Demand Planning
Desenvolvimento de uma base de vendas, limpa de outliers e eventos.
Abordagem a um novo Demand Planning
Base
Desenvolvimento de uma base histórica de vendas, purificada de outliers e eventos.
Consolidação dos dados de eventos, em formato padronizado e replicável, de forma que possam ser utilizados na fase de Geração.
Geração
Definição do horizonte de previsão (curto vs longo prazo)
Introdução de métodos automáticos, reduzindo o esforço manual e aumentando a robustez.
Modelos de séries temporais combinados com modelos causais (aprendizagem de máquina), capturando tendências históricas juntamente com entradas de eventos, permitindo previsões de vendas mais precisas.
Validação
Implementação de uma estratégia para validar todas as previsões geradas, destacando as previsões com baixa precisão ou que se desviam do alvo.
Análise das vendas históricas e previsões de produtos similares (marca, embalagem, ...) para aprimorar o processo de validação.
Monitorização
Definição de métricas de precisão, transversais a toda a organização.
Painel de monitoramento com visualizações personalizadas para as necessidades dos stakeholders, permitindo diferentes tipos de análises.
Identificação de metas de KPI para avaliar oportunidades de melhoria.
Impulsionar a geração de previsões
Séries Temporais
Modelos de Séries Temporais
O modelo de previsão utiliza análise de séries temporais que são capazes de capturar tendências e sazonalidades (por exemplo, diversos modelos de suavização exponencial, autorregressivos e de média móvel).
Agregação
Diferentes níveis de agregação são automaticamente testados e avaliados na história, nomeadamente tanto na hierarquia de produtos quanto na hierarquia de canais de vendas.
Modelos Causais
O modelo aumentará ainda mais a confiabilidade ao aplicar modelos causais (por exemplo, aprendizado de máquina) para relacionar tendências e sazonalidades a variáveis exógenas, incluindo informações sobre eventos e outros dados.
.webp)
