AI预测引擎使用说明

观小远发表于:2020年10月21日 21:20:26更新于:2020年10月22日 00:07:53


简介

观远AI预测引擎,是内置在BI平台内的一组零售时序预测功能,可以用它来做各种具有零售类似时序特征的数据预测,例如:

1. 销售预测

可以用AI预测引擎来做各级别的销售预测,大到门店,小到品类,甚至SKU。有了可靠的销售预测的数据,商品层面,对于鲜食类商品,可以做更为客观的订货量评估,降低报废风险的同时把握更多销售机会;对于大众消费商品,可以提供更为精准的动销天数估算,指导商品订货、补货、配货。另一方面,销售预测也可以用来指导人员排班,以及提供更为合理的销售进度评估。

2. 客流预测

门店或者商场管理者也可以用AI预测引擎来做客流预测。

使用简介

在观远Smart ETL中,用户仅需要拖入一个“AI预测引擎”算子,接入事先预处理好的历史数据,然后简单配置日期字段、预测指标,以及指标聚合维度(日/周/月/季度/年)和预测周期数,便可开始预测。预测结果可以输出到数据集进行下一步的展示分析与决策支持。

0015f903600f2e2d6455981a7767979

以上图为例,我们介绍一个典型的时序预测ETL的配置流程:

Step 1:添加历史数据集

历史数据需包含日期字段、预测指标(例如销售金额)。如果有需要按不同维度分类(比如商品品类),则还需包含维度分类信息。

这边,我们选择的数据集包含订单日期、小类信息与销售金额几个字段。

0015f90364c5f0e58a8174764bee37b

Step 2:日期转换至与预测周期保持一致

第二步,如果我们的指标预测并不是按天预测,那么我们就需要对日期信息做一步处理。例如,这个案例中,我们需要对销售金额做周度的预测,那么我们需要把所有的日期转换至当天所在周的第一天,也就是当周周一。使用DATE_TRUNC函数就可以做到。

这里需要说明的是,为保证预测数据的准确性,需要确保每个时间周期内包含完整的指标数据。例如,要做周预测,但最后一周数据不满一周,则要把最后不满一周的数据截掉。

0015f9036687c17139f7438b1834455

DATE_TRUNC函数使用说明:DATE_TRUNC(格式, 日期字段),返回该时间/日期对应的取断时间/日期,格式输入支持:'year','week','day','hour'等。例如:DATE_TRUNC('week', [下单时间]),返回该行"下单时间"字段对应的当周第一天。

Step 3: 聚合预测指标至上一步的日期维度

将指标数据聚合至预测维度以及上一步转换得到的新日期字段。

0015f903697c5a61e053087ccec35c4

Step 4: 使用AI预测引擎进行指标预测

使用AI预测引擎进行指标预测,只需指定相关的预测分类字段、预测指标、日期字段已经预测区间(N 天/周/月)即可。

预测结果会返回未来N个周期的预测值和上下限,同时也会给出历史数据的拟合值。

0015f9036b4bb4ab88e40d62d111051

Step 5: 关联回历史数据,便于绘制预测曲线

为了便于绘制预测曲线,我们可以把历史实际发生值再重新关联回来。

0015f9036e60d73bf30201cadd7c739

Step 6:输出数据

输出数据集。

Step 7:绘制预测曲线

观远提供了可视化扩展的能力,可以使用可视化拓展的“预测图”进行预测曲线绘制。(从2.13 版本开始可以安装插件使用预测图,具体方式请参考 观远产品帮助中心。)

0015f9036ff28abe971b6c049029e97

只要按照图表绘制要求拖入相应字段即可。

0015f90370dc1300cea5da0402d83a3

最后,在页面端配置一个分类筛选器,联动预测曲线即可。

0015f90371f0b0bc1fc508ac384abf2

总结

观远数据的“AI预测引擎”不同于传统的基于统计学的时序预测算法,而是嵌入了机器学习算法的能力,根据具体的业务数据情况,结合使用高效的广义累加模型和状态空间模型,统筹考虑零售时序数据的趋势性、周期性,并加入对节假日特征信息,给出综合预测结果,同时也可扩展促销、天气等可预测波动因素,可以说这是一个专门为零售预测而生的算法模型!

“AI预测引擎”主要适用于零售企业的销售预测、需求预测或客流预测等场景。通过简单的预测选项配置,我们可以做到对零售行业门店级别(以超市数据为例)的日商预测平均准确度达到83%(MAPE≈17.65%),个别门店接近90%;而细化到单门店单品类(鲜肉类)的日商预测,准确度达到84%。而在这个基础上,未来我们还能提供更多配置项,添加诸如天气情况、促销活动、品类级别的日期特征等外部信息,进一步提升数据预测的准确度;同时也可以提供多门店、多品类的批量预测。

展望

观远正在将以上预测流程简化至一个配置流程内,未来也会开放更多的外部特征输入,不断提升使用便捷性与预测准确度。


    您需要登录后才可以回复