描述性、预测性和规范性分析

[nurnobi40]

需求计划在供应链管理中起着至关重要的作用，因为它对战略、战术和运营决策的所有三个决策层面都有着深远的影响。为了确保在不断变化和竞争的领域中保持可持续发展，公司必须不断调整和重新调整供应链技术和流程。而需求计划自然是实现这一目标的起点。由于计算机功能和算法的惊人增长以及易于使用、简单且用户友好的 BI 工具的出现，数据分析技术在过去几年中呈指数级发展。许多公司积累了来自各种来源的大量数据。公司成功的一个关键因素在于能够有效地利用这些数据来获得供应链优势。数据分析主要有三种解释方式。理解和分析历史数据（描述性分析）、预测未来（预测性分析）和决策支持（规范性分析）。分析将如何改变我们今天的预测方式？
描述性分析——发生了什么？
它是对历史数据（例如销售历史）的解释和可视化，从汇总级别到最详细的级别。描述性分析的主要优势之一是能够根据异常情况开展工作，而不必费力地处理大量数据。这反过来又会产生时间，可用于为流程增加价值，例如检测牛鞭效应或识别销售的季节性变化。这是建立持续改进流程的第一步。总之，描述性分析专注于诊断分析。这支持公司分析、理解和可视化历史数据。这是识别问题和提高整体供应链绩效的关键一步。
预测分析——会发生什么？
基于历史数据和描述性分析，预测分析试图通过预测各种数据系列来定义未来 瑞典的电话号码 的图景。其目的是增强决策过程。机器学习或数据挖掘等方法通常被称为预测模型。这些技术的主要思想是搜索、发现和分析变量之间的模式、关系和相关性。这包括历史销售、项目属性或外部数据，如 POS 或 CRM。为了使预测与历史数据一致，它被限制在可能性范围内。这是描述性分析和预测分析携手合作的地方，通过查看预测的内容和实际发生的情况。这是通过将特定时期的销售预测档案与已知销售值进行比较来完成的。
规范分析——如何实现？
通过研究这些数据：历史、预测和结果，Prescriptive Analytics 能够构建多个假设情景，以便为用户提供灵活性，让他们选择对业务最有利的结果。例如，他们可以分析过去哪些产品卖得好、为什么卖得好以及什么时候卖得好，然后提出促销数量等建议，以获得市场份额。系统还可以建议对计划进行更改，同时充分考虑天气、宏观经济或政治问题等外部因素。在这两种情况下，Prescriptive Analytics 都会提供建议、机会、结果和问题的可能解决方案。可能性很多，一开始甚至可能令人生畏。但这可能对决策过程产生的影响超过了复杂性，投资于此类技术可以快速产生可观的投资回报。