FAQs 기계 학습을 사용하여 신제품 수요를 예측하는 방법

다음은 신제품 도입에 대한 수요를 예측하는 ML 모델 구현과 관련하여 자주 묻는 질문입니다.

프로세스를 시작하기 위해 누구를 동원해야 합니까?

조직의 준비 상태는 상위 경영진의 지원 정도에 직접적인 영향을 받습니다. 데이터 과학 또는 분석 부서, 공급망, 마케팅 및 IT 부서의 관리자로부터 승인을 받는 것이 좋습니다. 조직에 적합한 다른 이해관계자 및 리더의 지원을 요청합니다.

어떤 종류의 팀을 구성해야 하나요?

이니셔티브를 성공적으로 전달하고 측정 가능한 결과를 얻으려면 다음을 포함하는 팀을 구성합니다.

• 모델 개발을 위한 데이터 과학자

• 데이터 수집 및 수집을 위한 데이터 엔지니어

• 모델 배포 및 셀프 서비스 대시보드를 위한 기계 학습 엔지니어

• 도메인 전문 지식을 위한 주제 전문가

필요한 기록 데이터는 무엇이며 그 용량은 얼마입니까?

다음 데이터를 획득하는 것이 좋습니다.

• 제품 출시부터 중단까지 유사한 모든 제품에 대한 판매 데이터입니다.

• 제품 기능 및 속성을 설명하는 메타데이터입니다. CE 제품에 대한 이러한 속성의 예로는 Bluetooth 기능, 무선 기능, USB 유형 및 색상이 있습니다.

• 마케팅 데이터, 휴일 데이터, 검토 데이터, 등급 데이터 등 판매 데이터와 관련된 관련 시계열 데이터입니다.

  참고

  모델 추론을 위한 예측 기간으로 관련 시계열 데이터를 확장할 수 있다면 도움이 됩니다. 예를 들어 관련 시계열 데이터가 공휴일인 경우 미리 공휴일을 알고 있기 때문에 공휴일의 시계열 데이터를 미래로 확장할 수 있습니다.

신제품에 대한 수요 예측을 언제부터 생성해야 합니까?

이는 각 조직이 내려야 하는 비즈니스 결정입니다. 조직은 신제품 수요를 충족하기 위해 예측을 사용하는 것이 가장 좋습니다. 신제품 제조를 시작하기 전에 주간 또는 월간 NPI 수요 예측을 생성하는 것이 좋습니다. 예측을 통해 부품과 인력을 올바르게 추정할 수 있습니다.

어떤 타사 데이터를 수집해야 합니까?

소비자 인덱스, 생계 비용, 경쟁자 판매 기록 등 보다 정확한 예측을 얻기 위해 타사 데이터를 추가하는 것을 고려할 수 있습니다. 이 타사 데이터는 관련 시계열 데이터로 간주됩니다. 판매 데이터와 동일한 기간 동안 동일한 주기(예: 일별 또는 주별)로이 데이터를 가져오는 것이 좋습니다.

필요한 최소 인프라는 무엇입니까?

인프라는 최소한 다음을 지원해야 합니다.

• 데이터가 배치 또는 스트리밍 모드를 통해 수집되는 데이터 수집 파이프라인

• 원시 데이터를 추출하고 ML 모델링을 위한 표준화된 입력 형식으로 변환하는 사전 처리 ETL 파이프라인

• 모델 개발, 실험 및 검증을 위한 개발 환경

• ML 모델을 프로덕션으로 푸시하는 지속적 통합 및 지속적 배포(CI/CD) 파이프라인

• 모델 레지스트리, 모니터링 및 재훈련을 위한 메커니즘

• 전송 중인 데이터와 저장된 데이터를 암호화하고 세분화된 액세스 제어를 제공하는 보안 계층

데이터 기반 접근 방식이 효과적인지 확인하려면 어떻게 해야 합니까? KPIs이란 무엇입니까?

모든 데이터 과학 이니셔티브 또는 데이터 기반 솔루션은 일련의 주요 성능 지표()를 기준으로 검증되어야 합니다KPIs. 이는 모델의 예측이 실제 수요에 얼마나 근접하는지에 대한 측정치일 KPIs 수 있습니다. 향후 1주일 또는 1개월인 예측과 같이 다양한 기간에 대해이 지표를 생성할 수 있습니다. 또한 모델에서 생성된 예측을 기반으로 과다 정렬 또는 과소 정렬된 부분 수를 직접 측정할 수 있습니다. 이해관계자와 고위 경영진은 모델 성능을 추적KPIs하는 세트를 신중하게 만들어야 합니다. 이를 사용하여 ROI가 기대치를 충족하는지 KPIs 확인합니다.

예측은 얼마나 자주 생성해야 합니까?

예측 빈도는 두 가지 요인에 따라 달라집니다. 예측이 사용 가능한 시계열 데이터 세트에 얼마나 밀접하게 연결되기를 원하십니까? 관련 시계열 데이터 세트의 데이터는 얼마나 가변적입니까? 일반적으로 예측을 자주 생성하면 조직이 신제품에 대한 수요를 충족하기 위해 적절히 준비하는 데 도움이 될 수 있습니다.

셀프 서비스를 활성화하려면 어떻게 해야 합니까?

용량이 증가함에 따라 조직은 데이터 수집, 사전 처리 및 예측 생성을 위한 모델 훈련 파이프라인을 자동화하는 셀프 서비스 인프라를 개발해야 합니다. ML 모델 결과 및 영향을 측정하여 온디맨드 액세스를 위해 대시보드에 게시해야 합니다.

AWS 요금은 어떻게 적용되나요?

자세한 설명은 AWS 요금을 참조하세요.