杉數科技陳廷豪：零售場景中的需求預測 | AI 研習社 第144期大講堂總結

雷鋒網AI研習社按：隨著人工智慧時代的到來，傳統的人工預測將被淘汰，取而代之的是運用更準確、自動化的人工智慧演算法進行預測。在零售領域，需求預測可以有效地優化庫存管理，通過自動化且精準的預測，可以降低庫存周轉率和人力資源，進而降低企業的成本，提升企業的競爭力。在本次公開課中，講者結合在杉數科技的項目經驗，分享實際場景中的建模思路，深入剖析如何為企業帶來巨大的商業價值。

分享嘉賓：陳廷豪，台灣大學與比利時根特大學雙碩士學位，主要研究方向為機器學習、深度學習等。加入杉數科技後，主要負責需求預測與庫存管理相關項目，現已為多家大型企業提供技術服務。

公開課回放視頻網址：

http://www.mooc.ai/open/course/669?=Leiphone

分享主題：

零售場景中的需求預測

分享提綱：

• 需求預測場景介紹

• 優化演算法概述

• 建模思路

• 案例分享

雷鋒網AI研習社將其分享內容整理如下：

大家好，我是杉數科技演算法工程師陳廷豪，主要研究方向為機器學習和深度學習，在杉數主要負責庫存管理和需求預測，今天很開心、也很榮幸來到AI研習社大講堂跟大家分享零售場景下的需求預測。

什麼是零售場景呢？舉個例子，一般我們常去的便利店、超市，都可以稱為零售場景。那為什麼零售場景要做需求預測呢？假設我是一個店長，發現店裡的牛奶賣完了，那就需要趕緊去補貨。問題是牛奶需要配送的時間以及生產的時間，沒有辦法立刻去補貨。意思就是在零售場景裡面，必須預測未來某個時間點的銷量是多少，繼而提早在倉庫裡面具備充足的牛奶，這樣才可以避免銷量損失。另外如果預測結果準確，就不用在倉庫里備太多的牛奶，就可以降低庫存周轉率、降低成本，從而提升企業競爭力。所以說需求預測在零售場景是一個非常重要的課題，而且不僅僅局限於零售場景，一般只要牽涉到銷量與倉庫，都會需要做需求預測。不過我今天分享的主要內容，還是零售場景的需求預測。

今天這個分享我分了四個主題，如圖所示：

首先是需求預測的場景介紹，如圖是一個非常典型的需求預測場景：

還是剛剛舉的例子，消費者可能會去超市買牛奶，資料庫裡面會記錄銷量，銷量是會隨著時間改變的，也就是可以把需求預測轉化成一個時間序列的問題。除了銷量數據之外，還有一些商品信息、促銷數據之類的。

下面我們來探討一下，哪些因素會影響需求，如圖所示：

在介紹完需求預測場景之後，我們現在來看看優化演算法概述，會提到一些基本的模型。解決需求預測這個時間序列問題，一般會用到下面三個模型，我會傾向於跟大家分享這些模型適用於哪些場景。

首先介紹一下時間序列模型，在數據少、趨勢明顯、周期明顯等情況下，時間序列模型要比其他兩個模型更適用。但因為影響銷量的因素有很多，一般時間序列模型主要是用來當一個Bench mark。

第二個是機器學習模型，適用於數據多、特徵顯著、可解釋性強的情況下，一般客戶會想知道為什麼預測出這個值，而機器學習可以根據特徵的重要性給出解釋，所以非常適合在業界使用。

接下來是深度學習模型，它適用於大量的數據、特徵複雜的情況，還有一個優點是能進行end-to-end訓練。

第三部分是想要跟大家分享一下建模的思路，怎麼去建模，怎麼去攻克預測的問題。一個比較簡單的建模思路就是對模型去做融合，如圖所示：

下面再跟大家分享一下分層建模：

接下來看一個例子，根據銷量和波動性劃分一個四象限，這是非常好的一個思路。

最後來跟大家分享一下，我在杉數科技實際遇到的一些項目，我們是怎麼去解決的。

今天的分享就到此結束，謝謝大家。

查看完整的分享內容，請點擊鏈接觀看：http://www.mooc.ai/open/course/669?=Leiphone。

以上就是本期嘉賓的全部分享內容。更多公開課視頻請到雷鋒網 AI 研習社社區（http://ai.yanxishe.com/）觀看。

關注微信公眾號：AI 研習社（okweiwu），可獲取最新公開課直播時間預告。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！