कंपनियां मुख्य नियोजन निर्णय लेने के लिए समय श्रृंखला पूर्वानुमान का उपयोग करती हैं जो उन्हें अनिश्चित भविष्य से निपटने में मदद करती हैं। यह पोस्ट आपूर्ति श्रृंखला हितधारकों को संबोधित करने के लिए है, जो यह निर्धारित करने की सामान्य आवश्यकता साझा करते हैं कि मिश्रित प्रकार के नियोजन समय क्षितिज पर कितने तैयार माल की आवश्यकता है। वस्तुओं की कितनी इकाइयों की आवश्यकता है, इसकी योजना बनाने के अलावा, भौगोलिक दृष्टि से इष्टतम सूची बनाने के लिए व्यवसायों को अक्सर यह जानने की आवश्यकता होती है कि उनकी आवश्यकता कहाँ होगी।
अधिक आपूर्ति और कम आपूर्ति का नाजुक संतुलन
यदि निर्माता बहुत कम हिस्से या तैयार माल का उत्पादन करते हैं, तो परिणामी कम आपूर्ति के कारण उन्हें अपने व्यापारिक भागीदारों या व्यावसायिक इकाइयों के बीच उपलब्ध संसाधनों की राशनिंग करने में कठिन विकल्प चुनने पड़ सकते हैं। परिणामस्वरूप, खरीद आदेशों की स्वीकृति दर कम हो सकती है और मुनाफा भी कम हो सकता है। आपूर्ति शृंखला में और नीचे, यदि किसी खुदरा विक्रेता के पास मांग के सापेक्ष बेचने के लिए बहुत कम उत्पाद हैं, तो वे स्टॉक खत्म होने के कारण खरीदारों को निराश कर सकते हैं। जब खुदरा दुकानदार को तत्काल आवश्यकता होती है, तो इन कमियों के परिणामस्वरूप वैकल्पिक खुदरा विक्रेता या प्रतिस्थापन योग्य ब्रांड से खरीदारी हो सकती है। यदि विकल्प नया डिफ़ॉल्ट बन जाता है तो यह प्रतिस्थापन एक मंथन जोखिम हो सकता है।
आपूर्ति पेंडुलम के दूसरे छोर पर, माल की अधिक आपूर्ति पर जुर्माना भी लगाया जा सकता है। अधिशेष वस्तुओं को अब बेचे जाने तक इन्वेंट्री में रखा जाना चाहिए। कुछ हद तक सुरक्षा स्टॉक से अपेक्षित मांग अनिश्चितता से निपटने में मदद मिलने की उम्मीद है; हालाँकि, अतिरिक्त इन्वेंट्री अक्षमताओं को जन्म देती है जो किसी संगठन की निचली रेखा को कमजोर कर सकती है। विशेष रूप से जब उत्पाद खराब हो जाते हैं, तो अधिक आपूर्ति से बिक्री योग्य तैयार वस्तु प्राप्त करने के लिए किए गए प्रारंभिक निवेश का पूरा या कुछ हिस्सा नष्ट हो सकता है।
यहां तक कि जब उत्पाद खराब नहीं होते हैं, तो भंडारण के दौरान वे प्रभावी रूप से एक निष्क्रिय संसाधन बन जाते हैं जो बैलेंस शीट पर मुफ्त नकदी के रूप में उपलब्ध हो सकते हैं या अन्य निवेशों को आगे बढ़ाने के लिए उपयोग किए जा सकते हैं। बैलेंस शीट को एक तरफ रख दें, भंडारण और वहन करने की लागत मुफ़्त नहीं है। संगठनों के पास आमतौर पर सीमित मात्रा में व्यवस्थित गोदाम और लॉजिस्टिक्स क्षमताएं होती हैं। उन्हें उपलब्ध संसाधनों का कुशलतापूर्वक उपयोग करते हुए इन बाधाओं के भीतर काम करना चाहिए।
अधिक आपूर्ति और कम आपूर्ति के बीच चयन करने का सामना करते हुए, औसतन अधिकांश संगठन स्पष्ट विकल्प के आधार पर अधिक आपूर्ति करना पसंद करते हैं। अधिक आपूर्ति की लागत की तुलना में कम आपूर्ति की मापने योग्य लागत अक्सर अधिक होती है, कभी-कभी कई गुना अधिक होती है, जिस पर हम आगे आने वाले अनुभागों में चर्चा करते हैं।
अधिक आपूर्ति के प्रति पूर्वाग्रह का मुख्य कारण उत्पाद अनुपलब्ध होने पर ग्राहकों के साथ सद्भावना खोने की अमूर्त लागत से बचना है। निर्माता और खुदरा विक्रेता दीर्घकालिक ग्राहक मूल्य के बारे में सोचते हैं और ब्रांड वफादारी को बढ़ावा देना चाहते हैं - यह मिशन उनकी आपूर्ति श्रृंखला रणनीति को सूचित करने में मदद करता है।
इस अनुभाग में, हमने मांग नियोजन प्रक्रिया के बाद बहुत अधिक या बहुत कम संसाधनों के आवंटन के परिणामस्वरूप होने वाली असमानताओं की जांच की। इसके बाद, हम समय श्रृंखला पूर्वानुमान की जांच करते हैं और आइटम-स्तरीय आपूर्ति रणनीतियों के साथ मांग पूर्वानुमानों को कैसे बेहतर ढंग से मिलान किया जा सकता है।
बिक्री और संचालन योजना चक्रों के लिए शास्त्रीय दृष्टिकोण
ऐतिहासिक रूप से, पूर्वानुमान को सांख्यिकीय तरीकों से हासिल किया गया है जिसके परिणामस्वरूप बिंदु पूर्वानुमान होते हैं, जो भविष्य के लिए सबसे संभावित मूल्य प्रदान करते हैं। यह दृष्टिकोण अक्सर चलती औसत या रैखिक प्रतिगमन के रूपों पर आधारित होता है, जो सामान्य न्यूनतम वर्ग दृष्टिकोण का उपयोग करके एक मॉडल को फिट करने का प्रयास करता है। एक बिंदु पूर्वानुमान में एकल माध्य पूर्वानुमान मान शामिल होता है। चूँकि बिंदु पूर्वानुमान मान माध्य पर केंद्रित होता है, इसलिए यह उम्मीद की जाती है कि वास्तविक मान माध्य से ऊपर होगा, लगभग 50% समय। इससे शेष 50% समय बचता है जब वास्तविक संख्या बिंदु पूर्वानुमान से नीचे आ जाएगी।
बिंदु पूर्वानुमान दिलचस्प हो सकते हैं, लेकिन यदि विशेषज्ञ समीक्षा के बिना उनका पालन किया जाता है, तो इसके परिणामस्वरूप खुदरा विक्रेताओं के पास 50% समय तक आवश्यक वस्तुएं खत्म हो सकती हैं। ग्राहकों को कम सेवा देने से रोकने के लिए, आपूर्ति और मांग योजनाकार मैन्युअल निर्णय ओवरराइड लागू करते हैं या सुरक्षा स्टॉक फॉर्मूला द्वारा बिंदु पूर्वानुमानों को समायोजित करते हैं। कंपनियां सुरक्षा स्टॉक फॉर्मूले की अपनी व्याख्या का उपयोग कर सकती हैं, लेकिन विचार यह सुनिश्चित करने में मदद करना है कि उत्पाद की आपूर्ति अनिश्चित अल्पकालिक क्षितिज के माध्यम से उपलब्ध है। अंततः, योजनाकारों को अपने नियमों, व्याख्याओं और भविष्य के व्यक्तिपरक दृष्टिकोण के अनुसार यह निर्णय लेने की आवश्यकता होगी कि माध्य बिंदु पूर्वानुमान पूर्वानुमानों को बढ़ाया जाए या घटाया जाए।
आधुनिक, अत्याधुनिक समय श्रृंखला पूर्वानुमान चयन को सक्षम बनाता है
वास्तविक दुनिया की पूर्वानुमान आवश्यकताओं को पूरा करने के लिए, AWS क्षमताओं का एक व्यापक और गहरा सेट प्रदान करता है जो समय श्रृंखला पूर्वानुमान के लिए एक आधुनिक दृष्टिकोण प्रदान करता है। हम मशीन लर्निंग (एमएल) सेवाएं प्रदान करते हैं जिनमें ये शामिल हैं लेकिन इन्हीं तक सीमित नहीं हैं अमेज़ॅन सेजमेकर कैनवास (विवरण के लिए, देखें अमेज़ॅन सेजमेकर कैनवास क्विक बिल्ड के साथ एक टाइम सीरीज़ फोरकास्टिंग मॉडल को तेज़ी से प्रशिक्षित करें), अमेज़न का पूर्वानुमान (अमेज़ॅन पूर्वानुमान के साथ समय श्रृंखला पूर्वानुमान के साथ अपनी सफल यात्रा शुरू करें), और अमेज़न SageMaker अंतर्निहित एल्गोरिदम (Amazon SageMaker के साथ डीप डिमांड फोरकास्टिंग). इसके अलावा, AWS ने एक ओपन-सोर्स सॉफ़्टवेयर पैकेज विकसित किया, ऑटोग्लून, जो समय श्रृंखला डोमेन सहित विविध एमएल कार्यों का समर्थन करता है। अधिक जानकारी के लिए देखें AutoGluon-TimeSeries के साथ आसान और सटीक पूर्वानुमान.
पिछले अनुभाग में चर्चा किए गए बिंदु पूर्वानुमान पर विचार करें। वास्तविक दुनिया का डेटा औसत या सीधी प्रतिगमन रेखा अनुमान से व्यक्त किए जाने की तुलना में अधिक जटिल है। इसके अलावा, अधिक और कम आपूर्ति के असंतुलन के कारण, आपको एक अंक से अधिक अनुमान की आवश्यकता है। एडब्ल्यूएस सेवाएं क्वांटाइल रिग्रेशन के साथ एमएल मॉडल के उपयोग से इस आवश्यकता को पूरा करती हैं। क्वांटाइल रिग्रेशन आपको योजना परिदृश्यों की एक विस्तृत श्रृंखला से चयन करने में सक्षम बनाता है, जिन्हें एकल बिंदु पूर्वानुमानों पर भरोसा करने के बजाय क्वांटाइल के रूप में व्यक्त किया जाता है। ये मात्राएँ ही विकल्प प्रदान करती हैं, जिसका वर्णन हम अगले भाग में अधिक विस्तार से करेंगे।
ग्राहकों की सेवा करने और व्यवसाय वृद्धि उत्पन्न करने के लिए डिज़ाइन किए गए पूर्वानुमान
निम्नलिखित आंकड़ा कई परिणामों के साथ समय श्रृंखला के पूर्वानुमान का एक दृश्य प्रदान करता है, जिसे क्वांटाइल रिग्रेशन के माध्यम से संभव बनाया गया है। लाल रेखा, जिसे p05 से दर्शाया गया है, एक संभावना प्रदान करती है कि वास्तविक संख्या, चाहे वह कुछ भी हो, लगभग 05% समय, p5 रेखा से नीचे आने की उम्मीद है। इसके विपरीत, इसका मतलब है कि 95% मामलों में, वास्तविक संख्या संभवतः p05 रेखा से ऊपर आ जाएगी।
इसके बाद, p70 से दर्शाई गई हरी रेखा का निरीक्षण करें। लगभग 70% समय में वास्तविक मान p70 रेखा से नीचे आ जाएगा, जिससे 30% संभावना है कि यह p70 से अधिक हो जाएगा। पी50 लाइन भविष्य के बारे में एक मध्य-बिंदु परिप्रेक्ष्य प्रदान करती है, औसतन 50/50 संभावना मान पी50 से ऊपर या नीचे गिरेंगे। ये उदाहरण हैं, लेकिन किसी भी मात्रा की व्याख्या इसी तरह की जा सकती है।
निम्नलिखित अनुभाग में, हम जांचते हैं कि कैसे मापा जाए कि मात्रात्मक पूर्वानुमान आइटम द्वारा अधिक या कम आपूर्ति उत्पन्न करते हैं।
ऐतिहासिक डेटा से अधिक आपूर्ति और कम आपूर्ति को मापना
पिछले अनुभाग ने भविष्यवाणियों को देखने का एक ग्राफिकल तरीका प्रदर्शित किया; उन्हें देखने का दूसरा तरीका सारणीबद्ध तरीके से है, जैसा कि निम्नलिखित तालिका में दिखाया गया है। समय श्रृंखला मॉडल बनाते समय, डेटा का कुछ हिस्सा प्रशिक्षण ऑपरेशन से रोक दिया जाता है, जो सटीकता मेट्रिक्स उत्पन्न करने की अनुमति देता है। हालांकि भविष्य अनिश्चित है, यहां मुख्य विचार यह है कि होल्डबैक अवधि के दौरान सटीकता इस बात का सबसे अच्छा अनुमान है कि कल की भविष्यवाणियां कैसा प्रदर्शन करेंगी, अन्य सभी चीजें समान होंगी।
तालिका सटीकता मेट्रिक्स नहीं दिखाती है; बल्कि, यह 50 के चरणों में पी90 से पी10 तक कई मात्रात्मक भविष्यवाणियों के साथ, अतीत से ज्ञात वास्तविक मूल्यों को दिखाता है। हाल की ऐतिहासिक पांच समयावधियों के दौरान, वास्तविक मांग 218 इकाइयां थी। क्वांटाइल पूर्वानुमान 189 इकाइयों के न्यूनतम से लेकर 314 इकाइयों के उच्चतम स्तर तक मूल्यों की एक श्रृंखला प्रदान करते हैं। निम्नलिखित तालिका के साथ, यह देखना आसान है कि p50 और p60 के परिणामस्वरूप कम आपूर्ति होती है, और अंतिम तीन मात्राओं के परिणामस्वरूप अधिक आपूर्ति होती है।
हमने पहले बताया था कि अधिक और कम आपूर्ति में एक विषमता है। अधिकांश व्यवसाय जो अत्यधिक आपूर्ति का सचेत विकल्प चुनते हैं, वे ग्राहकों को निराश करने से बचने के लिए ऐसा करते हैं। महत्वपूर्ण प्रश्न यह बन जाता है: "भविष्य के लिए, व्यवसाय की योजना किस मात्रात्मक भविष्यवाणी संख्या के आधार पर बनाई जानी चाहिए?" मौजूद विषमता को देखते हुए, एक संतुलित निर्णय लेने की आवश्यकता है। इस आवश्यकता को अगले भाग में संबोधित किया गया है जहां पूर्वानुमानित मात्राएं, इकाइयों के रूप में, उनके संबंधित वित्तीय अर्थों में परिवर्तित हो जाती हैं।
अधिकतम लाभ या ग्राहक सेवा लक्ष्यों के आधार पर स्वचालित रूप से सही मात्रात्मक बिंदुओं का चयन करना
मात्रात्मक मूल्यों को व्यावसायिक मूल्यों में बदलने के लिए, हमें ओवरस्टॉक की प्रत्येक इकाई और अंडरस्टॉक की प्रत्येक इकाई के साथ जुड़े दंड का पता लगाना चाहिए, क्योंकि ये शायद ही कभी समान होते हैं। इस आवश्यकता के समाधान को अच्छी तरह से प्रलेखित किया गया है और संचालन अनुसंधान के क्षेत्र में इसका अध्ययन किया गया है, जिसे समाचार विक्रेता समस्या कहा जाता है। व्हिटिन (1955) मूल्य निर्धारण प्रभावों को शामिल करते हुए एक मांग मॉडल तैयार करने वाले पहले व्यक्ति थे। समाचार विक्रेता समस्या का नाम उस समय से रखा गया है जब समाचार विक्रेताओं को यह तय करना होता था कि दिन में कितने समाचार पत्र खरीदने हैं। यदि वे बहुत कम संख्या चुनते हैं, तो वे जल्दी ही बिक जाएंगे और उस दिन अपनी आय क्षमता तक नहीं पहुंच पाएंगे। यदि वे बहुत अधिक संख्या चुनते हैं, तो वे "कल की खबरों" में फंस जाते हैं और अपने सुबह-सुबह के सट्टा निवेश का कुछ हिस्सा खोने का जोखिम उठाते हैं।
प्रति यूनिट अधिक और कम जुर्माने की गणना करने के लिए, प्रत्येक आइटम के लिए डेटा के कुछ टुकड़े आवश्यक हैं जिनका आप पूर्वानुमान लगाना चाहते हैं। आप व्यावसायिक आवश्यकता के अनुसार डेटा को आइटम+स्थान जोड़ी, आइटम+ग्राहक जोड़ी, या अन्य संयोजनों के रूप में निर्दिष्ट करके जटिलता भी बढ़ा सकते हैं।
- आइटम के लिए अपेक्षित बिक्री मूल्य.
- वस्तु की खरीद या निर्माण के लिए माल की कुल लागत।
- यदि वस्तु न बिकी हो तो उसे इन्वेंट्री में रखने से जुड़ी अनुमानित होल्डिंग लागत।
- यदि वस्तु न बिकी हो तो उसका बचाव मूल्य। यदि अत्यधिक खराब होने पर, बचाव मूल्य शून्य तक पहुंच सकता है, जिसके परिणामस्वरूप माल निवेश की मूल लागत का पूरा नुकसान हो सकता है। शेल्फ स्थिर होने पर, संग्रहित और संभावित रूप से पुरानी वस्तु की प्रकृति के आधार पर, बचाव मूल्य आइटम के लिए अपेक्षित बिक्री मूल्य के नीचे कहीं भी गिर सकता है।
निम्नलिखित तालिका दर्शाती है कि ज्ञात ऐतिहासिक अवधियों में उपलब्ध पूर्वानुमान बिंदुओं में से मात्रात्मक बिंदुओं को स्वयं कैसे चुना गया था। आइटम 3 के उदाहरण पर विचार करें, जिसकी पिछली अवधि में 1,578 इकाइयों की वास्तविक मांग थी। 50 इकाइयों का एक पी1,288 अनुमान कम आपूर्ति वाला होता, जबकि 90 इकाइयों का एक पी2,578 मूल्य अधिशेष उत्पन्न करता। देखी गई मात्राओं के बीच, p70 मान $7,301 का अधिकतम लाभ पैदा करता है। यह जानकर, आप देख सकते हैं कि कैसे p50 के चयन के परिणामस्वरूप p1,300 मान की तुलना में लगभग $70 का जुर्माना लगेगा। यह केवल एक उदाहरण है, लेकिन तालिका के प्रत्येक आइटम में बताने के लिए एक अनूठी कहानी है।
समाधान अवलोकन
निम्नलिखित चित्र प्रस्तावित वर्कफ़्लो को दर्शाता है। पहला, अमेज़न SageMaker डेटा रैंगलर समय श्रृंखला भविष्यवक्ता द्वारा उत्पादित बैकटेस्ट भविष्यवाणियों का उपभोग करता है। इसके बाद, बैकटेस्ट भविष्यवाणियों और ज्ञात वास्तविक को आइटम के आधार पर वित्तीय मेटाडेटा के साथ जोड़ा जाता है। इस बिंदु पर, बैकटेस्ट भविष्यवाणियों का उपयोग करते हुए, एक सेजमेकर डेटा रैंगलर ट्रांसफॉर्म प्रति आइटम कम और अधिक पूर्वानुमान के लिए इकाई लागत की गणना करता है।
सेजमेकर डेटा रैंगलर इकाई पूर्वानुमान का वित्तीय संदर्भ में अनुवाद करता है और स्वचालित रूप से आइटम-विशिष्ट मात्रा का चयन करता है जो जांच की गई मात्राओं के बीच सबसे अधिक लाभ प्रदान करता है। आउटपुट डेटा का एक सारणीबद्ध सेट है, जो अमेज़ॅन S3 पर संग्रहीत है, और वैचारिक रूप से पिछले अनुभाग की तालिका के समान है।
अंत में, एक समय श्रृंखला भविष्यवक्ता का उपयोग भविष्य की अवधियों के लिए भविष्य-दिनांकित पूर्वानुमान तैयार करने के लिए किया जाता है। यहां, आप अनुमान संचालन को चलाना भी चुन सकते हैं, या अनुमान डेटा पर कार्य कर सकते हैं, जिसके अनुसार मात्रा चुनी गई थी। यह आपको कम्प्यूटेशनल लागत को कम करने की अनुमति दे सकता है, साथ ही प्रत्येक आइटम की मैन्युअल समीक्षा के बोझ को भी हटा सकता है। आपकी कंपनी के विशेषज्ञों के पास उच्च-मूल्य वाली वस्तुओं पर ध्यान केंद्रित करने के लिए अधिक समय हो सकता है जबकि आपके कैटलॉग में हजारों वस्तुओं में स्वचालित समायोजन लागू हो सकते हैं। विचारणीय बात यह है कि भविष्य में कुछ हद तक अनिश्चितता है। हालाँकि, अन्य सभी चीजें समान होने पर, मात्राओं के मिश्रित चयन को समय श्रृंखला के समग्र सेट में परिणामों को अनुकूलित करना चाहिए। यहां AWS में, हम आपको मिश्रित मात्रात्मक चयन के साथ पाए गए सुधारों की डिग्री निर्धारित करने के लिए दो होल्डबैक भविष्यवाणी चक्रों का उपयोग करने की सलाह देते हैं।
आपके कार्यान्वयन में तेजी लाने के लिए समाधान मार्गदर्शन
यदि आप इस पोस्ट में चर्चा किए गए क्वांटाइल चयन समाधान को फिर से बनाना चाहते हैं और इसे अपने डेटासेट में अनुकूलित करना चाहते हैं, तो हम आपको आरंभ करने के लिए डेटा का एक सिंथेटिक नमूना सेट और एक नमूना सेजमेकर डेटा रैंगलर प्रवाह फ़ाइल प्रदान करते हैं। GitHub. संपूर्ण व्यावहारिक अनुभव को पूरा करने में आपको एक घंटे से भी कम समय लगेगा।
हम बाज़ार में आपके समय की गति बढ़ाने में मदद के लिए यह पोस्ट और नमूना समाधान मार्गदर्शन प्रदान करते हैं। विशिष्ट मात्राओं की अनुशंसा करने के लिए प्राथमिक प्रवर्तक सेजमेकर डेटा रैंगलर है, जो एक उद्देश्य-निर्मित एडब्ल्यूएस सेवा है जिसका उद्देश्य एमएल उपयोग मामलों के लिए डेटा तैयार करने में लगने वाले समय को कम करना है। सेजमेकर डेटा रैंगलर डेटा परिवर्तनों को डिज़ाइन करने, डेटा का विश्लेषण करने और फीचर इंजीनियरिंग करने के लिए एक विज़ुअल इंटरफ़ेस प्रदान करता है।
यदि आप सेजमेकर डेटा रैंगलर में नए हैं, तो देखें डेटा रैंगलर के साथ शुरुआत करें यह समझने के लिए कि सेवा को कैसे लॉन्च किया जाए अमेज़ॅन सैजमेकर स्टूडियो. स्वतंत्र रूप से, हमारे पास इससे भी अधिक है 150 ब्लॉग पोस्ट जो सेवा द्वारा संबोधित विविध नमूना डेटा परिवर्तनों को खोजने में मदद करता है।
निष्कर्ष
इस पोस्ट में, हमने चर्चा की कि कैसे क्वांटाइल रिग्रेशन समय श्रृंखला पूर्वानुमान में कई व्यावसायिक निर्णय बिंदुओं को सक्षम बनाता है। हमने अधिक और कम पूर्वानुमान से जुड़े असंतुलित लागत दंड पर भी चर्चा की - अक्सर कम आपूर्ति का जुर्माना अधिक आपूर्ति के दंड का कई गुना होता है, यह उल्लेख करने की आवश्यकता नहीं है कि कम आपूर्ति के कारण ग्राहकों के साथ सद्भावना का नुकसान हो सकता है।
पोस्ट में चर्चा की गई है कि कैसे संगठन भविष्य की अवधि में सबसे अधिक लाभ प्रदान करने की संभावना वाले क्वांटाइल को स्वचालित रूप से चुनने के लिए प्रत्येक आइटम की अधिक और कम आपूर्ति लागत पर विचार करते हुए कई क्वांटाइल पूर्वानुमान बिंदुओं का मूल्यांकन कर सकते हैं। जब आवश्यक हो, तो आप चयन को ओवरराइड कर सकते हैं जब व्यावसायिक नियम गतिशील मात्रा के बजाय एक निश्चित मात्रा की इच्छा रखते हैं।
यह प्रक्रिया पूर्वानुमानित प्रत्येक आइटम पर मैन्युअल रूप से निर्णय कॉल लागू करने की परेशानी को दूर करते हुए व्यावसायिक और वित्तीय लक्ष्यों को पूरा करने में मदद करने के लिए डिज़ाइन की गई है। सेजमेकर डेटा रैंगलर प्रक्रिया को निरंतर आधार पर चलाने में मदद करता है क्योंकि क्वांटाइल चयन बदलते वास्तविक दुनिया डेटा के साथ गतिशील होना चाहिए।
यह ध्यान दिया जाना चाहिए कि क्वांटाइल चयन एक बार की घटना नहीं है। प्रत्येक पूर्वानुमान चक्र के दौरान भी प्रक्रिया का मूल्यांकन किया जाना चाहिए, ताकि माल की बढ़ी हुई लागत, मुद्रास्फीति, मौसमी समायोजन, नए उत्पाद परिचय, उपभोक्ता मांगों में बदलाव आदि सहित परिवर्तनों को ध्यान में रखा जा सके। प्रस्तावित अनुकूलन प्रक्रिया समय श्रृंखला मॉडल पीढ़ी के बाद स्थित है, जिसे मॉडल प्रशिक्षण चरण कहा जाता है। मात्रात्मक चयन भविष्य के पूर्वानुमान निर्माण चरण के साथ किया और उपयोग किया जाता है, जिसे कभी-कभी अनुमान चरण भी कहा जाता है।
यदि इस पोस्ट के बारे में आपके कोई प्रश्न हैं या आप अपनी विशिष्ट संगठनात्मक आवश्यकताओं के बारे में गहराई से जानना चाहते हैं, तो कृपया अपनी AWS खाता टीम, अपने AWS सॉल्यूशंस आर्किटेक्ट से संपर्क करें, या हमारे सहायता केंद्र में एक नया मामला खोलें।
संदर्भ
- डीयॉन्ग, जीडी (2020)। मूल्य-निर्धारण समाचारविक्रेता: समीक्षा और एक्सटेंशन। इंटरनेशनल जर्नल ऑफ़ प्रोडक्शन रिसर्च, 58(6), 1776-1804।
- लियू, सी., लेचफोर्ड, एएन, और श्वेतुनकोव, आई. (2022)। समाचार विक्रेता समस्याएं: अनुमान और अनुकूलन के लिए एक एकीकृत विधि। यूरोपियन जर्नल ऑफ ऑपरेशनल रिसर्च, 300(2), 590-601।
- पुनिया, एस., सिंह, एसपी, और मदान, जेके (2020)। पूर्वानुमानित से निर्देशात्मक विश्लेषण तक: एक डेटा-संचालित बहु-आइटम न्यूज़वेंडर मॉडल। निर्णय समर्थन प्रणाली, 136.
- ट्रैपेरो, जेआर, कार्डोस, एम., और कौरेंटेज़, एन. (2019)। सुरक्षा स्टॉक अनुमान को बढ़ाने के लिए क्वांटाइल पूर्वानुमान इष्टतम संयोजन। इंटरनेशनल जर्नल ऑफ फोरकास्टिंग, 35(1), 239-250।
- व्हिटिन, टीएम (1955)। इन्वेंटरी नियंत्रण और मूल्य सिद्धांत। प्रबंधन विज्ञान. 2 61-68.
लेखक के बारे में
चार्ल्स लाफलिन एक प्रिंसिपल एआई/एमएल स्पेशलिस्ट सॉल्यूशन आर्किटेक्ट हैं और एडब्ल्यूएस में अमेज़ॅन सेजमेकर सर्विस टीम में काम करते हैं। वह सेवा रोडमैप को आकार देने में मदद करता है और अत्याधुनिक एडब्ल्यूएस प्रौद्योगिकियों और विचार नेतृत्व का उपयोग करके अपने व्यवसायों को बदलने में मदद करने के लिए विभिन्न एडब्ल्यूएस ग्राहकों के साथ दैनिक सहयोग करता है। चार्ल्स के पास आपूर्ति श्रृंखला प्रबंधन में एमएस और पीएच.डी. है। डेटा साइंस में.
- एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
- प्लेटोडेटा.नेटवर्क वर्टिकल जेनरेटिव एआई। स्वयं को शक्तिवान बनाएं। यहां पहुंचें।
- प्लेटोआईस्ट्रीम। Web3 इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
- प्लेटोईएसजी. कार्बन, क्लीनटेक, ऊर्जा, पर्यावरण, सौर, कचरा प्रबंधन। यहां पहुंचें।
- प्लेटोहेल्थ। बायोटेक और क्लिनिकल परीक्षण इंटेलिजेंस। यहां पहुंचें।
- स्रोत: https://aws.amazon.com/blogs/machine-learning/beyond-forecasting-the-delicate-balance-of-serving-customers-and-growing-your-business/
- :हैस
- :है
- :नहीं
- :कहाँ
- ][पी
- 1
- 10
- 100
- 2019
- 2020
- 2022
- 420
- 7
- 95% तक
- a
- About
- ऊपर
- में तेजी लाने के
- स्वीकृति
- अनुसार
- लेखा
- शुद्धता
- सही
- हासिल
- अधिग्रहण
- अधिनियम
- अनुकूलन
- इसके अलावा
- पता
- संबोधित
- समायोजन
- सलाह देना
- बाद
- के खिलाफ
- वृद्ध
- आगे
- ऐ / एमएल
- एल्गोरिदम
- सब
- अनुमति देना
- की अनुमति देता है
- साथ - साथ
- भी
- हालांकि
- वीरांगना
- अमेज़न SageMaker
- अमेज़ॅन सेजमेकर कैनवास
- अमेज़ॅन वेब सेवा
- के बीच में
- राशि
- an
- विश्लेषिकी
- विश्लेषण करें
- और
- अन्य
- कोई
- कहीं भी
- लागू
- लागू करें
- दृष्टिकोण
- दृष्टिकोण
- लगभग
- हैं
- व्यवस्था की
- AS
- अलग
- जुड़े
- At
- स्वचालित
- स्वतः
- उपलब्ध
- औसत
- से बचने
- एडब्ल्यूएस
- वापस
- Backtest
- शेष
- तुलन पत्र
- तुलन पत्र
- आधारित
- आधार
- BE
- क्योंकि
- बन
- हो जाता है
- किया गया
- जा रहा है
- नीचे
- BEST
- के बीच
- परे
- पूर्वाग्रह
- ब्लॉग
- तल
- ब्रांड
- विस्तृत
- में निर्मित
- बोझ
- व्यापार
- व्यवसायों
- लेकिन
- by
- बुलाया
- कॉल
- कर सकते हैं
- कैनवास
- क्षमताओं
- किया
- ले जाने के
- मामला
- मामलों
- रोकड़
- सूची
- कारण
- केंद्र
- केंद्रित
- श्रृंखला
- संयोग
- परिवर्तन
- बदलना
- चार्ल्स
- चुनाव
- विकल्प
- चुनें
- चुनने
- चुना
- करने के लिए चुना
- संयोजन
- संयोजन
- सामान्य
- कंपनियों
- कंपनी
- तुलना
- पूरा
- जटिलता
- जटिल
- गणना करना
- सैद्धांतिक रूप
- जागरूक
- विचार करना
- विचार
- होते हैं
- की कमी
- उपभोक्ता
- प्रसंग
- नियंत्रण
- इसके विपरीत
- बदलना
- परिवर्तित
- मूल
- सही
- लागत
- लागत
- सका
- युग्मित
- बनाना
- बनाना
- महत्वपूर्ण
- ग्राहक
- ग्राहक सेवा
- ग्राहक
- अग्रणी
- चक्र
- चक्र
- दैनिक
- तिथि
- डेटा विज्ञान
- डेटा पर ही आधारित
- दिन
- तय
- निर्णय
- निर्णय
- गहरा
- और गहरा
- चूक
- डिग्री
- उद्धार
- मांग
- मांग पूर्वानुमान
- मांग
- साबित
- दर्शाता
- निर्भर करता है
- वर्णन
- डिज़ाइन
- बनाया गया
- इच्छा
- विस्तार
- विवरण
- निर्धारित करने
- विकसित
- निराशाजनक
- अन्य वायरल पोस्ट से
- चर्चा करना
- चर्चा की
- डुबकी
- कई
- do
- नहीं करता है
- डोमेन
- नीचे
- ड्राइव
- दो
- दौरान
- गतिशील
- से प्रत्येक
- शीघ्र
- आसान
- प्रभावी रूप से
- प्रभाव
- कुशलता
- संबल
- सक्षम बनाता है
- समाप्त
- अभियांत्रिकी
- बढ़ाना
- सुनिश्चित
- संपूर्ण
- बराबर
- विशेष रूप से
- आकलन
- यूरोपीय
- मूल्यांकन करें
- मूल्यांकित
- कार्यक्रम
- प्रत्येक
- की जांच
- उदाहरण
- उदाहरण
- से अधिक
- अतिरिक्त
- मौजूद
- अपेक्षित
- अनुभव
- विशेषज्ञ
- विशेषज्ञों
- व्यक्त
- एक्सटेंशन
- गिरना
- और तेज
- Feature
- कुछ
- कम
- खेत
- आकृति
- पट्टिका
- वित्तीय
- वित्तीय लक्ष्य
- खोज
- प्रथम
- फिट
- पांच
- तय
- प्रवाह
- फोकस
- का पालन करें
- पीछा किया
- निम्नलिखित
- के लिए
- पूर्वानुमान
- पूर्वानुमान
- रूपों
- सूत्र
- पोषण
- पाया
- मुक्त
- टकराव
- से
- पूर्ण
- आगे
- भविष्य
- भावी सौदे
- उत्पन्न
- उत्पन्न
- पीढ़ी
- भौगोलिक दृष्टि से
- मिल
- दी
- ग्लुओं
- लक्ष्यों
- अच्छा
- माल
- साख
- हरा
- बढ़ रहा है
- मार्गदर्शन
- था
- हाथों पर
- है
- होने
- he
- धारित
- मदद
- मदद करता है
- यहाँ उत्पन्न करें
- हाई
- उच्चतर
- उच्चतम
- अत्यधिक
- ऐतिहासिक
- ऐतिहासिक
- पकड़े
- रखती है
- क्षितिज
- क्षितिज
- घंटा
- कैसे
- How To
- तथापि
- एचटीएमएल
- HTTPS
- i
- विचार
- निष्क्रिय
- if
- दिखाता है
- असंतुलन
- तत्काल
- सुधार
- in
- शामिल
- शामिल
- सहित
- आमदनी
- बढ़ना
- वृद्धि हुई
- स्वतंत्र रूप से
- मुद्रास्फीति
- सूचित करना
- करें-
- प्रारंभिक
- अमूर्त
- एकीकृत
- दिलचस्प
- इंटरफेस
- अंतरराष्ट्रीय स्तर पर
- व्याख्या
- में
- परिचय
- सूची
- जांच
- निवेश
- निवेश
- IT
- आइटम
- में शामिल हो गए
- पत्रिका
- यात्रा
- जानना
- ज्ञान
- जानने वाला
- पिछली बार
- लांच
- नेतृत्व
- नेतृत्व
- बिक्रीसूत्र
- सीख रहा हूँ
- कम से कम
- छोड़ने
- कम
- पसंद
- संभावित
- सीमित
- लाइन
- रसद
- लंबे समय तक
- हार
- बंद
- निम्न
- कम
- मशीन
- यंत्र अधिगम
- बनाया गया
- मुख्य
- बनाना
- प्रबंध
- ढंग
- गाइड
- मैन्युअल
- निर्माता
- बहुत
- बाजार
- मिलान किया
- अधिकतम
- अधिकतम
- मई..
- मतलब
- अर्थ
- साधन
- मतलब
- माप
- मिलना
- मेटाडाटा
- तरीका
- तरीकों
- मेट्रिक्स
- मिशन
- मिश्रित
- ML
- आदर्श
- मॉडल
- आधुनिक
- अधिक
- सुबह
- अधिकांश
- चलती
- मूविंग एवरेज
- विभिन्न
- चाहिए
- अत्यावश्यक
- नामांकित
- प्रकृति
- नेविगेट करें
- निकट
- आवश्यक
- आवश्यकता
- जरूरत
- की जरूरत है
- नया
- नया उत्पाद
- समाचार
- समाचार पत्र
- अगला
- विख्यात
- अभी
- संख्या
- निरीक्षण
- of
- प्रस्ताव
- ऑफर
- अक्सर
- on
- ONE
- चल रहे
- केवल
- खुला
- खुला स्रोत
- खुला स्रोत सॉफ्टवेयर
- संचालित
- आपरेशन
- परिचालन
- संचालन
- इष्टतम
- इष्टतमीकरण
- ऑप्टिमाइज़ करें
- or
- आदेशों
- साधारण
- संगठनात्मक
- संगठनों
- मूल
- अन्य
- हमारी
- आउट
- परिणामों
- उत्पादन
- के ऊपर
- कुल
- ओवरराइड
- अधिस्कन्ध
- अपना
- पैकेज
- जोड़ा
- भाग
- भागीदारों
- भागों
- अतीत
- प्रति
- निष्पादन
- अवधि
- अवधि
- परिप्रेक्ष्य
- टुकड़े
- योजना
- की योजना बना
- प्लेटो
- प्लेटो डेटा इंटेलिजेंस
- प्लेटोडाटा
- कृप्या अ
- बिन्दु
- अंक
- स्थिति में
- संभव
- पद
- संभावित
- संभावित
- भविष्यवाणी
- भविष्यवाणियों
- पसंद करते हैं
- तैयार करना
- को रोकने के
- पिछला
- पहले से
- मूल्य
- कीमत निर्धारण
- प्राथमिक
- प्रिंसिपल
- पूर्व
- मुसीबत
- समस्याओं
- प्रक्रिया
- उत्पादन
- प्रस्तुत
- पैदा करता है
- एस्ट्रो मॉल
- उत्पादन
- उत्पाद
- लाभ
- मुनाफा
- प्रस्तावित
- प्रदान करना
- प्रदान करता है
- क्रय
- आगे बढ़ाने
- प्रश्न
- प्रशन
- त्वरित
- R
- रेंज
- शायद ही कभी
- दरें
- बल्कि
- पहुंच
- वास्तविक
- असली दुनिया
- एहसास हुआ
- कारण
- हाल
- की सिफारिश
- लाल
- को कम करने
- उल्लेख
- निर्दिष्ट
- सापेक्ष
- भरोसा करना
- शेष
- हटाने
- अनुसंधान
- संसाधन
- उपयुक्त संसाधन चुनें
- कि
- परिणाम
- जिसके परिणामस्वरूप
- खुदरा
- खुदरा
- खुदरा विक्रेताओं
- की समीक्षा
- जोखिम
- रोडमैप
- नियम
- रन
- दौड़ना
- s
- सुरक्षा
- sagemaker
- विक्रय
- वही
- परिदृश्यों
- एससीआई
- विज्ञान
- मौसमी
- अनुभाग
- वर्गों
- देखना
- प्रयास
- का चयन
- चयन
- बेचना
- सेलर्स
- कई
- सेवा
- सेवा
- सेवाएँ
- सेवारत
- सेट
- कई
- आकार
- Share
- चादर
- शेल्फ
- स्थानांतरण
- दुकानदारों
- लघु अवधि
- चाहिए
- दिखाना
- दिखाया
- दिखाता है
- समान
- एक
- So
- सॉफ्टवेयर
- बेचा
- समाधान
- समाधान ढूंढे
- कुछ
- विशेषज्ञ
- विशिष्ट
- काल्पनिक
- वर्गों
- स्थिर
- हितधारकों
- शुरू
- राज्य के-the-कला
- सांख्यिकीय
- कदम
- कदम
- स्टॉक
- भंडारण
- संग्रहित
- कहानी
- सीधे
- रणनीतियों
- स्ट्रेटेजी
- अध्ययन
- सफल
- आपूर्ति
- प्रदाय और माँग
- आपूर्ति श्रृंखला
- आपूर्ति श्रृंखला प्रबंधन
- समर्थन
- समर्थन प्रणाली
- समर्थन करता है
- अधिशेष
- कृत्रिम
- सिस्टम
- तालिका
- लेना
- लेता है
- कार्य
- टीम
- टेक्नोलॉजीज
- कहना
- से
- कि
- RSI
- भविष्य
- लेकिन हाल ही
- उन
- सिद्धांत
- वहाँ।
- इन
- वे
- चीज़ें
- सोचना
- इसका
- उन
- विचार
- वैचारिक नेतृत्व
- हजारों
- तीन
- यहाँ
- पहर
- समय श्रृंखला
- सेवा मेरे
- भी
- कड़ा
- की ओर
- व्यापार
- प्रशिक्षण
- बदालना
- परिवर्तनों
- <strong>उद्देश्य</strong>
- वास्तविक मूल्य
- दो
- आम तौर पर
- अंत में
- अनिश्चित
- अनिश्चितता
- के अंतर्गत
- समझना
- अद्वितीय
- इकाई
- इकाइयों
- जब तक
- उपयोग
- प्रयुक्त
- का उपयोग
- मूल्य
- मान
- विविधता
- देखें
- करना चाहते हैं
- था
- मार्ग..
- we
- वेब
- वेब सेवाओं
- कुंआ
- थे
- जो कुछ
- कब
- जब कभी
- जहाँ तक
- या
- कौन कौन से
- जब
- कौन
- चौड़ा
- विस्तृत श्रृंखला
- मर्जी
- साथ में
- अंदर
- बिना
- वर्कफ़्लो
- कार्य
- होगा
- आप
- आपका
- जेफिरनेट
- शून्य