or
Den här övningen är en del av kursen
När det gäller prognostisering är tidseriemodellering ett utmärkt sätt att börja. Du behöver förutsäga framtida försäljningsefterfrågan, och ARIMA-modeller är en bra grundläggande metod. I det här kapitlet lär du dig att snabbt implementera ARIMA-modeller och ta fram goda initiala prognoser för framtida produktefterfrågan.
Ekonomisk teori har mycket att säga om att förutsäga efterfrågevärden. Externa faktorer som pris, säsongsvariation och tidpunkten för kampanjer påverkar naturligtvis produktefterfrågan i viss utsträckning. I det här kapitlet lär du dig grunderna i priselasticitetsmodeller och hur du inkorporerar säsongs- och kampanjfaktorer i dina produktefterfrågansprognoser.
Tidseriemodeller och prisregressioner behöver inte betraktas som separata angreppssätt för prognostisering av produktefterfrågan – de kan kombineras. I det här kapitlet lär du dig två sätt att slå samman informationen från båda modelleringsansatserna: transferfunktioner och prognosensemblering.
Allt fram till det här kapitlet handlar om att skapa enskilda modeller för prognostisering av produktefterfrågan. Vi har dock ännu inte utnyttjat det faktum att alla dessa produkter bildar en produkthierarki av försäljning – produkter ingår i regioner och regioner ingår i delstater. Hur säkerställer vi att våra prognoser stämmer överens uppåt och nedåt i hierarkin? I det här kapitlet lär du dig om hierarkisk prognostisering och hur du kan använda den till din fördel när du prognostiserar produktefterfrågan.
Aktuell övning