案例研究：电子商务企业的零售需求预测问题
为了更详细地说明预测概念，请以在线销售产品的电子商务企业为例。优化供应链中的决策（例如，库存管理）对于这种企业的核心竞争力至关重要，因为这有助于在适当的配送地点获得准确的产品数量。从本质上讲，这意味着有更多的选择，更短的配送时间和有竞争力的价格，从而提高客户满意度。供应链软件系统的关键输入是对需求的预测或对目录中每种产品的潜在销售额的预测。这一预测有助于做出重要的下游决策，其中关键包括：
-
宏观层面的规划（战略预测）：对于整个企业而言，总销售额/收入的预计增长是多少？ 在地理位置上，企业应该在哪里（更）活跃？ 应如何配备劳动力？
-
需求（或库存）预测：每个地点每种产品的预计销量是多少？
-
促销活动（战术预测）：促销活动应如何进行？ 产品是否应清算？
案例研究的其余部分侧重于第二个问题，这是运营预测问题系列的一部分（Januschowski & Kolassa，2019）。本文档关注的主要方面：数据、模型（预测器）、推论（预测）和产品化。
在本案例研究中，重要的是要记住，预测问题是达到目的的一种手段。尽管预测对企业至关重要，但下游供应链决策更为重要。在我们的案例研究中，这些决策是由依赖运筹学数学优化模型的自动购买系统做出的。这些系统试图将企业的预期成本降至最低。
关键词是预期，这意味着预测不仅应涵盖一种可能的未来，还应涵盖所有可能的未来，并根据特定结果的概率适当加权。为此，下游决策的关键推动因素是预测值的完整分布，而不仅仅是一个点预测。下图显示了概率预测（也称为密度预测）。请注意，您可以轻松地从这种概率预测中得出单点预测（最有可能的未来），但是从点预测得出概率预测要困难得多。
给定一个概率预测，您可以从中获得不同的统计数据，并对结果进行调整，以帮助您做出想要的决策。电子商务企业可能有许多关键产品，他们几乎不希望这些产品断货。在这种情况下，使用高分位数（例如，第 90 个百分位数），这意味着 90% 的时间内，产品都是有现货的。对于其他产品，例如更容易找到替代品的产品（如铅笔），使用较低的百分位数可能更合适。
在 Amazon Forecast 中，您可以轻松地从概率预测中获得不同的分位数。
概率预测图解
在上图中，黑线是实际值；深绿色线是预测分布的中值；深绿色阴影区域是您预计 50% 的值将落入的预测区间；浅绿色区域是您预计 90% 的实际值将落入的预测区间。
以下各节涵盖了解决这种企业的预测问题所涉及的步骤，包括：
