Компании используют прогнозирование временных рядов для принятия основных решений по планированию, которые помогают им ориентироваться в неопределенном будущем. Этот пост предназначен для участников цепочки поставок, которые разделяют общую потребность в определении того, сколько готовой продукции необходимо в различных временных горизонтах планирования. Помимо планирования необходимого количества единиц товаров, предприятиям часто необходимо знать, где они будут необходимы, чтобы создать географически оптимальные запасы.
Тонкий баланс избыточного и недостаточного предложения
Если производители производят слишком мало деталей или готовой продукции, возникающий в результате дефицит предложения может заставить их сделать трудный выбор по нормированию имеющихся ресурсов среди своих торговых партнеров или бизнес-подразделений. В результате заказы на покупку могут иметь более низкие показатели принятия и меньшую полученную прибыль. Далее по цепочке поставок, если у розничного продавца слишком мало товаров для продажи по сравнению со спросом, он может разочаровать покупателей из-за отсутствия товара на складе. Когда у розничного покупателя возникает неотложная потребность, этот дефицит может привести к покупке у альтернативного розничного продавца или заменяемого бренда. Эта замена может привести к оттоку сотрудников, если альтернативный вариант станет новым стандартом по умолчанию.
На другом конце маятника предложения переизбыток товаров также может повлечь за собой штрафы. Излишки предметов теперь должны храниться в инвентаре до тех пор, пока они не будут проданы. Ожидается, что определенная степень резервного запаса поможет преодолеть ожидаемую неопределенность спроса; однако избыток запасов приводит к снижению эффективности, что может снизить прибыль организации. Избыток предложения может привести к потере всех или части первоначальных инвестиций, сделанных для приобретения продаваемой готовой продукции, особенно когда продукция является скоропортящейся.
Даже если продукты не являются скоропортящимися, во время хранения они фактически становятся неиспользуемым ресурсом, который может быть доступен на балансе в качестве свободных денежных средств или использован для других инвестиций. Помимо балансовых отчетов, расходы на хранение и перенос не являются бесплатными. Организации обычно имеют ограниченное количество организованных складских и логистических возможностей. Они должны действовать в рамках этих ограничений, эффективно используя имеющиеся ресурсы.
Столкнувшись с выбором между избыточным и недостаточным предложением, большинство организаций в среднем предпочитают избыток предложения путем явного выбора. Измеримая стоимость недостаточного предложения часто выше, иногда в несколько раз, по сравнению со стоимостью избыточного предложения, которую мы обсуждаем в следующих разделах.
Основная причина предвзятости в отношении избыточного предложения заключается в том, чтобы избежать нематериальных затрат, связанных с потерей репутации клиентов, когда продукты недоступны. Производители и розничные продавцы думают о долгосрочной ценности для клиентов и хотят повысить лояльность к бренду — эта миссия помогает формировать стратегию их цепочки поставок.
В этом разделе мы рассмотрели неравенство, возникающее в результате распределения слишком большого или слишком малого количества ресурсов после процесса планирования спроса. Далее мы исследуем прогнозирование временных рядов и то, как прогнозы спроса могут быть оптимально согласованы со стратегиями предложения на уровне товаров.
Классические подходы к циклам планирования продаж и операций
Исторически прогнозирование осуществлялось с помощью статистических методов, которые приводили к точечным прогнозам, дающим наиболее вероятную оценку будущего. Этот подход часто основан на формах скользящих средних или линейной регрессии, которая пытается подобрать модель с использованием обычного метода наименьших квадратов. Точечный прогноз состоит из одного среднего значения прогноза. Поскольку значение точечного прогноза сосредоточено на среднем значении, ожидается, что истинное значение будет выше среднего примерно в 50 % случаев. Это оставляет оставшиеся 50% времени, когда истинное число упадет ниже прогнозируемой точки.
Точечные прогнозы могут быть интересными, но если следовать им без экспертной оценки, они могут привести к тому, что у ритейлеров в 50% случаев закончатся товары первой необходимости. Чтобы предотвратить недостаточное обслуживание клиентов, специалисты по планированию спроса и предложения применяют ручные корректировки суждений или корректируют точечные прогнозы с помощью формулы страхового запаса. Компании могут использовать свою собственную интерпретацию формулы страхового запаса, но идея состоит в том, чтобы обеспечить наличие поставок продукции в неопределенном краткосрочном горизонте. В конечном счете, планировщикам придется решить, следует ли завышать или занижать средние значения прогнозов, в соответствии со своими правилами, интерпретациями и субъективным взглядом на будущее.
Современное прогнозирование временных рядов дает возможность выбора
Для удовлетворения реальных потребностей в прогнозировании AWS предоставляет широкий и глубокий набор возможностей, которые обеспечивают современный подход к прогнозированию временных рядов. Мы предлагаем услуги машинного обучения (ML), которые включают, помимо прочего: Холст Amazon SageMaker (подробнее см. Ускорьте обучение модели прогнозирования временных рядов с помощью быстрой сборки Amazon SageMaker Canvas), Прогноз Амазонки (Начните свое успешное путешествие с прогнозирования временных рядов с помощью Amazon Forecast), а также расширение Создатель мудреца Амазонки встроенные алгоритмы (Глубокое прогнозирование спроса с помощью Amazon SageMaker). Кроме того, AWS разработала пакет программного обеспечения с открытым исходным кодом. АвтоГлюон, который поддерживает разнообразные задачи машинного обучения, в том числе в области временных рядов. Для получения дополнительной информации см. Простое и точное прогнозирование с AutoGluon-TimeSeries.
Рассмотрим точечный прогноз, обсуждавшийся в предыдущем разделе. Реальные данные сложнее, чем можно выразить с помощью средней оценки или оценки прямой регрессии. Кроме того, из-за дисбаланса избыточного и недостаточного предложения вам потребуется более чем одна точечная оценка. Сервисы AWS удовлетворяют эту потребность за счет использования моделей машинного обучения в сочетании с квантильной регрессией. Квантильная регрессия позволяет выбирать из широкого спектра сценариев планирования, которые выражаются в виде квантилей, а не полагаться на одноточечные прогнозы. Именно эти квантили предлагают выбор, который мы опишем более подробно в следующем разделе.
Прогнозы, предназначенные для обслуживания клиентов и стимулирования роста бизнеса
На следующем рисунке представлен прогноз временных рядов с несколькими результатами, который стал возможен благодаря квантильной регрессии. Красная линия, обозначенная p05, предполагает вероятность того, что реальное число, каким бы оно ни было, упадет ниже линии p05 примерно в 5% случаев. И наоборот, это означает, что в 95% случаев истинное число, скорее всего, будет выше линии p05.
Далее обратите внимание на зеленую линию, обозначенную p70. Истинное значение будет ниже линии p70 примерно в 70% случаев, оставляя 30% вероятность того, что оно превысит линию p70. Линия p50 дает среднюю точку зрения на будущее, при этом вероятность того, что значения упадут выше или ниже p50 в среднем составляет 50/50. Это примеры, но любой квантиль можно интерпретировать одинаково.
В следующем разделе мы рассмотрим, как измерить, приводят ли квантильные прогнозы к избыточному или недостаточному предложению по каждому товару.
Измерение избыточного и недостаточного предложения на основе исторических данных
В предыдущем разделе был продемонстрирован графический способ наблюдения за прогнозами; другой способ просмотреть их — в виде таблицы, как показано в следующей таблице. При создании моделей временных рядов часть данных удерживается от операции обучения, что позволяет генерировать показатели точности. Хотя будущее неопределенно, основная идея здесь заключается в том, что точность в течение периода ожидания является лучшим приближением того, как будут работать прогнозы завтрашнего дня, при прочих равных условиях.
В таблице не показаны показатели точности; скорее, он показывает истинные значения, известные из прошлого, а также несколько квантильных прогнозов от p50 до p90 с шагом 10. В течение последних пяти исторических периодов истинный спрос составлял 218 единиц. Квантильные прогнозы предлагают диапазон значений: от минимального значения в 189 единиц до максимального значения в 314 единиц. С помощью следующей таблицы легко увидеть, что p50 и p60 приводят к недостаточному предложению, а последние три квантиля приводят к избытку предложения.
Ранее мы отмечали, что существует асимметрия в избыточном и недостаточном предложении. Большинство предприятий, которые сознательно выбирают избыточное предложение, делают это, чтобы не разочаровать клиентов. Важнейшим вопросом становится: «На будущее, на основании какого квантильного прогнозируемого числа следует строить бизнес-план?» Учитывая существующую асимметрию, необходимо принять взвешенное решение. Эта потребность рассматривается в следующем разделе, где прогнозируемые количества в единицах преобразуются в их соответствующие финансовые значения.
Автоматический выбор правильных квантильных точек на основе целей максимизации прибыли или обслуживания клиентов.
Чтобы преобразовать значения квантилей в бизнес-ценности, мы должны найти штраф, связанный с каждой единицей излишков и с каждой единицей недозапасов, поскольку они редко равны. Решение этой проблемы хорошо документировано и изучено в области исследования операций, называемого проблемой поставщиков новостей. Уитин (1955) был первым, кто сформулировал модель спроса, включив в нее ценовые эффекты. Проблема с поставщиками новостей берет свое начало в те времена, когда продавцам новостей приходилось решать, сколько газет покупать в день. Если бы они выбрали слишком низкую цифру, они бы продали акции раньше и не достигли своего потенциального дохода в тот же день. Если бы они выбрали слишком большое число, они бы застряли во «вчерашних новостях» и рисковали бы потерять часть своих утренних спекулятивных инвестиций.
Чтобы вычислить штрафы за превышение и понижение на единицу, необходимо несколько фрагментов данных для каждого элемента, который вы хотите спрогнозировать. Вы также можете увеличить сложность, указав данные в виде пары товар+местоположение, пары товар+клиент или других комбинаций в соответствии с потребностями бизнеса.
- Ожидаемая стоимость продажи товара.
- Общая стоимость товаров, необходимых для приобретения или производства товара.
- Предполагаемые затраты на хранение, связанные с хранением товара на складе, если он не продан.
- Ликвидационная стоимость предмета, если он не продан. В случае скоропортящихся товаров ликвидационная стоимость может приблизиться к нулю, что приведет к полной потере первоначальной стоимости инвестиций в товары. При стабильном хранении ликвидационная стоимость может оказаться ниже ожидаемой продажной стоимости товара, в зависимости от характера хранимого и потенциально устаревшего товара.
В следующей таблице показано, как точки квантиля были выбраны самостоятельно из числа доступных точек прогноза в известные исторические периоды. Рассмотрим пример позиции 3, истинный спрос на которую в предыдущие периоды составлял 1,578 единиц. Оценка p50 в 1,288 единиц привела бы к недостаточному предложению, тогда как значение p90 в 2,578 единиц привело бы к избытку. Среди наблюдаемых квантилей значение p70 дает максимальную прибыль в размере 7,301 доллара США. Зная это, вы можете увидеть, как выбор p50 приведет к штрафу почти в 1,300 долларов по сравнению со значением p70. Это только один пример, но каждый элемент в таблице может рассказать свою уникальную историю.
Обзор решения
На следующей диаграмме показан предлагаемый рабочий процесс. Первый, Обработчик данных Amazon SageMaker использует прогнозы бэктеста, сделанные прогнозистом временных рядов. Затем прогнозы бэктеста и известные фактические данные объединяются с финансовыми метаданными по каждому элементу. На этом этапе, используя прогнозы бэктеста, преобразование SageMaker Data Wrangler вычисляет стоимость единицы для недооценки и завышения прогноза для каждого элемента.
SageMaker Data Wrangler переводит прогноз по единице продукции в финансовый контекст и автоматически выбирает квантиль для конкретного товара, который обеспечивает наибольшую сумму прибыли среди рассмотренных квантилей. Выходные данные представляют собой табличный набор данных, хранящихся на Amazon S3, и концептуально аналогичны таблице из предыдущего раздела.
Наконец, прогнозист временных рядов используется для создания прогнозов на будущие периоды. Здесь вы также можете управлять операциями вывода или действовать на основе данных вывода в соответствии с тем, какой квантиль был выбран. Это может позволить вам сократить вычислительные затраты, а также устранить бремя ручной проверки каждого отдельного элемента. У экспертов вашей компании будет больше времени, чтобы сосредоточиться на дорогостоящих товарах, а к тысячам товаров в вашем каталоге можно применить автоматические корректировки. С точки зрения рассмотрения, будущее имеет некоторую степень неопределенности. Однако при прочих равных условиях смешанный выбор квантилей должен оптимизировать результаты в общем наборе временных рядов. Здесь, в AWS, мы советуем вам использовать два цикла прогнозирования с удержанием, чтобы количественно оценить степень улучшений, обнаруженных при выборе смешанного квантиля.
Руководство по решению для ускорения внедрения
Если вы хотите воссоздать решение по квантильному выбору, обсуждаемое в этой статье, и адаптировать его к своему собственному набору данных, мы предоставляем синтетический образец набора данных и образец файла потока SageMaker Data Wrangler, чтобы вы могли начать работу. GitHub. Весь практический опыт займет у вас менее часа.
Мы предоставляем это руководство и примеры решений, которые помогут ускорить выход на рынок. Основным инструментом для рекомендации конкретных квантилей является SageMaker Data Wrangler, специально созданный сервис AWS, предназначенный для сокращения времени, необходимого для подготовки данных для сценариев использования ML. SageMaker Data Wrangler предоставляет визуальный интерфейс для проектирования преобразований данных, анализа данных и выполнения проектирования функций.
Если вы впервые используете SageMaker Data Wrangler, см. Начать работу с Data Wrangler понять, как запустить сервис через Студия Amazon SageMaker. Независимо от того, у нас есть более чем 150 сообщений в блоге которые помогают обнаружить различные примеры преобразований данных, реализуемые службой.
Заключение
В этом посте мы обсудили, как квантильная регрессия позволяет принимать несколько точек принятия бизнес-решений при прогнозировании временных рядов. Мы также обсудили штрафы за несбалансированные затраты, связанные с завышением или недооценкой прогноза — часто штраф за недостаточное предложение в несколько раз превышает штраф за избыточное предложение, не говоря уже о том, что недостаточное предложение может привести к потере репутации клиентов.
В сообщении обсуждалось, как организации могут оценить несколько точек квантильного прогнозирования с учетом затрат на избыточное и недостаточное предложение каждого товара, чтобы автоматически выбрать квантиль, который, скорее всего, обеспечит наибольшую прибыль в будущих периодах. При необходимости вы можете переопределить этот выбор, если бизнес-правила требуют фиксированного квантиля вместо динамического.
Этот процесс предназначен для достижения деловых и финансовых целей, одновременно устраняя трудности, связанные с необходимостью вручную применять суждения к каждому прогнозируемому элементу. SageMaker Data Wrangler помогает этому процессу работать на постоянной основе, поскольку выбор квантилей должен быть динамичным в зависимости от изменения реальных данных.
Следует отметить, что отбор квантилей не является разовым мероприятием. Этот процесс также следует оценивать в течение каждого цикла прогнозирования, чтобы учитывать изменения, включая увеличение стоимости товаров, инфляцию, сезонные корректировки, внедрение новых продуктов, изменение потребительского спроса и многое другое. Предлагаемый процесс оптимизации расположен после создания модели временных рядов, называемого этапом обучения модели. Выбор квантилей производится и используется на этапе формирования будущего прогноза, который иногда называют этапом вывода.
Если у вас есть какие-либо вопросы по поводу этой публикации или вы хотите более подробно изучить уникальные потребности вашей организации, обратитесь к своей команде по работе с клиентами AWS, своему архитектору решений AWS или откройте новый запрос в нашем центре поддержки.
Рекомендации
- ДеЙонг, Джорджия (2020). Поставщик новостей, устанавливающий цены: обзор и дополнения. Международный журнал производственных исследований, 58 (6), 1776–1804 гг.
- Лю К., Летчфорд А.Н. и Светунков И. (2022). Проблемы поставщиков новостей: интегрированный метод оценки и оптимизации. Европейский журнал операционных исследований, 300 (2), 590–601.
- Пуния С., Сингх С.П. и Мадаан Дж.К. (2020). От прогнозной аналитики к предписывающей: управляемая данными многопозиционная модель новостного агентства. Системы поддержки принятия решений, 136.
- Траперо-младший, Кардос М. и Куренцес Н. (2019). Квантильный прогноз оптимальной комбинации для улучшения оценки страховых запасов. Международный журнал прогнозирования, 35 (1), 239–250.
- Уитин, ТМ (1955). Управление запасами и теория цен. Наука управления. 2 61–68.
Об авторе
Чарльз Лафлин является главным специалистом по архитектуре решений AI/ML и работает в сервисной команде Amazon SageMaker в AWS. Он помогает формировать дорожную карту обслуживания и ежедневно сотрудничает с различными клиентами AWS, чтобы помочь преобразовать их бизнес с помощью передовых технологий AWS и передового опыта. Чарльз имеет степень магистра в области управления цепочками поставок и степень доктора философии. в науке о данных.
- SEO-контент и PR-распределение. Получите усиление сегодня.
- PlatoData.Network Вертикальный генеративный ИИ. Расширьте возможности себя. Доступ здесь.
- ПлатонАйСтрим. Интеллект Web3. Расширение знаний. Доступ здесь.
- ПлатонЭСГ. Углерод, чистые технологии, Энергия, Окружающая среда, Солнечная, Управление отходами. Доступ здесь.
- ПлатонЗдоровье. Биотехнологии и клинические исследования. Доступ здесь.
- Источник: https://aws.amazon.com/blogs/machine-learning/beyond-forecasting-the-delicate-balance-of-serving-customers-and-growing-your-business/
- :имеет
- :является
- :нет
- :куда
- ][п
- 1
- 10
- 100
- 2019
- 2020
- 2022
- 420
- 7
- 95%
- a
- О нас
- выше
- ускорять
- принятие
- По
- Учетная запись
- точность
- точный
- достигнутый
- приобретать
- Действие (Act):
- приспосабливать
- дополнение
- адрес
- адресованный
- корректировки
- консультировать
- После
- против
- в возрасте
- впереди
- AI / ML
- алгоритмы
- Все
- позволять
- позволяет
- рядом
- причислены
- Несмотря на то, что
- Amazon
- Создатель мудреца Амазонки
- Холст Amazon SageMaker
- Amazon Web Services
- среди
- количество
- an
- аналитика
- анализировать
- и
- Другой
- любой
- откуда угодно
- прикладной
- Применить
- подхода
- подходы
- примерно
- МЫ
- расположены
- AS
- в сторону
- связанный
- At
- Автоматический
- автоматически
- доступен
- в среднем
- избежать
- AWS
- назад
- Backtest
- Баланс
- Баланс
- баланс листов
- основанный
- основа
- BE
- , так как:
- становиться
- становится
- было
- не являетесь
- ниже
- ЛУЧШЕЕ
- между
- Beyond
- смещение
- Блог
- Дно
- марка
- широкий
- встроенный
- бремя
- бизнес
- бизнес
- но
- by
- под названием
- Объявления
- CAN
- холст
- возможности
- проводятся
- проведение
- случаев
- случаев
- Наличный расчёт
- каталог
- Вызывать
- Центр
- центр
- цепь
- шанс
- изменения
- изменения
- Чарльз
- выбор
- выбор
- Выберите
- Выбирая
- выбрал
- выбранный
- сочетание
- комбинации
- Общий
- Компании
- Компания
- сравненный
- полный
- сложность
- сложный
- Вычисление
- Концептуально
- сознательный
- Рассматривать
- рассмотрение
- состоит
- ограничения
- потребитель
- контекст
- контроль
- наоборот
- конвертировать
- переделанный
- Основные
- исправить
- Цена
- Расходы
- может
- соединенный
- Создайте
- Создающий
- критической
- клиент
- Служба поддержки игроков
- Клиенты
- передовой
- цикл
- циклы
- ежедневно
- данным
- наука о данных
- управляемых данными
- день
- решать
- решение
- решения
- глубоко
- более глубокий
- По умолчанию
- Степень
- доставить
- Спрос
- Прогнозирование спроса
- запросы
- убивают
- демонстрирует
- в зависимости
- описывать
- Проект
- предназначенный
- желание
- подробность
- подробнее
- определения
- развитый
- разочаровывающим,
- обнаружить
- обсуждать
- обсуждается
- погружение
- Разное
- do
- не
- домен
- вниз
- управлять
- два
- в течение
- динамический
- каждый
- Рано
- легко
- фактически
- эффекты
- эффективно
- Enabler
- позволяет
- конец
- Проект и
- повышать
- обеспечивать
- Весь
- равный
- особенно
- оценка
- Европейская кухня
- оценивать
- оценивается
- События
- Каждая
- исследовать
- пример
- Примеры
- превышать
- избыток
- существует
- ожидаемый
- опыт
- эксперту
- эксперты
- выраженный
- расширения
- Осень
- быстрее
- Особенность
- несколько
- меньше
- поле
- фигура
- Файл
- финансовый
- финансовые цели
- Найдите
- First
- соответствовать
- 5
- фиксированной
- поток
- Фокус
- следовать
- следует
- после
- Что касается
- Прогноз
- Прогнозы
- формы
- формула
- Способствовать
- найденный
- Бесплатно
- трение
- от
- полный
- далее
- будущее
- Фьючерсная торговля
- порождать
- генерируется
- поколение
- географически
- получить
- данный
- Gluon
- Цели
- хорошо
- товары
- Гудвил
- Зелёная
- Рост
- руководство
- было
- практический
- Есть
- имеющий
- he
- Герой
- помощь
- помогает
- здесь
- High
- высший
- наивысший
- очень
- исторический
- исторический
- проведение
- имеет
- горизонт
- Горизонты
- час
- Как
- How To
- Однако
- HTML
- HTTPS
- i
- идея
- Idle
- if
- иллюстрирует
- дисбаланс
- немедленная
- улучшение
- in
- включают
- включены
- В том числе
- доход
- Увеличение
- расширились
- самостоятельно
- инфляция
- наделяют информацией
- информация
- начальный
- нематериальный
- интегрированный
- интересный
- Интерфейс
- Мультиязычность
- интерпретация
- в
- Введение
- инвентаризация
- исследовать
- инвестиций
- Вложения
- IT
- пункты
- присоединился
- журнал
- путешествие
- Знать
- знание
- известный
- Фамилия
- запуск
- вести
- Наша команда
- Лиды
- изучение
- наименее
- уход
- Меньше
- такое как
- Вероятно
- Ограниченный
- линия
- логистика
- долгосрочный
- потери
- от
- Низкий
- ниже
- машина
- обучение с помощью машины
- сделанный
- Главная
- сделать
- управление
- способ
- руководство
- вручную
- Производители
- многих
- рынок
- соответствует
- максимизации
- максимальный
- Май..
- значить
- значения
- означает
- означает,
- проводить измерение
- Встречайте
- Метаданные
- метод
- методы
- Метрика
- Наша миссия
- смешанный
- ML
- модель
- Модели
- Модерн
- БОЛЕЕ
- утро
- самых
- перемещение
- Скользящие средние
- с разными
- должен
- Должен иметь
- Названный
- природа
- Откройте
- Возле
- необходимо
- Необходимость
- необходимый
- потребности
- Новые
- новый продукт
- Новости
- Газеты
- следующий
- отметил,
- сейчас
- номер
- наблюдать
- of
- предлагают
- Предложения
- .
- on
- ONE
- постоянный
- только
- открытый
- с открытым исходным кодом
- Программное обеспечение с открытым исходным кодом
- работать
- операция
- оперативный
- Операционный отдел
- оптимальный
- оптимизация
- Оптимизировать
- or
- заказы
- обычный
- организационной
- организации
- оригинал
- Другое
- наши
- внешний
- Результаты
- выходной
- за
- общий
- переопределение
- Затоваривание
- собственный
- пакет
- пара
- часть
- партнеры
- части
- мимо
- для
- Выполнять
- период
- периодов
- перспектива
- штук
- план
- планирование
- Платон
- Платон Интеллектуальные данные
- ПлатонДанные
- пожалуйста
- Точка
- пунктов
- расположены
- возможное
- После
- потенциал
- потенциально
- прогноз
- Predictions
- предпочитать
- Подготовить
- предотвращать
- предыдущий
- предварительно
- цена
- цены
- первичный
- Основной
- Предварительный
- Проблема
- проблемам
- процесс
- производит
- Произведенный
- производит
- Продукт
- Производство
- Продукция
- Прибыль
- доходы
- предложило
- обеспечивать
- приводит
- покупки
- преследовать
- вопрос
- Вопросы
- САЙТ
- R
- ассортимент
- редко
- Стоимость
- скорее
- достигать
- реальные
- реальный мир
- реализованный
- причина
- последний
- рекомендуя
- Red
- уменьшить
- относиться
- назвало
- относительный
- полагаться
- осталось
- удаление
- исследованиям
- ресурс
- Полезные ресурсы
- те
- результат
- в результате
- розничный
- розничный торговец
- розничной торговли
- обзоре
- Снижение
- Дорожная карта
- условиями,
- Run
- Бег
- s
- Сохранность
- sagemaker
- главная
- то же
- Сценарии
- SCI
- Наука
- сезонный
- Раздел
- разделах
- посмотреть
- стремится
- выбор
- выбор
- продаем
- Продавцы
- Серии
- служить
- обслуживание
- Услуги
- выступающей
- набор
- несколько
- Форма
- Поделиться
- лист
- полка
- СДВИГАЯ
- покупатели
- краткосрочный
- должен
- показывать
- показанный
- Шоу
- аналогичный
- одинарной
- So
- Software
- проданный
- Решение
- Решения
- некоторые
- специалист
- конкретный
- спекулятивный
- квадраты
- стабильный
- заинтересованных сторон
- и политические лидеры
- современное состояние
- статистический
- Шаг
- Шаги
- акции
- диск
- хранить
- История
- прямой
- стратегий
- Стратегия
- учился
- успешный
- поставка
- Спрос и предложение
- цепочками поставок
- система управления цепями поставок
- поддержка
- Системы поддержки
- Поддержка
- избыток
- синтетический
- системы
- ТАБЛИЦЫ
- взять
- принимает
- задачи
- команда
- технологии
- сказать
- чем
- который
- Ассоциация
- Будущее
- их
- Их
- теория
- Там.
- Эти
- они
- вещи
- think
- этой
- те
- мысль
- продуманное лидерство
- тысячи
- три
- Через
- время
- Временные ряды
- в
- слишком
- жесткий
- к
- Торговля
- Обучение
- Transform
- преобразований
- правда
- истинное значение
- два
- типично
- В конечном счете
- Неопределенный
- Неопределенность
- под
- понимать
- созданного
- Ед. изм
- единиц
- до
- использование
- используемый
- через
- ценностное
- Наши ценности
- разнообразие
- Вид
- хотеть
- законопроект
- Путь..
- we
- Web
- веб-сервисы
- ЧТО Ж
- были
- любой
- когда
- когда бы ни
- в то время как
- будь то
- который
- в то время как
- КТО
- широкий
- Широкий диапазон
- будете
- в
- без
- рабочий
- работает
- бы
- Ты
- ВАШЕ
- зефирнет
- нуль