有誰認識使用 JMP 進行需求預測的客戶？我的客戶目前正在為其產品進行需求預測。 他們向我徵求有關使用 JMP 進行需求預測的一些建議。 我認為時間序列預測平台適合他們的情況，因為他們有成千上萬的項目要預測。 如果有人可以在使用時間序列預測進行需求預測時與我分享一些建議，我將不勝感激。
他們的情況如下：
- 他們想使用歷史月度銷售數據（幾年）預測未來幾個月對數千種商品的需求。
- 目前他們使用簡單的移動平均法進行預測。
- 有多種銷售模式。 有些項目有季節性模式。 有些項目可以使用移動平均法進行預測。
這裡有一些問題：
- 有誰認識使用 JMP 進行需求預測的客戶？ 從您/他們的經驗中學習、了解他們吸取的任何教訓並探索他們用來提高需求預測準確性的策略將很有幫助。
- 我們應該多久更新一次需求預測以確保准確性？ 隨著新數據的出現，是否有最佳實踐來監控和調整我們的預測？
- 在進行需求預測時，我們是否應該注意任何潛在的挑戰或陷阱？
如果您能提供有關需求預測的任何其他見解或建議，我們將不勝感激。
回复：有人認識使用 JMP 進行需求預測的客戶嗎？嗨 Yuichi-San，
我唯一一次遇到接近的事情是客戶想要在從計劃階段到訂購到生產和交付的過程的不同步驟中預測項目時間和必要的資源計劃（工時），以便更好地預測客戶的時間表和更好地整合內部人力資源。 全部按創新水平、重要性水平和其他一些因素分類。
但是，為了至少提供一些指導，我嘗試回答您的一些問題：
1. 他們確實需要分析他們產品銷售行為的模式。 如果有季節性趨勢，則應將其包括在內。 如果涉及其他一些常規趨勢，人們可能想找到我們的哪種 AR 模式與時間序列最匹配，以便在預測中具有較低的風險。 是的，這是一項工作，但如果他們想獲得比蠻力移動平均線更準確的東西，這可能會領先。通常，帶有列切換器的圖形生成器趨勢圖足以識別少數最有意義的產品，從而變得更加具體。
2. 更新模型通常取決於您注意到銷售行為變化的頻率。 通常對於時間序列建模，我會說每季度一次是一個很好的檢查點。 如果我有一個非常新的產品，它真的會變得更加困難，因為模型可能必須調整幾個購買階段。 最初發佈時對產品了解不多，然後是炒作階段，然後是穩定階段，然後是冷卻階段，最後又是穩定階段。 在這裡我建議更經常地檢查模型是否需要調整（也因為你可能在幾個月甚至幾年後才開始關注季節性趨勢（除非從產品本身就很清楚，比如滑雪靴；））成熟的並且定期的產品是您需要更新模型的頻率越低。
3. 如果有特殊事件分散了您的數據和常規趨勢的注意力，陷阱往往會出現。 只是一個例子，你可以翻譯成這個客戶的產品：
- 一家電信公司對他們的 SMS 收入做出了預測（很久很久以前：D），在某個時候他們看到了一天中數據的真正高峰。 那是 WhatsApp 停電的時候。 如果您將此類數據點留在預測數據中，您可能會得到錯誤或不太準確的預測。
- 如果您在數據中具有基礎結構，例如取決於週末/工作日使用情況的產品，您可能希望拆分數據並分別為兩者構建模型。 否則你會再次變得不太準確。
- 另一件事是考慮我想看多遠的過去。 有些技術一直很重要，但過了一段時間後它們變得不那麼重要了（想想 dvd/藍光，藍光據說是大新事物，但在它們真正起飛之前流媒體是大新事物）。
- 還要考慮您想要預測多遠的未來並依靠預測。 基本上出於與上述類似的原因
我希望這會有所幫助，儘管它可能無法回答您所有的問題以及您需要的細節。
可能@劍草有什麼要補充的嗎？
回复：有人認識使用 JMP 進行需求預測的客戶嗎？你好@馬丁德梅爾,
感謝你的回复。你的建議對我很有幫助。 我相信它會幫助我的客戶。
非常感謝您的幫助。
由一
