern GitHub. Die gesamte praktische Erfahrung sollte weniger als eine Stunde in Anspruch nehmen.
Wir stellen diesen Beitrag und Beispiellösungsanleitungen zur Verfügung, um Ihre Markteinführungszeit zu verkürzen. Der wichtigste Wegbereiter für die Empfehlung spezifischer Quantile ist SageMaker Data Wrangler, ein speziell entwickelter AWS-Service, der den Zeitaufwand für die Vorbereitung von Daten für ML-Anwendungsfälle reduzieren soll. SageMaker Data Wrangler bietet eine visuelle Schnittstelle zum Entwerfen von Datentransformationen, zum Analysieren von Daten und zum Durchführen von Feature-Engineering.
Wenn Sie neu bei SageMaker Data Wrangler sind, lesen Sie hier Erste Schritte mit Data Wrangler um zu verstehen, wie der Dienst gestartet wird Amazon SageMaker-Studio. Unabhängig davon haben wir mehr als 150 Blog-Beiträge die dabei helfen, verschiedene Beispieldatentransformationen zu entdecken, die vom Dienst angesprochen werden.
Zusammenfassung
In diesem Beitrag haben wir diskutiert, wie die Quantilregression mehrere Geschäftsentscheidungspunkte bei der Zeitreihenprognose ermöglicht. Wir haben auch die unausgewogenen Kostennachteile besprochen, die mit Über- und Unterprognosen einhergehen – oft beträgt der Nachteil einer Unterversorgung ein Vielfaches der Strafe eines Überangebots, ganz zu schweigen davon, dass eine Unterversorgung zum Verlust des guten Willens bei den Kunden führen kann.
In dem Beitrag wurde erläutert, wie Unternehmen mehrere Quantil-Vorhersagepunkte unter Berücksichtigung der Über- und Unterversorgungskosten jedes Artikels auswerten können, um automatisch das Quantil auszuwählen, das in zukünftigen Zeiträumen wahrscheinlich den größten Gewinn bringt. Bei Bedarf können Sie die Auswahl überschreiben, wenn Geschäftsregeln ein festes Quantil einem dynamischen vorziehen.
Der Prozess soll dazu beitragen, geschäftliche und finanzielle Ziele zu erreichen und gleichzeitig die Reibung zu beseitigen, die mit der manuellen Beurteilung jedes prognostizierten Postens verbunden ist. SageMaker Data Wrangler unterstützt den kontinuierlichen Prozessablauf, da die Quantilauswahl dynamisch mit sich ändernden realen Daten erfolgen muss.
Es ist zu beachten, dass die Quantilauswahl kein einmaliges Ereignis ist. Der Prozess sollte auch während jedes Prognosezyklus evaluiert werden, um Änderungen wie erhöhte Warenkosten, Inflation, saisonale Anpassungen, Einführung neuer Produkte, veränderte Verbraucheranforderungen und mehr zu berücksichtigen. Der vorgeschlagene Optimierungsprozess ist nach der Zeitreihenmodellgenerierung positioniert, die als Modelltrainingsschritt bezeichnet wird. Quantilauswahlen werden getroffen und im Schritt zur Generierung zukünftiger Prognosen verwendet, der manchmal auch als Inferenzschritt bezeichnet wird.
Wenn Sie Fragen zu diesem Beitrag haben oder tiefer in Ihre individuellen organisatorischen Anforderungen eintauchen möchten, wenden Sie sich bitte an Ihr AWS-Kontoteam, Ihren AWS-Lösungsarchitekten oder eröffnen Sie einen neuen Fall in unserem Support-Center.
Bibliographie
- DeYong, G. D. (2020). Der preissetzende Nachrichtenanbieter: Rezension und Erweiterungen. International Journal of Production Research, 58(6), 1776–1804.
- Liu, C., Letchford, A. N. & Svetunkov, I. (2022). Probleme mit Nachrichtenanbietern: Eine integrierte Methode zur Schätzung und Optimierung. European Journal of Operational Research, 300(2), 590–601.
- Punia, S., Singh, S. P. & Madaan, J. K. (2020). Von der prädiktiven zur präskriptiven Analyse: Ein datengesteuertes Multi-Item-Newsvendor-Modell. Entscheidungsunterstützungssysteme, 136.
- Trapero, J. R., Cardós, M. & Kourentzes, N. (2019). Quantilprognose – optimale Kombination zur Verbesserung der Sicherheitsbestandsschätzung. International Journal of Forecasting, 35(1), 239–250.
- Whitin, TM (1955). Bestandskontrolle und Preistheorie. Managementwissenschaft. 2 61–68.
Über den Autor
Charles Laughlin ist Principal AI/ML Specialist Solution Architect und arbeitet im Amazon SageMaker-Serviceteam bei AWS. Er hilft bei der Gestaltung der Service-Roadmap und arbeitet täglich mit verschiedenen AWS-Kunden zusammen, um deren Unternehmen mithilfe modernster AWS-Technologien und Vordenkern bei der Transformation zu unterstützen. Charles hat einen MS in Supply Chain Management und einen Ph.D. in Datenwissenschaft.
- SEO-gestützte Content- und PR-Distribution. Holen Sie sich noch heute Verstärkung.
- PlatoData.Network Vertikale generative KI. Motiviere dich selbst. Hier zugreifen.
- PlatoAiStream. Web3-Intelligenz. Wissen verstärkt. Hier zugreifen.
- PlatoESG. Kohlenstoff, CleanTech, Energie, Umwelt, Solar, Abfallwirtschaft. Hier zugreifen.
- PlatoHealth. Informationen zu Biotechnologie und klinischen Studien. Hier zugreifen.
- Quelle: https://aws.amazon.com/blogs/machine-learning/beyond-forecasting-the-delicate-balance-of-serving-customers-and-growing-your-business/
- :hast
- :Ist
- :nicht
- :Wo
- ][P
- 1
- 10
- 100
- 2019
- 2020
- 2022
- 420
- 7
- 95%
- a
- LiveBuzz
- oben
- beschleunigen
- Akzeptanz
- Nach
- Konto
- Genauigkeit
- genau
- erreicht
- erwerben
- Handlung
- automatisch
- Zusatz
- Adresse
- angesprochen
- Anpassungen
- beraten
- Nach der
- gegen
- alt
- voraus
- AI / ML
- Algorithmen
- Alle
- erlauben
- erlaubt
- neben
- ebenfalls
- Obwohl
- Amazon
- Amazon Sage Maker
- Amazon SageMaker-Leinwand
- Amazon Web Services
- unter
- Betrag
- an
- Analytik
- analysieren
- und
- Ein anderer
- jedem
- von jedem Standort
- angewandt
- Bewerben
- Ansatz
- Ansätze
- ca.
- SIND
- vereinbart worden
- AS
- beiseite
- damit verbundenen
- At
- automatische
- Im Prinzip so, wie Sie es von Google Maps kennen.
- verfügbar
- durchschnittlich
- vermeiden
- AWS
- Zurück
- Backtest
- Balance
- Bilanz
- Bilanzen
- basierend
- Grundlage
- BE
- weil
- werden
- wird
- war
- Sein
- unten
- BESTE
- zwischen
- Beyond
- vorspannen
- Blog
- Boden
- Marke
- breit
- eingebaut
- Last
- Geschäft
- Unternehmen
- aber
- by
- namens
- Aufrufe
- CAN
- Leinwand
- Fähigkeiten
- durchgeführt
- Tragen
- Häuser
- Fälle
- Bargeld
- Katalog
- Verursachen
- Center
- zentriert
- Kette
- Chance
- Änderungen
- Ändern
- Frank
- Wahl
- Entscheidungen
- Auswählen
- Auswahl
- wählten
- gewählt
- Kombination
- Kombinationen
- gemeinsam
- Unternehmen
- Unternehmen
- verglichen
- abschließen
- Komplexität
- kompliziert
- Berechnen
- Konzeptionell
- bewusst
- Geht davon
- Berücksichtigung
- besteht
- Einschränkungen
- Verbraucher
- Kontext
- Smartgeräte App
- umgekehrt
- verkaufen
- umgewandelt
- Kernbereich
- und beseitigen Muskelschwäche
- Kosten
- Kosten
- könnte
- gekoppelt
- erstellen
- Erstellen
- kritischem
- Kunde
- Kundenservice
- Kunden
- innovativ, auf dem neuesten Stand
- Zyklus
- Zyklen
- Unterricht
- technische Daten
- Datenwissenschaft
- datengesteuerte
- Tag
- entscheidet
- Entscheidung
- Entscheidungen
- tief
- tiefer
- Standard
- Grad
- Übergeben
- Demand
- Nachfragevorhersage
- Anforderungen
- Synergie
- zeigt
- Abhängig
- beschreiben
- Design
- entworfen
- Verlangen
- Detail
- Details
- Festlegung
- entwickelt
- enttäuschend
- entdeckt,
- diskutieren
- diskutiert
- tauchen
- verschieden
- do
- Tut nicht
- Domain
- nach unten
- Antrieb
- zwei
- im
- dynamisch
- jeder
- Früh
- Einfache
- effektiv
- Effekten
- effizient
- Ermöglicher
- ermöglicht
- Ende
- Entwicklung
- zu steigern,
- gewährleisten
- Ganz
- gleich
- insbesondere
- schätzen
- Europäische
- bewerten
- Bewerten
- Event
- Jedes
- untersuchen
- Beispiel
- Beispiele
- überschreiten
- Überschuss
- existiert
- erwartet
- ERFAHRUNGEN
- Experte
- Experten
- zum Ausdruck gebracht
- Erweiterungen
- Fallen
- beschleunigt
- Merkmal
- wenige
- Weniger
- Feld
- Abbildung
- Reichen Sie das
- Revolution
- finanzielle Ziele
- Finden Sie
- Vorname
- passen
- fünf
- fixiert
- Fluss
- Setzen Sie mit Achtsamkeit
- folgen
- gefolgt
- Folgende
- Aussichten für
- Prognose
- Prognosen
- Formen
- Formel
- Fördern
- gefunden
- Frei
- Reibung
- für
- voller
- weiter
- Zukunft
- Futures
- erzeugen
- erzeugt
- Generation
- geographisch
- bekommen
- gegeben
- Gluon
- Ziele
- gut
- Waren
- Wohlwollen
- Grün
- persönlichem Wachstum
- die Vermittlung von Kompetenzen,
- hätten
- praktische
- Haben
- mit
- he
- Statt
- Hilfe
- hilft
- hier
- GUTE
- höher
- höchste
- hoch
- historisch
- historisch
- Halten
- hält
- Horizont
- Horizons
- Stunde
- Ultraschall
- Hilfe
- aber
- HTML
- HTTPS
- i
- Idee
- Leerlauf
- if
- zeigt
- Unausgewogenheit
- unmittelbar
- Verbesserungen
- in
- das
- inklusive
- Einschließlich
- Einkommen
- Erhöhung
- hat
- unabhängig
- Inflation
- informieren
- Information
- Anfangs-
- immaterielle
- integriert
- interessant
- Schnittstelle
- International
- Interpretation
- in
- Einleitung
- Inventar
- untersuchen
- Investition
- Investments
- IT
- Artikel
- beigetreten
- Zeitschrift
- Reise
- Wissen
- Wissend
- bekannt
- Nachname
- starten
- führen
- Leadership
- umwandeln
- lernen
- am wenigsten
- Verlassen
- weniger
- Gefällt mir
- wahrscheinlich
- Limitiert
- Line
- Logistik
- langfristig
- verlieren
- Verlust
- Sneaker
- senken
- Maschine
- Maschinelles Lernen
- gemacht
- Main
- um
- Management
- Weise
- manuell
- manuell
- Hersteller
- viele
- Markt
- abgestimmt
- Maximierung
- maximal
- Kann..
- bedeuten
- Bedeutungen
- Mittel
- gemeint
- messen
- Triff
- Metadaten
- Methode
- Methoden
- Metrik
- Ziel
- gemischt
- ML
- Modell
- für
- modern
- mehr
- Morgen
- vor allem warme
- ziehen um
- Gleitende Durchschnitte
- mehrere
- sollen
- Haben müssen
- Namens
- Natur
- Navigieren
- In der Nähe von
- notwendig,
- Need
- erforderlich
- Bedürfnisse
- Neu
- neue Produkt
- News
- Zeitung
- weiter
- bekannt
- jetzt an
- Anzahl
- beobachten
- of
- bieten
- Angebote
- vorgenommen,
- on
- EINEM
- laufend
- einzige
- XNUMXh geöffnet
- Open-Source-
- Quelloffene Software
- betreiben
- Betrieb
- Betriebs-
- Einkauf & Prozesse
- optimal
- Optimierung
- Optimieren
- or
- Bestellungen
- gewöhnlich
- organisatorisch
- Organisationen
- Original
- Andere
- UNSERE
- Ergebnisse
- Möglichkeiten für das Ausgangssignal:
- übrig
- Gesamt-
- Override
- zu viel lagern
- besitzen
- Paket
- Paar
- Teil
- Teile
- passt
- für
- Ausführen
- Zeit
- Zeiträume
- Perspektive
- Stücke
- Plan
- Planung
- Plato
- Datenintelligenz von Plato
- PlatoData
- Bitte
- Points
- Punkte
- positioniert
- möglich
- Post
- Potenzial
- möglicherweise
- Prognose
- Prognosen
- bevorzugen
- Danach
- verhindern
- früher
- vorher
- Preis
- gebühr
- primär
- Principal
- Vor
- Aufgabenstellung:
- Probleme
- Prozessdefinierung
- produziert
- Produziert
- produziert
- Produkt
- Produktion
- Produkte
- Profit
- profite
- vorgeschlage
- die
- bietet
- Kauf
- verfolgen
- Frage
- Fragen
- Direkt
- R
- Angebot
- selten
- Honorar
- lieber
- erreichen
- echt
- realen Welt
- realisiert
- Grund
- kürzlich
- empfehlen
- Rot
- Veteran
- siehe
- bezeichnet
- relativ
- verlassen
- verbleibenden
- Entfernen
- Forschungsprojekte
- Ressourcen
- Downloads
- diejenigen
- Folge
- was zu
- Einzelhandel
- Einzelhändler
- Einzelhändler
- Überprüfen
- Risiko
- Fahrplan
- Ohne eine erfahrene Medienplanung zur Festlegung von Regeln und Strategien beschleunigt der programmatische Medieneinkauf einfach die Rate der verschwenderischen Ausgaben.
- Führen Sie
- Laufen
- s
- Sicherheit
- sagemaker
- Vertrieb
- gleich
- Szenarien
- SCI
- Wissenschaft
- saisonal
- Abschnitt
- Abschnitte
- sehen
- Sucht
- Auswahl
- Auswahl
- verkaufen
- Sellers
- Modellreihe
- brauchen
- Lösungen
- Dienst
- kompensieren
- mehrere
- Form
- Teilen
- Blatt
- Regal
- VERSCHIEBUNG
- Käufer
- kurzfristig
- sollte
- erklären
- gezeigt
- Konzerte
- ähnlich
- Single
- So
- Software
- verkauft
- Lösung
- Lösungen
- einige
- Spezialist
- spezifisch
- spekulativ
- Quadrate
- stabil
- Stakeholder
- begonnen
- State-of-the-art
- statistisch
- Schritt
- Shritte
- -bestands-
- Lagerung
- gelagert
- Geschichte
- mit Stiel
- Strategien
- Strategie
- sucht
- erfolgreich
- liefern
- Angebot und Nachfrage
- Supply Chain
- Leitung der Lieferkette
- Support
- Unterstützungssysteme
- Unterstützt
- Überschuss
- synthetisch
- Systeme und Techniken
- Tabelle
- Nehmen
- nimmt
- und Aufgaben
- Team
- Technologies
- erzählen
- als
- zur Verbesserung der Gesundheitsgerechtigkeit
- Das
- Die Zukunft
- ihr
- Sie
- Theorie
- Dort.
- Diese
- vom Nutzer definierten
- think
- fehlen uns die Worte.
- diejenigen
- dachte
- Gedankenführung
- Tausende
- nach drei
- Durch
- Zeit
- Zeitfolgen
- zu
- auch
- zäh
- gegenüber
- Trading
- Ausbildung
- Transformieren
- Transformationen
- was immer dies auch sein sollte.
- wahrer Wert
- XNUMX
- typisch
- Letztlich
- Unsicher
- Unsicherheit
- für
- verstehen
- einzigartiges
- Einheit
- Bereiche
- bis
- -
- benutzt
- Verwendung von
- Wert
- Werte
- Vielfalt
- Anzeigen
- wollen
- wurde
- Weg..
- we
- Netz
- Web-Services
- GUT
- waren
- was auch immer
- wann
- sobald
- während
- ob
- welche
- während
- WHO
- breit
- Große Auswahl
- werden wir
- mit
- .
- ohne
- Arbeitsablauf.
- Werk
- würde
- Du
- Ihr
- Zephyrnet
- Null