999在线视频精品免费播放观看-国产在线观看无码免费视频-漂亮人妻被中出中文字幕-国产精品妇女一二三区

背景

在日趨激烈的市場競爭中,服裝產(chǎn)業(yè)的每一個環(huán)節(jié)都呼喚更加精細(xì)化的管理,以達(dá)到降本增效的目的。在服裝銷售環(huán)節(jié),廣東志華軟件科技有限公司(以下簡稱“志華軟件”)亟需在其軟件中添加銷售預(yù)測功能。該功能將幫助服裝企業(yè)預(yù)測市場趨勢,根據(jù)預(yù)測結(jié)果實現(xiàn)智能配貨,節(jié)省因為缺貨導(dǎo)致的調(diào)貨成本,以及根據(jù)預(yù)測結(jié)果調(diào)整營銷策略,從而讓服裝企業(yè)更好地適應(yīng)市場需求。志華軟件在有限資源情況下,通過與 AWS 算法工程師、數(shù)據(jù)科學(xué)家合作共創(chuàng)算法,利用 Amazon SageMaker 部署算法、訓(xùn)練模型,并在 AWS 團(tuán)隊的幫助下將算法工程化,集成于應(yīng)用系統(tǒng)中,最終實現(xiàn)了銷售預(yù)測功能。

銷量預(yù)測的基本原理及方法

銷量預(yù)測是通過對歷史的銷售數(shù)據(jù)和相關(guān)的影響因素進(jìn)行分析建模,利用模型來預(yù)測未來的銷量。其中相關(guān)的影響因素,通常包括促銷、廣告、價格、庫存、節(jié)假日、競品信息等。銷量預(yù)測是一個時間序列預(yù)測的問題,從方法上可以分為以下幾類:

  1. 傳統(tǒng)時間序列預(yù)測:主要通過時間序列的自相關(guān)性對未來值進(jìn)行預(yù)測 ,比如 Moving Average(MA)類,ES,ARMA,ARIMA 等。

  2. 機(jī)器學(xué)習(xí)類:從特征工程著手,通過時間滑窗將歷史數(shù)據(jù)轉(zhuǎn)化為特征,從而將時序問題轉(zhuǎn)化為經(jīng)典的回歸問題,比如 LightGBM,GBDT,CatBoost 等。

  3. 神經(jīng)網(wǎng)絡(luò)類:使用神經(jīng)網(wǎng)絡(luò)構(gòu)建模型,比如 DeepAR,Transformer,MQ-CNN,TFT 等。

機(jī)器學(xué)習(xí)類和神經(jīng)網(wǎng)絡(luò)類通常是在所有時間序列上聯(lián)合訓(xùn)練單個模型,如果在一段時間內(nèi)有許多相似的時間序列,聯(lián)合訓(xùn)練可能是有益的。在銷量預(yù)測的任務(wù)上,效果通常優(yōu)于傳統(tǒng)時間序列預(yù)測的方法。

對不同的預(yù)測場景,最優(yōu)模型可能不同。志華技術(shù)團(tuán)隊經(jīng)過與 AWS 團(tuán)隊的討論以及技術(shù)預(yù)演,決定采用 AutoML 的方式,在 AWS 云上通過 SageMaker 運行 AutoGluon 機(jī)器學(xué)習(xí)訓(xùn)練框架,根據(jù)模型效果,選擇不同場景下的最優(yōu)方案,實現(xiàn)銷售預(yù)測功能。

算法技術(shù)選型

AutoGluon 介紹

AutoGluon 是亞馬遜推出了開源代碼庫,它可以自動執(zhí)行機(jī)器學(xué)習(xí)任務(wù),使您能夠輕松地在應(yīng)用程序中實現(xiàn)強(qiáng)大的預(yù)測性能。只需幾行代碼,您就可以在圖像、文本、時間序列和表格數(shù)據(jù)上訓(xùn)練和部署高精度機(jī)器學(xué)習(xí)和深度學(xué)習(xí)模型。

由于銷售數(shù)據(jù)是一種典型的時間序列數(shù)據(jù),因此我們采用 AutoGluon 算法進(jìn)行銷售預(yù)測。AutoGluon 可以根據(jù)歷史數(shù)據(jù)和其他相關(guān)協(xié)變量預(yù)測多個時間序列的未來值。一次調(diào)用 AutoGluon TimeSeriesPredictor 的 fit() 方法即可訓(xùn)練多個模型以生成準(zhǔn)確的概率預(yù)測,并且不需要您手動處理模型選擇和超參數(shù)調(diào)整等繁瑣問題,如下列代碼所示:

from autogluon.timeseries import TimeSeriesDataFrame, TimeSeriesPredictordata = TimeSeriesDataFrame('https://autogluon.s3.amazonaws.com/datasets/timeseries/m4_hourly/train.csv')predictor = TimeSeriesPredictor(target='target', prediction_length=48).fit(data)predictions = predictor.predict(data)

在底層,AutoGluon 結(jié)合了各種最先進(jìn)的預(yù)測算法。其中包括 StatsForecast 和 statsmodels 庫中的 ETS 和 ARIMA 等已建立的靜態(tài)方法,基于 AutoGluon-Tabular 的 LightGBM 等高效的基于樹的預(yù)測器,以及 GluonTS 中的 DeepAR 和 Temporal Fusion Transformer 等靈活的深度學(xué)習(xí)模型。

Amazon SageMaker 介紹

Amazon SageMaker 是亞馬遜云科技推出的一款全托管的機(jī)器學(xué)習(xí)平臺(包括傳統(tǒng)機(jī)器學(xué)習(xí)和深度學(xué)習(xí)),它覆蓋了整個機(jī)器學(xué)習(xí)的生命周期,如下圖所示:

SageMaker 支持豐富的機(jī)器學(xué)習(xí)框架,例如 TensorFlow,PyTorch,MXNet 及 AutoGluon 等。與此同時,SageMaker Pipeline 功能幫助構(gòu)建的持續(xù)集成和持續(xù)交付(CI/CD)服務(wù),大大提升了算法開發(fā)效率。下圖是一個 Pipeline 的例子:

在具體實現(xiàn)上,AWS 團(tuán)隊與志華軟件的技術(shù)團(tuán)隊合作,逐步完善了數(shù)據(jù)處理邏輯和特征工程,比如缺失值的處理,促銷的類型,價格特征的構(gòu)造等,進(jìn)一步提升模型效果。此外,AWS 團(tuán)隊根據(jù)實際情況優(yōu)化了 Pipeline 數(shù)據(jù)處理步驟,讓志華軟件普通業(yè)務(wù)人員也能夠通過 Amazon SageMaker 的界面配置參數(shù),使 Pipeline 可以靈活的選擇模型特征和預(yù)測區(qū)間,以適用不同的銷量預(yù)測場景。

如下圖所示,志華軟件普通業(yè)務(wù)人員根據(jù)業(yè)務(wù)需求,通過配置參數(shù)訓(xùn)練模型。

整體方案架構(gòu)

影響銷售預(yù)測算法預(yù)測準(zhǔn)確度的核心是數(shù)據(jù),到隨著預(yù)測算法的深入應(yīng)用,數(shù)據(jù)的準(zhǔn)備是一項日常工作;另外,預(yù)測結(jié)果如何與 ERP 系統(tǒng)集成也是一個亟待解決的問題。

由于銷售數(shù)據(jù)保存在生產(chǎn)系統(tǒng)的 RDS for MySQL 數(shù)據(jù)庫中,同時開發(fā)運維人員非常熟悉 SQL,因此通過 SQL 語句準(zhǔn)備訓(xùn)練數(shù)據(jù),解決方案以某種技術(shù)手段自動拉取數(shù)據(jù),輸入到 Amazon SageMaker 算法模型訓(xùn)練流水線中是開發(fā)運維人員系統(tǒng)希望采用的方式?紤]到最大限度減少維護(hù)成本,志華團(tuán)隊與 AWS 解決方案架構(gòu)師討論,決定采用無服務(wù)器化服務(wù)進(jìn)行架構(gòu)。

首先,我們選擇 AWS Glue 作為 ETL 的工具。AWS Glue 是一種無服務(wù)器化的 ETL 服務(wù)。在本方案中,由于銷售數(shù)據(jù)具有時效性,我們通過定時觸發(fā) Glue Job 將數(shù)據(jù)從 RDS 導(dǎo)入到指定的 S3 存儲桶中。

第二,當(dāng) Glue Job 完成 ETL,任務(wù)的狀態(tài)變更觸發(fā) Eventbridge Rule,通過 Lambda 啟動訓(xùn)練流水線。

第三,當(dāng)模型訓(xùn)練完成,系統(tǒng)觸發(fā) Glue Job 將推理結(jié)果保存到 RDS 數(shù)據(jù)庫。

最后,我們得到以下整體解決方案,實現(xiàn)了端到端的集成,即數(shù)據(jù)從 RDS 中來,推理結(jié)果又保存回 RDS,將推理結(jié)果保存到 RDS 中有利于后續(xù)應(yīng)用集成。方案架構(gòu)如下圖所示:

方案優(yōu)勢及收益

  • 在系統(tǒng)運維層面,由于采用 SageMaker 作為模型訓(xùn)練及推理平臺,僅在模型訓(xùn)練及推理時候存在費用。由于本方案采用無服務(wù)器化設(shè)計,運維人員無需進(jìn)行服務(wù)器的運維工作。

  • 在與 ERP 系統(tǒng)集成方面,本解決方案通過批量推理的方式一次性地將結(jié)果寫入 RDS 關(guān)系型數(shù)據(jù)庫,方便 ERP 系統(tǒng)開發(fā)人員對推理結(jié)果做集成,例如可以通過 SQL 語句就可以查詢某個 SKU 在未來某一天的銷售預(yù)測情況,并且預(yù)測結(jié)果保存在關(guān)系型數(shù)據(jù)庫中也方便與現(xiàn)有的 BI 系統(tǒng)做集成。

  • 在業(yè)務(wù)方面,通過方案的部署,志華軟件可以獲得服裝在某個區(qū)域的銷售趨勢以及服裝未來一周內(nèi)的某個服裝商品的銷量預(yù)測。這幫助志華軟件添加產(chǎn)品特色,是 ERP 銷售新的亮點,目前志華軟件已經(jīng)將該功能部署于幾個客戶當(dāng)中。

未來展望

AI 技術(shù)在企業(yè)的銷售計劃、商品計劃和經(jīng)營管理分析中扮演著重要角色。利用大數(shù)據(jù)分析,AI 能夠獲取精準(zhǔn)的市場數(shù)據(jù),并借助其強(qiáng)大的分析能力和算法優(yōu)勢提高操作效率和準(zhǔn)確性。

(1)銷售計劃方面:AI 自動化生成報告和分析結(jié)果,同時監(jiān)控市場變化并及時調(diào)整銷售計劃,提升精準(zhǔn)度和反應(yīng)速度。

(2)商品計劃方面:通過實時監(jiān)測庫存水平和市場需求變化,AI 自動生成最優(yōu)采購計劃以保證庫存充足且不造成過度存貨,并幫助企業(yè)更好地解市場需求和客戶行為。

(3)經(jīng)營管理方面:通過預(yù)測銷量輔助企業(yè)經(jīng)驗管理,AI 實現(xiàn)優(yōu)化生產(chǎn)計劃、提升客戶滿意度、優(yōu)化供應(yīng)鏈管理以及提高運營效率等多個關(guān)鍵作用。

AI 銷量預(yù)測具有強(qiáng)大的優(yōu)勢,在銷售計劃、商品計劃和經(jīng)營管理分析等方面帶來高效性和精準(zhǔn)性,讓企業(yè)能夠更加順暢地進(jìn)行各項操作,實現(xiàn)持續(xù)增長和發(fā)展,進(jìn)而獲得更大的成功。

志華軟件通過與 AWS 團(tuán)隊的合作實現(xiàn)銷售預(yù)測功能,并應(yīng)用于一些客戶的日常使用中。在項目過程中,雙方有更深的相互了解,希望后續(xù)針對 AI/ML 加強(qiáng)合作,特別是生成式 AI 在行業(yè)中的應(yīng)用做更多的探索。

轉(zhuǎn)載:https://aws.amazon.com/cn/blogs/china/how-f18erp-leverages-aws-services-for-sales-forecasting/