トラック B: 電子商取引小売業者の需要予測と在庫最適化の問題
問題の背景:
電子商取引には何千もの販売業者が存在します。 ECプラットフォームをサポートする倉庫に商品を置き、ECプラットフォームがこれらの商品を一元管理します。科学的な管理方法とインテリジェントな意思決定を通じて、ビッグデータ インテリジェンスによって推進されるサプライ チェーンは、商品の納期厳守を確保しながら在庫コストを大幅に削減できます。一般に、上記のサプライ チェーン最適化問題には次の側面が含まれます。
電子商取引小売業者の過去の出荷リスト (付録 1) があり、これにより、各加盟店の過去の出荷がわかります。過去 6 か月間、さまざまな e コマース倉庫に保管されている商品の 1 日あたりの出荷量。出荷量が各倉庫の各商品の過去の需要であると仮定します。同時に、分類、ブランド、発効日など、各製品、販売者、倉庫に関する情報 (付録 2-4) も取得できます。この情報の選択と導入は、在庫の予測と管理を改善するのに役立ちます。サプライチェーンで。
予備的な質問: (継続的に更新されます)
まず、パート b 自体も問題を分割しており、1 つは需要予測、次に 2 番目のパートは倉庫在庫の最適化、そして 3 番目のパートは特殊な状況における需要の考慮です。
質問 1: 付録 1-4 のデータを使用して、2023 年 5 月 16 日から 2023 年 5 月 30 日までの各倉庫における各販売者の商品の需要を予測してください
。結果表 1 に予測結果を入力して競争プラットフォームにアップロードし、モデルの予測パフォーマンスを評価します。データ分析とモデリングのプロセスに基づいて、同じカテゴリの需要特性が最も類似するように、販売者、倉庫、商品によって形成された時系列をどのように分類できるかについても議論してください。
アイデア:
まず、１つ目の質問でございますが、まず、別表１－４のデータを用いて需要を予測し、予測後の性能評価を行うとともに、需要の予測方法を検討する必要があります。これらのカテゴリは、需要特性の点でより優れており、最も類似しています。
まずデータ フォームを観察しましょう。まず、これはテーブル 1 です。次に、このテーブルは製品名と製品番号に基づいてテーブル 2 に接続します。同時に、テーブル 1 は販売者番号に基づいてテーブル 3 に接続し、次を使用します。接続する倉庫番号は表4です。接続してください。次に、テーブル 1234 をマージします。テーブル 1234 を接続して大きなテーブルを形成したいと考えます。そこで最も直感的に考えられるのは、Python の PD マージ関数を使用することです。その後、コードに表示して、みんなに見せます。マージすると、テーブルはこのように大きなテーブルになります。これは、次のとおりです。ラベルを予測し、残りはその特徴であり、データを処理した後、予測を行います。
まずテーブルをマージし、前処理を行い、データがゼロであるか、明らかに間違った値を持っているかを観察し、次に相関分析、つまりこの関数を使用してその相関関係を観察し、高度なデータを出力します。関連する特徴を、その後の予測の特徴として使用します。この予測を主に経時的に調べる場合は、典型的な時系列予測を持つ Arima を使用するか、LSTM を使用することができます。もちろん、最も単純な文は線形回帰であり、これを採用できます。それから性能限界の評価をするのですが、予測結果のグラフと実際の付加価値のグラフの絵を出力したり、精度を出力したりして、それが良いかどうか、つまりどうすればよいかということを考えます。カテゴリがある場合は、同様のカテゴリとして使用できます。
と前のペアは基本的にクラスター分析を使用します。もちろん、後で詳しく説明します。コードと結果アイコンに基づいて紹介します。それでは、最初に問題を詳しく分析しましょう. 、その後、質問 2 と 3 については後ほど詳しく説明します。皆さんもぜひ注目してください。引き続き共有していきます。
質問 2: いくつかの新しい販売者 + 倉庫 + 製品の寸法 (付録 5) があります。その理由は、新しく発売された製品か、一部の製品が変更された可能性があります。保管されている倉庫。これらの新たに出現した予測次元を過去の添付資料 1 のデータを通じてどのように参照して、類似した配列を見つけ、2023 年 5 月 16 日から 2023 年 5 月 30 日までのこれらの次元の予測値を完成させることができるかについて議論してください。予想結果を結果表2に記入し、対戦プラットフォームにアップロードしてください。
アイデア:
質問 3: 大規模なプロモーションは毎年 6 月に定期的に開催されますが、これは正確な需要予測と契約履行に大きな課題をもたらします。添付資料 6 は、昨年のダブル イレブン期間中の添付資料 1 に対応する加盟店 + 倉庫 + 製品ディメンションの需要データを示しています。2023 年 6 月 1 日から 2023 年 6 月 20 日までの予測値を示すには、これらのデータを参照してください。予想結果を結果表3に記入し、対戦プラットフォームにアップロードしてください。
アイデア:
今回は、質問 B の完全な解決策のアイデアとコードを提供し、紙のテンプレートやその他の資料も共有します。必要な友人は注目して更新を続けることができます。完全なソリューション コードは、ここをクリックして入手できます。
# https://
# mbd.pub/o/bread/mbd-ZZWalpty