솔루션즈 액셀러레이터
규모에 맞게 수요 예측
사전 구축된 코드, 샘플 데이터 및
단계별 지침을 Databricks 노트북에
즉시 적용합니다.
수요 예측은 과거 데이터와 기타 분석 정보를 활용하여 특정 기간 동안 특정 제품에 대한 향후 고객 수요를 예측하는 데 도움이 되는 모델을 구축하는 프로세스입니다. 무엇보다도 제품 로드맵, 인벤토리 생산, 인벤토리 할당을 형성하는 데 도움이 됩니다.
McKinsey에 따르면 공급망 예측 정확도가 10%~20% 향상되면 인벤토리 비용이 5% 감소하고 수익이 2%~3% 증가할 가능성이 높습니다. 마진 폭을 줄이는 것이 더욱 중요해 지면서 이 비율은 성패를 좌우할 수 있습니다. 그러나 기존의 공급망 예측 도구는 원하는 결과를 제공하지 못하여 소매업체와 제조업체의 성공을 제한했습니다.
더 짧은 시간에 소매점 수준에서 세분화된 예측 생성
Databricks 레이크하우스 플랫폼의 분산 컴퓨팅 성능을 활용하여 매장의 보유 품목 수준에서 보다 효율적인 방식으로 세분화된 예측을 수행합니다. 이 액셀러레이터는 소매업체가 예측 정확도가 낮은 기존 데이터 분석 솔루션의 기술적 한계를 극복하도록 지원합니다. 대신, 빡빡한 서비스 기간 내에 원자 수준 데이터에 대한 전체 예측을 수행하여 다음과 같은 작업을 할 수 있습니다.
- 각 매장 항목 조합에 대한 예측 구성
- 매장 전체의 각 제품에 대한 수요 예측
- 새로운 판매 데이터가 들어오면 효율적으로 새로운 예측을 생성하고 기존 예측 추가
- Python 또는 R에서 작업
Nixtla를 통한 간헐적 수요 예측
세분화된 예측은 종종 간헐적인 수요 패턴을 노출합니다. 이러한 패턴에는 쉽게 예측할 수 있는 규칙적인 주기로 움직이지 않는 상품에 대한 예측을 생성하기 위한 특수 기술이 필요합니다.
Nixtla의 파트너와 함께 구축한 이 액셀러레이터에서는 이러한 기술을 사용하여 다음을 실현하는 방법을 살펴봅니다.
- 간헐적인 수요가 발생하는 수많은 매장-항목 조합에 대한 확장 가능하고 정확한 예측
- 각 매장 항목 조합에 가장 적절한 모델이 선택되도록 보장하는 자동화된 모델 선택(모델 베이크오프라고도 함)
- 새로운 예측을 생성하는 최적의 빈도를 식별하는 데 도움이 되는 지표
간소화된 제조를 위해 부품 수준에서 수요 예측
집계 수준이 아닌 부품 수준에서 수요 예측을 수행하여 공급망 중단을 최소화하 고 판매를 늘립니다. 이 액셀러레이터를 활용하여 얻을 수 있는 이점은 다음과 같습니다.
- 자유롭게 확장할 수 있는 세분화된 수요 예측 구축
- 자재 부족 관리 및 과잉 계획 예측