Saisonale exponentielle GlättungIch habe ermittelt, welche Daten am besten zu einem saisonalen exponentiellen Glättungsmodell passen. Ich erstelle meine Jahresprognose, muss aber Hunderte von Materialnummern prognostizieren. Die Prognose für jede einzelne Materialnummer zu erstellen, ist ein extrem langwieriger und mühsamer Prozess.
Schritte
Die Ist-Daten im Excel-JMP-Format bereitstellen.
Erste Spalte Monat Jahr
Nächste 100 Spalten mit den tatsächlichen Verkaufsdaten für jede Materialnummer.
Daten in JMP importieren
Analyse \ Spezialisierte Modellierung \ Zeitreihen
Monat Jahr zu X hinzufügen, Zeit-ID
Füge Materialnummern zu Y hinzu, Zeitreihe
Klicken Sie auf OK.
Prädiktive Modellierung und maschinelles LernenBetreff: Saisonale exponentielle GlättungIch sehe keine konkrete Frage. Ich nehme an, Ihre Frage lautet: Wie kann ich in JMP den Zeit- und Arbeitsaufwand für die von Ihnen genannten Schritte reduzieren?
Die meisten der von Ihnen genannten Schritte können durch die Einrichtung eines Workflows in JMP oder durch einfaches Ausführen der von Ihnen angegebenen Schritte, Erfassen der von JMP für diese Schritte verwendeten Skripte und anschließendes Zusammenfügen des Ganzen in einem Skript erledigt werden.
Wie auch immer Ihre
Analyse \ Spezialisierte Modellierung \ Zeitreihen
Die Vorgehensweise erscheint zu uneindeutig, um sie einheitlich zu behandeln, und zu unspezifisch, um konkrete Handlungsempfehlungen zu geben. Eine detaillierte Beschreibung aller Schritte unter „Analysieren“ > „Spezialisierte Modellierung“ > „Zeitreihen“ sowie aller erforderlichen Umwege wäre notwendig, damit die Community die Automatisierungsmöglichkeiten prüfen kann.
