案例研究：電子商務企業的零售需求預測問題
為了更詳細地說明預測概念，請考量電子商務企業線上銷售產品的案例。最佳化供應鏈方面的決策 (例如庫存管理) 對於此企業的核心競爭力至關重要，因為這有助於在適當的履約地點備妥準確數量的產品。基本上，這意味著更短的出貨時間和價格優勢方面的選擇餘裕，從而造就更高的客戶滿意度。供應鏈軟體系統的主要輸入，是型錄中每項產品的需求預測或潛在銷售量預測。此預測可運用在重要的下游決策，主要包括：
-
宏觀層面規劃 (策略性預測)：就企業整體而言，總銷售額/收入方面的預計增長為何？ 企業應在哪些區域展現積極性或更為積極？ 人力應如何配置？
-
需求 (或庫存) 預測：每項產品在每個地點的預期銷售數量為何？
-
促銷活動 (戰術性預測)：促銷活動應如何進行？ 產品是否應清倉減價？
案例研究的其餘部分側重於第二個問題，這是營運預測問題 (Januschowski 和 Kolassa，2019) 的一部分。本文件以主要考量為基調：資料、模型 (預測器)、推論 (預測) 和生產化。
對於此案例研究請牢記，預測問題只是達到目的的手段。儘管預測對企業而言至關重要，但更重要的是下游供應鏈決策。在我們的案例研究中，這些決定是由自動化購買系統進行的，而這些系統採用來自運營研究的數學最佳化模型。這些系統會嘗試將企業的預期成本降到最低。
關鍵字是預期，這意味著預測不僅應涵蓋一個可能的未來，還應涵蓋所有可能的未來，並根據特定結果的可能性使用適當的加權。為此，下游決策的關鍵推動因子將是預測值的完整分佈，而非僅止於點預測。下圖顯示機率預測 (也稱為密度預測)。請注意，您可以從這個機率預測中輕鬆導出單點預測 (最有可能的未來)，但是從點預測導出機率預測將會困難得多。
有了機率預測，您即可從中獲得不同的統計資料，並適當自訂結果以利做出您想要的決策。電子商務企業可能會有多項他們絕不想缺貨的主要產品。在此案例中，我們使用高分位數 (例如，第 90 個百分位數)，其實質意義為產品有 90％ 的時間有庫存。對於其他產品，例如較容易找到替代品的產品 (如鉛筆)，使用較低的百分位數可能較合適。
在 Amazon Forecast 中，您可以機率預測輕鬆獲得不同的分位數。
機率預測圖例
在上圖中，黑線是實際值；深綠色線是預測分佈的中位數；深綠色陰影區域是您預期 50% 的值所將隸屬的預測區間；淺綠色區域是您預期 90% 的實際值所將隸屬的預測區間。
以下幾節說明解決此企業的預測問題所涉及的步驟，包括：
