W świecie globalnych łańcuchów dostaw o wysokich stawkach różnica między „dobrym przypuszczeniem” a „precyzyjną prognozą” jest często mierzona w milionach dolarów nadmiaru zapasów lub utraconej sprzedaży. Od dziesięcioleci standardem branżowym było opieranie się na silnikach prognozowania wbudowanych w Planowanie zasobów przedsiębiorstwa (ERP) systemy; przede wszystkim Zintegrowane planowanie biznesowe SAP (IBP).
Jednak w miarę jak zmienność rynku staje się nową trwałą, pojawiła się fundamentalna wada tych starszych systemów. Podczas gdy SAP i jego rówieśnicy nadal opierają się na ramach matematycznych XX wieku, nowa fala technologii, zapoczątkowana przez Wskaźnik, wreszcie wprowadza nagrodzone Nagrodą Nobla badania ekonomiczne do sali posiedzeń.
Pułapka jednowymiarowa: dlaczego SAP widzi tylko połowę obrazu
Większość tradycyjnych rozwiązań planistycznych, w tym SAP, opiera się na modele prognozowania jednowymiarowego. Mówiąc prościej, modele te patrzą na jedną zmienną, taką jak poprzednia sprzedaż, aby przewidzieć przyszłe wyniki. Zasadniczo patrzą w lusterko wsteczne, aby sterować samochodem.
Podczas gdy SAP pozwala na „zewnętrzne regresory”, czynniki takie jak inflacja czy pogoda, wdrożenie jest zasadniczo błędne:
- Problem „Prognoza dla prognozy”: Aby użyć czynnika zewnętrznego w SAP, musisz najpierw sam przedstawić idealną prognozę dla tego czynnika. Jeśli chcesz wiedzieć, jak stopy procentowe wpłyną na Twoją sprzedaż, musisz powiedzieć SAP, jakie będą stopy procentowe przez następne 12 miesięcy.
- Błąd spojrzenia w przyszłość: Ponieważ użytkownikom często brakuje doskonałych przyszłych danych dla tych czynników zewnętrznych, system często domyślnie używa danych historycznych jako proxy dla „poprzedniej prognozy” podczas oceny modelu. To tworzy stronniczość spojrzenia w przyszłość, gdzie model wydaje się bardzo dokładny podczas testów, ponieważ „znał” przyszłość, ale zawodzi żałosnie w rzeczywistym zastosowaniu.
Przełom: modele wielowymiarowe i Nagroda Nobla w 2011 roku
Przejście z jednowymiarowego do prognozowanie wielowymiarowe Stanowi największy skok w zakresie dokładności predykcyjnej w ciągu ostatnich 50 lat. W przeciwieństwie do podejścia SAP, modele wielowymiarowe traktują cały ekosystem, sprzedaż, trendy rynkowe i wskaźniki ekonomiczne; jako jeden, połączony system.
Ta metodologia, w szczególności Autoregresja wektorowa (VAR), był przełomem w 1970 roku, który zasadniczo zmienił sposób, w jaki rozumiemy przyczynę i skutek w makrogospodarce. Znaczenie tych badań było tak głębokie, że jego pionierzy, Christopher Sims i Thomas Sargent, zostały nagrodzone Nagroda Nobla w dziedzinie ekonomii w 2011 roku.
„Piękno modeli wielowymiarowych polega na tym, że nie tylko pytają „co się stało?” ; modelują relacje między każdą zmienną jednocześnie, rejestrując „dlaczego” stojące za trendami”.
Indico: Demokratyzacja modelu „niemożliwego”
Jeśli modele wielowymiarowe są tak lepsze, dlaczego nie zmieniła się każda firma? Historycznie barierą była złożoność. Modele te wymagają elitarnego poziomu wiedzy do ustalenia parametry, hiperparametry i priorytety bayesowskie. Bez doktora z ekonometrii model VAR jest prawie niemożliwy do prawidłowego dostrojenia; często prowadzi do „nadmiernego dopasowania” lub całkowitego załamania modelu.
Wskaźnik zmienił grę, automatyzując „Expert-in-the-Loop”.
Wykorzystując zaawansowane uczenie maszynowe do obsługi ciężkiego wyboru parametrów i łączenia modeli, Indicio udostępnia wielowymiarowe prognozowanie kalibru Nobela każdemu decydentowi. Nie musisz już być statystykiem, aby uwzględnić wahania PKB, wskaźniki cen konsumpcyjnych lub regionalne zmiany gospodarcze.
Wyjście poza arkusz kalkulacyjny
Rzeczywistość jest taka, że Twój biznes nie istnieje w próżni. Na sprzedaż wpływa gospodarka, na którą wpływa polityka, na którą wpływają wydarzenia globalne. Kontynuowanie korzystania z modelu jednowymiarowego jest jak próba rozwiązania zagadki 3D za pomocą mapy 2D.
Indicio udostępnia mapę 3D. Automatyzując najbardziej wyrafinowane modele w historii gospodarczej, pozwala firmom przestać reagować na rynek i zacząć go przewidywać.
Czy chciałbyś, abym pomógł Ci opracować konkretną propozycję studium przypadku, aby pokazać kierownictwu, w jaki sposób wielowymiarowe podejście Indicio może zmniejszyć twój konkretny błąd prognozy?
