חברות משתמשות בחיזוי סדרות זמן כדי לקבל החלטות תכנון מרכזיות שעוזרות להן לנווט דרך עתיד לא ברור. פוסט זה נועד לתת מענה לבעלי עניין בשרשרת האספקה, החולקים צורך משותף לקבוע כמה מוצרים מוגמרים נחוצים במגוון מעורב של אופקי זמן תכנון. בנוסף לתכנון כמה יחידות סחורה נחוצות, עסקים צריכים לעתים קרובות לדעת היכן יהיה צורך בהם, כדי ליצור מלאי אופטימלי מבחינה גיאוגרפית.
האיזון העדין של עודף והיצע
אם יצרנים מייצרים מעט מדי חלקים או מוצרים מוגמרים, תת ההיצע שנוצר עלול לגרום להם לעשות בחירות קשות לקצוב משאבים זמינים בין שותפי הסחר או היחידות העסקיות שלהם. כתוצאה מכך, להזמנות רכש עשויות להיות שיעורי קבלה נמוכים יותר עם פחות רווחים שמומשו. בהמשך שרשרת האספקה, אם לקמעונאי יש מעט מדי מוצרים למכור, ביחס לביקוש, הם עלולים לאכזב קונים בגלל אזל המלאי. כאשר לקונה הקמעונאי יש צורך מיידי, חסרים אלו יכולים לגרום לרכישה מקמעונאי חלופי או ממותג חלופי. החלפה זו יכולה להוות סיכון נטישה אם החלופה תהפוך לברירת המחדל החדשה.
בצד השני של מטוטלת האספקה, היצע יתר של סחורות יכול גם לגרור קנסות. פריטים עודפים חייבים כעת להינשא במלאי עד למכירה. מידה מסוימת של מלאי בטיחות צפויה לעזור לנווט דרך אי ודאות הביקוש הצפויה; עם זאת, מלאי עודף מוביל לחוסר יעילות שעלול לדלל את השורה התחתונה של הארגון. במיוחד כאשר מוצרים מתכלים, עודף היצע יכול להוביל לאובדן של כל ההשקעה הראשונית שבוצעה לרכישת המוצר המוגמר הניתן למכירה או חלק ממנה.
גם כאשר מוצרים אינם מתכלים, במהלך האחסון הם למעשה הופכים למשאב סרק שיכול להיות זמין במאזן כמזומן חינם או לשמש להשקעות אחרות. בצד מאזנים, עלויות אחסון ונשיאה אינן בחינם. לארגונים יש בדרך כלל כמות מוגבלת של יכולות מחסן ולוגיסטיות מסודרות. עליהם לפעול במסגרת המגבלות הללו, תוך שימוש יעיל במשאבים הזמינים.
מול הבחירה בין עודף להיצע, בממוצע, רוב הארגונים מעדיפים לספק יתר על ידי בחירה מפורשת. העלות הניתנת למדידה של תת-היצע היא לרוב גבוהה יותר, לפעמים בכמה כפולות, בהשוואה לעלות ההיצע, עליה נדון בסעיפים הבאים.
הסיבה העיקרית להטיה כלפי היצע יתר היא הימנעות מהעלות הבלתי מוחשית של אובדן מוניטין עם לקוחות בכל פעם שהמוצרים אינם זמינים. יצרנים וקמעונאים חושבים על ערך לקוחות לטווח ארוך ורוצים לטפח נאמנות למותג - משימה זו עוזרת ליידע את אסטרטגיית שרשרת האספקה שלהם.
בחלק זה בדקנו אי שוויון הנובע מהקצאת משאבים רבים מדי או מועטים מדי בעקבות תהליך תכנון ביקוש. לאחר מכן, אנו חוקרים חיזוי סדרות זמן וכיצד ניתן להתאים את תחזיות הביקוש בצורה מיטבית עם אסטרטגיות אספקה ברמת הפריט.
גישות קלאסיות למחזורי תכנון מכירות ותפעול
מבחינה היסטורית, חיזוי הושג בשיטות סטטיסטיות שמביאות לתחזיות נקודתיות, המספקות ערך סביר ביותר לעתיד. גישה זו מבוססת לרוב על צורות של ממוצעים נעים או רגרסיה ליניארית, המבקשת להתאים למודל באמצעות גישת הריבועים הקטנים הרגילים. תחזית נקודתית מורכבת מערך חיזוי ממוצע יחיד. מכיוון שערך התחזית הנקודתית מרוכז בממוצע, צפוי שהערך האמיתי יהיה מעל הממוצע, כ-50% מהזמן. זה משאיר 50% שנותרו מהזמן שבו המספר האמיתי ירד מתחת לתחזית הנקודה.
תחזיות נקודתיות עשויות להיות מעניינות, אך הן עלולות לגרום לקמעונאים שיגמרו פריטי חובה ב-50% מהמקרים אם עוקבים אחריהם ללא בדיקת מומחה. כדי למנוע חוסר שירות ללקוחות, מתכנני היצע וביקוש מיישמים עקיפת שיפוט ידנית או מתאמת תחזיות נקודות על ידי נוסחת מלאי בטיחות. חברות עשויות להשתמש בפרשנות משלהן לנוסחת מלאי בטיחות, אבל הרעיון הוא לעזור להבטיח שאספקת מוצרים זמינה באופק קצר טווח לא ברור. בסופו של דבר, המתכננים יצטרכו להחליט אם לנפח או לנטרל את תחזיות הנקודות הממוצעות, לפי הכללים, הפרשנויות וההשקפה הסובייקטיבית שלהם לגבי העתיד.
חיזוי סדרות זמן מודרני ומתקדם מאפשר בחירה
כדי לענות על צורכי חיזוי בעולם האמיתי, AWS מספקת מערך רחב ועמוק של יכולות המספקות גישה מודרנית לחיזוי סדרות זמן. אנו מציעים שירותי למידת מכונה (ML) הכוללים אך אינם מוגבלים ל אמזון SageMaker Canvas (לפרטים, עיין אימון מודל חיזוי של סדרות זמן מהר יותר עם Amazon SageMaker Canvas Building Quick), תחזית אמזון (התחל את המסע המוצלח שלך עם חיזוי סדרות זמן עם Amazon Forecast,) ו אמזון SageMaker אלגוריתמים מובנים (חיזוי ביקוש עמוק עם Amazon SageMaker). בנוסף, AWS פיתחה חבילת תוכנה בקוד פתוח, AutoGluon, התומך במשימות ML מגוונות, כולל אלו בתחום סדרות הזמן. למידע נוסף, עיין ב חיזוי קל ומדויק עם AutoGluon-TimeSeries.
קחו בחשבון את התחזית הנקודתית שנדונה בסעיף הקודם. נתונים מהעולם האמיתי הם יותר מסובכים ממה שניתן לבטא עם אומדן ממוצע או קו רגרסיה ישר. בנוסף, בגלל חוסר האיזון של עודף וחסר, אתה צריך יותר מאומדן נקודה בודדת. שירותי AWS נותנים מענה לצורך זה על ידי שימוש במודלים של ML בשילוב עם רגרסיה quantile. רגרסיה קוונטילית מאפשרת לך לבחור מתוך מגוון רחב של תרחישי תכנון, המתבטאים כקוונטילים, במקום להסתמך על תחזיות נקודה בודדת. הקוונטילים הללו הם המציעים בחירה, אותם אנו מתארים ביתר פירוט בסעיף הבא.
תחזיות שנועדו לשרת לקוחות ולייצר צמיחה עסקית
האיור הבא מספק חזותית של תחזית סדרת זמן עם תוצאות מרובות, המתאפשרת באמצעות רגרסיה quantile. הקו האדום, המסומן ב-p05, מציע סבירות שהמספר האמיתי, יהיה אשר יהיה, צפוי לרדת מתחת לקו p05, כ-5% מהמקרים. לעומת זאת, זה אומר ש-95% מהמקרים, המספר האמיתי ייפול ככל הנראה מעל קו p05.
לאחר מכן, שים לב לקו הירוק, המסומן ב-p70. הערך האמיתי ייפול מתחת לקו p70 בערך 70% מהמקרים, וישאיר סיכוי של 30% שהוא יחרוג מה-p70. קו p50 מספק פרספקטיבה של נקודת אמצע לגבי העתיד, עם סיכוי של 50/50 ערכי יפלו מעל או מתחת ל-p50, בממוצע. אלו הן דוגמאות, אך ניתן לפרש כל קוונטיל באותו אופן.
בסעיף הבא, אנו בוחנים כיצד למדוד אם תחזיות הכמות מייצרות עודף או חסר לפי פריט.
מדידת עודף ותת-היצע מנתונים היסטוריים
הסעיף הקודם הדגים דרך גרפית לצפות בתחזיות; דרך נוספת להציג אותם היא בטבלה, כפי שמוצג בטבלה הבאה. בעת יצירת מודלים של סדרות זמן, חלק מהנתונים מעוכבים מפעולת האימון, מה שמאפשר להפיק מדדי דיוק. למרות שהעתיד אינו בטוח, הרעיון המרכזי כאן הוא שדיוק במהלך תקופת השהייה הוא הקירוב הטוב ביותר לביצועי התחזיות של מחר, כל שאר הדברים שווים.
הטבלה אינה מציגה מדדי דיוק; במקום זאת, הוא מציג ערכים אמיתיים הידועים מהעבר, לצד כמה תחזיות קוונטיליות מ-p50 עד p90 בשלבים של 10. במהלך חמש תקופות הזמן ההיסטוריות האחרונות, הביקוש האמיתי היה 218 יחידות. תחזיות קוונטילים מציעות טווח של ערכים, משפל של 189 יחידות ועד לשיא של 314 יחידות. עם הטבלה הבאה, קל לראות ש-p50 ו-p60 גורמים לתת-היצע, ושלושת הקוונטילים האחרונים מביאים לעודף היצע.
ציינו בעבר שקיימת אסימטריה בעודף ובהיצע. רוב העסקים אשר בוחרים במודע להצעת יתר עושים זאת כדי להימנע מאכזבה של לקוחות. השאלה הקריטית הופכת: "לעתיד קדימה, מול איזה מספר חיזוי כמותי צריכה העסקית לתכנן?" בהתחשב באסימטריה שקיימת, צריך לקבל החלטה משוקללת. צורך זה מטופל בסעיף הבא שבו כמויות חזויות, כיחידות, מומרות למשמעויות הפיננסיות שלהן.
בחירה אוטומטית של נקודות כמות נכונות בהתבסס על מקסום רווח או יעדי שירות לקוחות
כדי להמיר ערכים קוונטילים לערכים עסקיים, עלינו למצוא את העונש הקשור לכל יחידת מלאי יתר ולכל יחידת מלאי תת-מלאי, מכיוון שלעתים נדירות הם שווים. פתרון לצורך זה מתועד היטב ונלמד בתחום חקר התפעול, המכונה בעיית ספק חדשות. Whitin (1955) היה הראשון שגיבש מודל ביקוש הכולל השפעות תמחור. הבעיה של ספקי החדשות נקראת מתקופה שבה מוכרי חדשות היו צריכים להחליט כמה עיתונים לרכוש לאותו היום. אם הם יבחרו במספר נמוך מדי, הם היו מוכרים מוקדם ולא מגיעים לפוטנציאל ההכנסה שלהם ביום. אם הם יבחרו מספר גבוה מדי, הם היו תקועים עם "החדשות של אתמול" והיו מסתכנים לאבד חלק מההשקעה הספקולטיבית בשעות הבוקר המוקדמות שלהם.
כדי לחשב ליחידה את עונשי העודף והמתחת, ישנן מספר פיסות נתונים הנחוצות עבור כל פריט שברצונך לחזות. תוכל גם להגדיל את המורכבות על ידי ציון הנתונים כזוג פריט+מיקום, פריט+זוג לקוח או שילובים אחרים בהתאם לצורך העסקי.
- ערך מכירה צפוי עבור הפריט.
- עלות כוללת של סחורה לרכישה או ייצור של הפריט.
- עלויות אחזקות משוערות הקשורות לנשיאת הפריט במלאי, אם לא נמכר.
- ערך הצלה של הפריט, אם לא נמכר. אם הוא מתכלה מאוד, ערך ההצלה עלול להתקרב לאפס, וכתוצאה מכך לאובדן מלא של העלות המקורית של השקעת סחורה. כאשר המדף יציב, ערך ההצלה יכול לרדת בכל מקום מתחת לערך המכירה הצפוי עבור הפריט, בהתאם לאופיו של פריט מאוחסן ועלול להתיישן.
הטבלה הבאה מדגימה כיצד הנקודות הקוונטיליות נבחרו בעצמן מבין נקודות התחזית הזמינות בתקופות היסטוריות ידועות. שקול את הדוגמה של פריט 3, שהיה לו ביקוש אמיתי של 1,578 יחידות בתקופות קודמות. אומדן p50 של 1,288 יחידות היה חסר אספקה, בעוד שערך p90 של 2,578 יחידות היה מייצר עודף. בין הקוונטילים שנצפו, ערך p70 מייצר רווח מקסימלי של 7,301 דולר. אם אתה יודע זאת, אתה יכול לראות כיצד בחירת p50 תגרום לקנס של כמעט $1,300, בהשוואה לערך p70. זו רק דוגמה אחת, אבל לכל פריט בטבלה יש סיפור ייחודי לספר.
סקירת פתרונות
התרשים הבא ממחיש זרימת עבודה מוצעת. ראשון, רנגלר הנתונים של אמזון SageMaker צורכת תחזיות מבחן אחורי שהופקו על ידי חזאי סדרות זמן. לאחר מכן, תחזיות בדיקה לאחור ועובדות ידועות מצטרפות למטא נתונים פיננסיים על בסיס פריט. בשלב זה, באמצעות תחזיות בדיקה לאחור, טרנספורמציה של SageMaker Data Wrangler מחשבת את עלות היחידה עבור תחזיות מתחת ומעלה לכל פריט.
SageMaker Data Wrangler מתרגם את תחזית היחידה להקשר פיננסי ובוחר אוטומטית את הכמות הספציפית לפריט שמספקת את כמות הרווח הגבוהה ביותר מבין הקוונטילים שנבדקו. הפלט הוא סט טבלאי של נתונים, המאוחסן ב- Amazon S3, והוא דומה מבחינה רעיונית לטבלה בסעיף הקודם.
לבסוף, נעשה שימוש בחיזאי סדרות זמן להפקת תחזיות עתידיות לתקופות עתידיות. כאן, אתה יכול גם לבחור להניע פעולות מסקנות, או לפעול לפי נתוני מסקנות, לפי הקוונטיל שנבחר. זה עשוי לאפשר לך להפחית את עלויות החישוב תוך הסרת עומס הבדיקה הידנית של כל פריט בודד. למומחים בחברה שלך יכול להיות יותר זמן להתמקד בפריטים בעלי ערך גבוה, בעוד שלאלפי פריטים בקטלוג שלך ניתן להחיל התאמות אוטומטיות. כנקודת שיקול, לעתיד יש מידה מסוימת של אי ודאות. עם זאת, כל שאר הדברים שווים, מבחר מעורב של קוונטילים אמור לייעל את התוצאות במערך כולל של סדרות זמן. כאן ב-AWS, אנו ממליצים לך להשתמש בשני מחזורי חיזוי החזקה כדי לכמת את מידת השיפורים שנמצאו בבחירת כמות מעורבת.
הדרכה לפתרון להאצת היישום שלך
אם ברצונך ליצור מחדש את פתרון בחירת הכמות שנדון בפוסט זה ולהתאים אותו למערך הנתונים שלך, אנו מספקים סט נתונים סינתטיים וקובץ זרימה לדוגמה של SageMaker Data Wrangler כדי להתחיל בעבודה GitHub. כל החוויה המעשית אמורה לקחת לך פחות משעה להשלים.
אנו מספקים את הפוסט הזה והדרכה לדוגמא לפתרון כדי לעזור להאיץ את הזמן שלך לשוק. המאפשר העיקרי להמלצה על quantiles ספציפיים הוא SageMaker Data Wrangler, שירות AWS בנוי למטרות שנועד לצמצם את הזמן שלוקח להכין נתונים למקרי שימוש ב-ML. SageMaker Data Wrangler מספק ממשק חזותי לתכנון טרנספורמציות נתונים, ניתוח נתונים וביצוע הנדסת תכונות.
אם אתה חדש ב- SageMaker Data Wrangler, עיין ב התחל לעבוד עם Data Wrangler כדי להבין כיצד להפעיל את השירות באמצעות סטודיו SageMaker של אמזון. באופן עצמאי, יש לנו יותר מ 150 פוסטים בבלוג שעוזרים לגלות תמורות מגוונות של נתונים שהשירות מטפל בהם.
סיכום
בפוסט זה, דנו כיצד רגרסיה קוונטילית מאפשרת מספר נקודות החלטה עסקיות בחיזוי סדרות זמן. דנו גם בקנסות עלויות לא מאוזנות הקשורות לחיזוי יתר ותחזיות - לעתים קרובות העונש של תת-היצע הוא כמה כפולות של קנס ההיצע, שלא לדבר על תת-היצע יכול לגרום לאובדן מוניטין עם לקוחות.
הפוסט דן כיצד ארגונים יכולים להעריך נקודות חיזוי כמותיות מרובות תוך התחשבות בעלויות היתר והחסר של כל פריט כדי לבחור אוטומטית את הכמות שצפויה לספק את הרווח הרב ביותר בתקופות עתידיות. בעת הצורך, אתה יכול לעקוף את הבחירה כאשר הכללים העסקיים רוצים כמות קבועה על פני דינמית.
התהליך נועד לסייע בעמידה ביעדים עסקיים ופיננסיים תוך הסרת החיכוך של צורך להחיל ידנית קריאות שיפוט על כל פריט חזוי. SageMaker Data Wrangler עוזר לתהליך להתנהל על בסיס מתמשך מכיוון שהבחירת הכמות חייבת להיות דינמית עם נתונים משתנים בעולם האמיתי.
יש לציין כי בחירת כמות אינה אירוע חד פעמי. יש להעריך את התהליך גם במהלך כל מחזור חיזוי, כדי לתת את הדעת לשינויים הכוללים עלייה בעלות הסחורה, אינפלציה, התאמות עונתיות, הצגת מוצרים חדשים, שינוי בדרישות הצרכנים ועוד. תהליך האופטימיזציה המוצע ממוקם לאחר יצירת המודלים של סדרת הזמן, המכונה שלב אימון המודל. בחירות קוונטיליות נעשות ומשמשות עם שלב הפקת התחזית העתידי, הנקרא לפעמים שלב ההסקה.
אם יש לך שאלות כלשהן לגבי פוסט זה או שתרצה לצלול עמוק יותר לתוך הצרכים הארגוניים הייחודיים שלך, אנא פנה לצוות חשבון AWS שלך, לאדריכל הפתרונות של AWS שלך, או פתח מקרה חדש במרכז התמיכה שלנו.
הפניות
- DeYong, GD (2020). ספק החדשות קובע המחיר: סקירה והרחבות. כתב העת הבינלאומי לחקר ייצור, 58(6), 1776–1804.
- Liu, C., Letchford, AN, & Svetunkov, I. (2022). בעיות ספק חדשות: שיטה משולבת לאומדן ואופטימיזציה. European Journal of Operational Research, 300(2), 590–601.
- Punia, S., Singh, SP, & Madaan, JK (2020). מניתוח חזוי לניתוח מרשם: מודל מונחה נתונים של ספקי חדשות מרובי פריטים. מערכות תומכות החלטות, 136.
- Trapero, JR, Cardós, M., & Kourentzes, N. (2019). תחזית קוונטילית שילוב אופטימלי כדי לשפר את הערכת מלאי הבטיחות. International Journal of Forecasting, 35(1), 239–250.
- Whitin, TM (1955). בקרת מלאי ותורת המחירים. מדע ניהול. 2 61–68.
על המחבר
צ'ארלס לאגלין הוא ארכיטקט פתרונות AI/ML ראשי ועובד בצוות השירות של Amazon SageMaker ב-AWS. הוא עוזר לעצב את מפת הדרכים של השירות ומשתף פעולה מדי יום עם לקוחות AWS מגוונים כדי לעזור לשנות את העסקים שלהם באמצעות טכנולוגיות AWS מתקדמות ומנהיגות מחשבתית. צ'ארלס הוא בעל תואר שני בניהול שרשרת אספקה ותואר Ph.D. במדעי הנתונים.
- הפצת תוכן ויחסי ציבור מופעל על ידי SEO. קבל הגברה היום.
- PlatoData.Network Vertical Generative Ai. העצים את עצמך. גישה כאן.
- PlatoAiStream. Web3 Intelligence. הידע מוגבר. גישה כאן.
- PlatoESG. פחמן, קלינטק, אנרגיה, סביבה, שמש, ניהול פסולת. גישה כאן.
- PlatoHealth. מודיעין ביוטכנולוגיה וניסויים קליניים. גישה כאן.
- מקור: https://aws.amazon.com/blogs/machine-learning/beyond-forecasting-the-delicate-balance-of-serving-customers-and-growing-your-business/
- :יש ל
- :הוא
- :לֹא
- :איפה
- ][עמ'
- 1
- 10
- 100
- 2019
- 2020
- 2022
- 420
- 7
- 95%
- a
- אודות
- מֵעַל
- להאיץ
- קבלה
- פי
- חֶשְׁבּוֹן
- דיוק
- מדויק
- הושג
- לרכוש
- לפעול
- להסתגל
- תוספת
- כתובת
- ממוען
- התאמות
- לייעץ
- לאחר
- נגד
- זקן
- קדימה
- AI / ML
- אלגוריתמים
- תעשיות
- להתיר
- מאפשר
- בַּצַד
- גם
- למרות
- אמזון בעברית
- אמזון SageMaker
- אמזון SageMaker Canvas
- אמזון שירותי אינטרנט
- בין
- כמות
- an
- ניתוח
- לנתח
- ו
- אחר
- כל
- בְּכָל מָקוֹם
- יישומית
- החל
- גישה
- גישות
- בערך
- ARE
- מְסוּדָר
- AS
- בצד
- המשויך
- At
- מכני עם סלילה אוטומטית
- באופן אוטומטי
- זמין
- מְמוּצָע
- לְהִמָנַע
- AWS
- בחזרה
- Backtest
- איזון
- מאזן
- גיליונות מאזן
- מבוסס
- בסיס
- BE
- כי
- להיות
- הופך להיות
- היה
- להיות
- להלן
- הטוב ביותר
- בֵּין
- מעבר
- הטיה
- בלוג
- תַחתִית
- מותג
- רחב
- מובנה
- ניטל
- עסקים
- עסקים
- אבל
- by
- נקרא
- שיחות
- CAN
- בד
- יכולות
- נשא
- נושאת
- מקרה
- מקרים
- מזומנים
- קטלוג
- לגרום
- מרכז
- מרוכז
- שרשרת
- סיכוי
- שינויים
- משתנה
- צ'ארלס
- בחירה
- בחירות
- בחרו
- בחירה
- בחר
- נבחר
- שילוב
- שילובים
- Common
- חברות
- חברה
- לעומת
- להשלים
- מורכבות
- מסובך
- לחשב
- מבחינה רעיונית
- מודע
- לשקול
- התחשבות
- מורכב
- אילוצים
- צרכן
- הקשר
- לִשְׁלוֹט
- להיפך
- להמיר
- הומר
- ליבה
- לתקן
- עלות
- עלויות
- יכול
- יחד
- לִיצוֹר
- יוצרים
- קריטי
- לקוח
- שירות לקוחות
- לקוחות
- שיא הטכנולוגיה
- מחזור
- מחזורי
- יומי
- נתונים
- מדע נתונים
- נתונים מונחים
- יְוֹם
- להחליט
- החלטה
- החלטות
- עמוק
- עמוק יותר
- בְּרִירַת מֶחדָל
- תואר
- למסור
- דרישה
- חיזוי דרישה
- דרישות
- מופגן
- מדגים
- תלוי
- לתאר
- עיצוב
- מעוצב
- רצון עז
- פרט
- פרטים
- קביעה
- מפותח
- מאכזב
- לגלות
- לדון
- נָדוֹן
- צלילה
- שונה
- do
- לא
- תחום
- מטה
- נהיגה
- ראוי
- בְּמַהֲלָך
- דינמי
- כל אחד
- מוקדם
- קל
- יעילות
- תופעות
- יעילות
- המאפשר
- מאפשר
- סוף
- הנדסה
- להגביר את
- לְהַבטִיחַ
- שלם
- שווה
- במיוחד
- לְהַעֲרִיך
- אֵירוֹפִּי
- להעריך
- העריך
- אירוע
- כל
- לִבחוֹן
- דוגמה
- דוגמאות
- עולה על
- עודף
- קיים
- צפוי
- ניסיון
- מומחה
- מומחים
- ביטא
- סיומות
- ליפול
- מהר יותר
- מאפיין
- מעטים
- פחות
- שדה
- תרשים
- שלח
- כספי
- יעדים פיננסיים
- ראשון
- מתאים
- חמש
- קבוע
- תזרים
- להתמקד
- לעקוב
- בעקבות
- הבא
- בעד
- תַחֲזִית
- תחזיות
- צורות
- נוסחה
- לטפח
- מצא
- חופשי
- חיכוך
- החל מ-
- מלא
- נוסף
- עתיד
- עתידים
- ליצור
- נוצר
- דור
- גיאוגרפית
- לקבל
- נתן
- גלון
- שערים
- טוב
- סחורות
- רצון טוב
- ירוק
- גדל
- הדרכה
- היה
- ידות על
- יש
- יש
- he
- הוחזק
- לעזור
- עוזר
- כאן
- גָבוֹהַ
- גבוה יותר
- הגבוה ביותר
- מאוד
- היסטורי
- היסטורי
- מחזיק
- מחזיק
- אופק
- אופקים
- שעה
- איך
- איך
- אולם
- HTML
- HTTPS
- i
- רעיון
- להתבטל
- if
- מדגים
- חוסר איזון
- מיידי
- שיפורים
- in
- לכלול
- כלול
- כולל
- הַכנָסָה
- להגדיל
- גדל
- באופן עצמאי
- אינפלציה
- לְהוֹדִיעַ
- מידע
- בתחילה
- בלתי מוחשי
- משולב
- מעניין
- מִמְשָׁק
- ברמה בינלאומית
- פענוח
- אל תוך
- מבוא
- מלאי
- לחקור
- השקעה
- השקעות
- IT
- פריטים
- הצטרף
- כתב עת
- מסע
- לדעת
- יודע
- ידוע
- אחרון
- לשגר
- עוֹפֶרֶת
- מנהיגות
- מוביל
- למידה
- הכי פחות
- עזיבה
- פחות
- כמו
- סביר
- מוגבל
- קו
- לוגיסטיקה
- לטווח ארוך
- לאבד
- את
- נמוך
- להוריד
- מכונה
- למידת מכונה
- עשוי
- ראשי
- לעשות
- ניהול
- דרך
- מדריך ל
- באופן ידני
- התעשיינים
- רב
- שוק
- מתאים
- מקסום
- מקסימום
- מאי..
- אומר
- משמעויות
- אומר
- התכוון
- למדוד
- לִפְגוֹשׁ
- מידע נוסף
- שיטה
- שיטות
- מדדים
- משימה
- מעורב
- ML
- מודל
- מודלים
- מודרני
- יותר
- בוקר
- רוב
- נע
- ממוצעים הנעים
- מספר
- צריך
- חייב
- שם
- טבע
- נווט
- ליד
- הכרחי
- צורך
- נחוץ
- צרכי
- חדש
- מוצר חדש
- חדשות
- עיתונים
- הבא
- ציין
- עַכשָׁיו
- מספר
- להתבונן
- of
- הַצָעָה
- המיוחדות שלנו
- לעתים קרובות
- on
- ONE
- מתמשך
- רק
- לפתוח
- קוד פתוח
- תוכנת קוד פתוח
- להפעיל
- מבצע
- מבצעי
- תפעול
- אופטימלי
- אופטימיזציה
- מטב
- or
- הזמנות
- רגיל
- אִרְגוּנִי
- ארגונים
- מְקוֹרִי
- אחר
- שלנו
- הַחוּצָה
- תוצאות
- תפוקה
- יותר
- מקיף
- לעקוף
- overstock
- שֶׁלוֹ
- חבילה
- זוג
- חלק
- שותפים
- חלקים
- עבר
- עבור
- לְבַצֵעַ
- תקופה
- תקופות
- פרספקטיבה
- חתיכות
- תכנית
- תכנון
- אפלטון
- מודיעין אפלטון
- אפלטון נתונים
- אנא
- נקודה
- נקודות
- מיקום
- אפשרי
- הודעה
- פוטנציאל
- פוטנציאל
- נבואה
- התחזיות
- לְהַעֲדִיף
- להכין
- למנוע
- קודם
- קוֹדֶם
- מחיר
- תמחור
- יְסוֹדִי
- מנהל
- קודם
- בעיה
- בעיות
- תהליך
- לייצר
- מיוצר
- ייצור
- המוצר
- הפקה
- מוצרים
- להרוויח
- רווחים
- מוּצָע
- לספק
- מספק
- לִרְכּוֹשׁ
- לרדוף
- שאלה
- שאלות
- מָהִיר
- R
- רכס
- לעתים רחוקות
- תעריפים
- במקום
- לְהַגִיעַ
- ממשי
- עולם אמיתי
- הבין
- טעם
- לאחרונה
- ממליץ
- Red
- להפחית
- להתייחס
- מכונה
- קרוב משפחה
- לסמוך
- נותר
- הסרת
- מחקר
- משאב
- משאבים
- אלה
- תוצאה
- וכתוצאה מכך
- קמעוני
- קִמעוֹנַאִי
- קמעונאים
- סקירה
- הסיכון
- מפת דרכים
- כללי
- הפעלה
- ריצה
- s
- בְּטִיחוּת
- בעל חכמים
- מכירות
- אותו
- תרחישים
- SCI
- מדע
- עונתי
- סעיף
- סעיפים
- לִרְאוֹת
- מחפש
- בחירה
- מבחר
- למכור
- סלרס
- סדרה
- לשרת
- שרות
- שירותים
- הגשה
- סט
- כמה
- צוּרָה
- שיתוף
- גיליון
- מַדָף
- הסטה
- הקונה
- טווח קצר
- צריך
- לְהַצִיג
- הראה
- הופעות
- דומה
- יחיד
- So
- תוכנה
- נמכרים
- פִּתָרוֹן
- פתרונות
- כמה
- מומחה
- ספציפי
- ספֵּקוּלָטִיבִי
- ריבועים
- יציב
- בעלי עניין
- החל
- מדינה-of-the-art
- סטטיסטי
- שלב
- צעדים
- מניות
- אחסון
- מאוחסן
- סיפור
- ישר
- אסטרטגיות
- אִסטרָטֶגִיָה
- מְחוֹשָׁב
- מוצלח
- לספק
- היצע וביקוש
- שרשרת אספקה
- ניהול שרשרת הספקה
- תמיכה
- מערכות תמיכה
- תומך
- עודף
- סינטטי
- מערכות
- שולחן
- לקחת
- לוקח
- משימות
- נבחרת
- טכנולוגיות
- לספר
- מֵאֲשֶׁר
- זֶה
- השמיים
- העתיד
- שֶׁלָהֶם
- אותם
- התאוריה
- שם.
- אלה
- הֵם
- דברים
- לחשוב
- זֶה
- אלה
- מחשבה
- מנהיגות מחשבתית
- אלפים
- שְׁלוֹשָׁה
- דרך
- זמן
- סדרת זמן
- ל
- גַם
- קשה
- לקראת
- מסחר
- הדרכה
- לשנות
- טרנספורמציות
- נָכוֹן
- ערך אמיתי
- שתיים
- בדרך כלל
- בסופו של דבר
- לֹא בָּטוּחַ
- אי ודאות
- תחת
- להבין
- ייחודי
- יחידה
- יחידות
- עד
- להשתמש
- מְשׁוּמָשׁ
- באמצעות
- ערך
- ערכים
- מגוון
- לצפיה
- רוצה
- היה
- דֶרֶך..
- we
- אינטרנט
- שירותי אינטרנט
- טוֹב
- היו
- כלשהו
- מתי
- בכל פעם
- ואילו
- אם
- אשר
- בזמן
- מי
- רָחָב
- טווח רחב
- יצטרך
- עם
- בתוך
- לְלֹא
- זרימת עבודה
- עובד
- היה
- אתה
- זפירנט
- אפס