Skip to main content

> ML_RECIPE // HIERARCHICAL-RETAIL-DEMAND-FORECASTING_v1.0

Hiyerarşik Perakende Mağaza-SKU Talep Tahmini

Envanter ikmalini optimize etmek ve ürün tükenmelerini en aza indirmek için 50.000 mağaza-SKU kombinasyonunda 14 günlük günlük birim talebini tahmin etmek.

time series forecastingretail cpgApache-2.0low-cloud
Tüm Tariflere Dön

İş Hedefi ve Beklenen Çıktı

Envanter ikmalini optimize etmek ve ürün tükenmelerini en aza indirmek için 50.000 mağaza-SKU kombinasyonunda 14 günlük günlük birim talebini tahmin etmek.

Kabul Kriteri (Acceptance Criteria):

Forecast must consistently beat 4-week seasonal moving average across >= 85% of SKU volume.

Sezgisel Temel (Heuristic Baseline)

Mevsimsel Hareketli Ortalama: Haftanın aynı günü için son 4 haftanın satış ortalaması.

Temel Model Performansı:

Seasonal moving average achieved WAPE 0.31 with severe over-forecasting during promotional weekends.

Aşama 1: Prototip Geliştirme Yolu

En çok satan 500 SKU üzerinde gecikme öznitelikleri, promosyon takvimi ve kayan pencere istatistikleri üretin. LightGBM regresyon modelini eğitip WAPE ve SMAPE ile değerlendirin.

Donanım: Developer laptop or workstation with 16GB RAM

Aşama 2: Üretim Dağıtım Yolu

Tahmin işlerini Apache Spark/Ray üzerinde mağaza kategorilerine göre bölümleyin. Hiyerarşik uzlaştırma ile haftalık LightGBM modelleri eğitin. Satın alma emirlerini ERP sistemine aktarın.

Donanım: Cloud CPU worker instance (16 vCPU, 64GB RAM, no GPU required)

Hesaplama ve Dağıtım Mimarisi (Placement Topologies)

Eğitim Dağıtımı (Training Placement)

CPU cluster üzerinde haftalık zamanlanmış distributed batch training job (örn. 16 core, 64GB RAM)

Çıkarım Dağıtımı (Inference Placement)

14 günlük kayan satın alma önerilerini önceden üreten günlük zamanlanmış batch job

3 Kademeli Dağıtım Seçenekleri (Placement Alternatives)

Plan A: En Basit Yaşayabilir (Simplest)

Mağaza grupları için paralel Python joblib süreçleri çalıştıran tek bir çok çekirdekli CPU sunucusu.

Plan B: Donanıma Uygun (Hardware-Fitted)

Toplu dağıtık eğitim ve çıkarım çalıştıran dağıtık CPU işçi kümesi (8 düğümde Ray).

Plan C: Üretime Hazır (Production-Ready)

Bulut veri ambarı entegrasyonu (Snowflake/BigQuery) + Ray CPU dağıtık eğitim + otomatik hiyerarşik uzlaştırma (aşağıdan-yukarıya + yukarıdan-aşağıya) + ERP webhook senkronizasyonu.

Önerilen Kütüphaneler & Araçlar

★ BİRİNCİL KÜTÜPHANELightGBMMicrosoft
İncele
statsmodelsstatsmodels Developers / NumFOCUS
İncele
DartsUnit8
İncele
NeuralForecastNixtla
İncele

Yönetişim, Güvenceler ve Riskler

Yönetişim Kuralları:
  • Otomatik satın alma siparişlerinin geçmiş aylık hacmin %200'ünü aşmasını engelleyen manuel tedarik tavanı uygulayın.
  • Pandemi veya olağanüstü kapanma dönemlerini standart mevsimsel eğitim pencerelerinden izole edin.