FAQssobre o uso do aprendizado de máquina para prever a demanda de novos produtos

A seguir estão as perguntas frequentes relacionadas à implementação de um modelo de ML que prevê a demanda por lançamentos de novos produtos.

Quem devo mobilizar para iniciar o processo?

A prontidão de uma organização é diretamente influenciada pela quantidade de apoio que você tem da alta gerência. Recomendamos que você obtenha a aprovação dos gerentes do departamento de análise ou ciência de dados, cadeia de suprimentos, marketing e TI. Solicite apoio de outras partes interessadas e líderes, conforme apropriado para sua organização.

Que tipo de equipe devo montar?

Para entregar a iniciativa com sucesso e produzir resultados mensuráveis, monte uma equipe que inclua:

• Cientistas de dados para desenvolvimento de modelos

• Engenheiros de dados para coleta e ingestão de dados

• Engenheiros de aprendizado de máquina para implantação de modelos e um painel de autoatendimento

• Especialistas no assunto para especialização no domínio

Quais dados históricos eu preciso e de quanto?

Considere adquirir os seguintes dados:

• Dados de vendas de todos os produtos similares, desde o lançamento até a descontinuação.

• Metadados que descrevem as características e os atributos do produto. Exemplos desses atributos para produtos CE podem ser capacidade Bluetooth, recursos sem fio, USB tipo e cor.

• Dados relevantes de séries temporais relacionados aos dados de vendas, como dados de marketing, dados de feriados, dados de avaliações e dados de classificação.

  nota

  É vantajoso se você puder estender os dados relevantes da série temporal até o horizonte de previsão para inferência do modelo. Por exemplo, se os dados relacionados da série temporal forem feriados, você poderá estender os dados da série temporal para feriados no futuro porque conhece os feriados com antecedência.

Quando devo começar a gerar uma previsão de demanda para um novo produto?

Essa é uma decisão comercial que cada organização precisa tomar. Idealmente, uma organização deve usar a previsão para atender à demanda pelo novo produto. É recomendável gerar uma previsão de NPI demanda semanal ou mensal antes de começar a fabricar o novo produto. A previsão ajuda você a estimar adequadamente as peças e a mão de obra.

Quais dados de terceiros devo coletar?

Você pode considerar adicionar os seguintes dados de terceiros para obter uma previsão mais precisa: índice do consumidor, proxies de custo de vida e histórico de vendas da concorrência. Esses dados de terceiros seriam considerados dados de séries temporais relacionados. Considere obter esses dados no mesmo período de tempo que seus dados de vendas e na mesma periodicidade (como diariamente ou semanalmente).

Qual é a infraestrutura mínima que eu preciso?

No mínimo, a infraestrutura deve suportar o seguinte:

• Pipelines de ingestão de dados, em que os dados são coletados em lote ou por meio de modos de streaming

• Um ETL pipeline de pré-processamento que extrai e transforma os dados brutos em formatos de entrada padronizados para modelagem de ML

• Um ambiente de desenvolvimento para desenvolvimento, experimentação e validação de modelos

• Um pipeline de integração contínua e implantação contínua (CI/CD) que coloca o modelo de ML em produção

• Mecanismos para registro, monitoramento e reciclagem de modelos

• Uma camada de segurança que criptografa dados em trânsito e dados em repouso e fornece controle de acesso refinado

Como posso validar se minha abordagem baseada em dados é eficaz? O que é o KPIs?

Cada iniciativa de ciência de dados ou solução baseada em dados precisa ser validada em relação a um conjunto de indicadores-chave de desempenho (). KPIs Isso KPIs pode ser uma medida de quão próxima a previsão do modelo está da demanda real. Você pode gerar essa métrica para diferentes períodos de tempo, como previsões de 1 semana ou 1 mês no futuro. Você também pode medir diretamente quantas peças foram encomendadas em excesso ou subencomendadas, com base na previsão gerada pelo modelo. As partes interessadas e a alta gerência devem elaborar cuidadosamente um conjunto KPIs que acompanhe o desempenho do modelo. Use-os KPIs para determinar se estão atendendo às expectativas. ROI

Com que frequência devo gerar as previsões?

A frequência da previsão depende de dois fatores. Quão estreitamente conectada você deseja que a previsão esteja aos conjuntos de dados de séries temporais disponíveis? Quão variáveis são os dados dos conjuntos de dados de séries temporais relacionados? Em geral, a geração frequente de previsões pode ajudar sua organização a se preparar adequadamente para atender à demanda pelo novo produto.

Como faço para ativar o autoatendimento?

À medida que a capacidade aumenta, a organização deve desenvolver uma infraestrutura de autoatendimento que automatize a ingestão de dados, o pré-processamento e o pipeline de treinamento de modelos para geração de previsões. Os resultados e o impacto do modelo de ML devem ser medidos e publicados em um painel para acesso sob demanda.

Como os AWS preços funcionam?

Para obter mais informações, consulte Preços do AWS.