Entschlüsseln Sie die Bedeutung von Nullverkäufen in der Einzelhandelsprognose mit KI und maschinellem Lernen.
Die 5 wichtigsten Aussagen:
- Im Einzelhandel erfordern sogenannte „Zero-Sales-Events“ besondere Aufmerksamkeit bei der Anwendung von Nachfrageprognosemodellen. Es ist oft schwierig zu bestimmen, ob ein Produkt tatsächlich keine Nachfrage hatte oder einfach nicht verfügbar war.
- Es wird argumentiert, dass es mindestens zwei verschiedene Arten von „Nullen“ gibt, die für die Beschreibung von Verkäufen im Einzelhandel notwendig sind: Die „Nachfrage-Null“ und die „Verfügbarkeits-Null“. Erstere spiegelt das tatsächliche Fehlen von Nachfrage wider, während letztere einfach auf die Nichtverfügbarkeit des Produkts hinweist.
- Die Unterscheidung zwischen diesen beiden Arten von „Nullen“ ist entscheidend für eine unvoreingenommene Modellschulung. Die Einbeziehung oder Ausschluss von Nullen kann die durchschnittlichen Verkaufszahlen erheblich beeinflussen.
- Die Vorhersagegenauigkeit kann verbessert werden, indem die erwartete Rate von Nullen mit der Vorhersage verglichen wird. Dies kann dazu beitragen, systematische Probleme in den Daten zu identifizieren, z.B. wenn die beobachtete Anzahl von Nullen stets zu groß ist.
- Die richtige Handhabung von Zero-Sales-Events kann dazu beitragen, viele andere KPIs, wie z.B. den Bias, in einen akzeptablen Bereich zu bringen. Daher sollte die Überprüfung des Zustands von Nullen ein Standarddiagnoseschritt in Projekten zur Nachfrageprognose sein.
Ganzen Artikel lesen:https://blog.blueyonder.com/why-zero-sales-come-in-at-least-two-kinds/
KI-Update in Kurzform:
In der Einzelhandelsprognose sind Ereignisse mit Nullverkäufen ein heißes Thema. Warum? Weil es schwer zu sagen ist, ob ein Nullverkauf auf mangelnde Nachfrage (niemand wollte das Produkt) oder auf Nichtverfügbarkeit (das Produkt war gar nicht erst im Regal) zurückzuführen ist.
Eine Möglichkeit, dies zu überprüfen, besteht darin, die vorhergesagte Wahrscheinlichkeit, eine Null zu beobachten, mit der tatsächlich beobachteten Häufigkeit von Nullverkaufsereignissen zu vergleichen. Wenn diese nicht gut übereinstimmen, haben wir es mit einem ernsthaften Datenproblem zu tun. Und hier kommt die KI ins Spiel: Mit Hilfe von künstlicher Intelligenz und maschinellem Lernen können wir verschiedene Konzepte von Null definieren und analysieren, um ein genaues Bild der Verkaufssituation zu erhalten. So viel zu Nullen, oder?