Datová věda pro prognózování dodavatelského řetězce

Recenze čtenářů

Kniha „Data Science for Supply Chain Forecasting“ je praktickým zdrojem informací pro odborníky na dodavatelské řetězce a datové analytiky, který nabízí solidní kombinaci teorie a aplikace. Přestože poskytuje cenné poznatky a je přístupná začátečníkům, někteří čtenáři považují obsah za základní a nedostatečně hluboký, zejména pro pokročilé datové vědce. Několik recenzentů navíc upozornilo na problémy s kvalitou tisku, což jim ubralo na celkovém dojmu.

⬤ Praktický a praktický přístup pro odborníky na dodavatelské řetězce a datové analytiky.
⬤ Dobře strukturované kapitoly, které propojují teorii s praktickými poznatky.
⬤ Přístupný jazyk a jasná vysvětlení i pro začátečníky v jazyce Python.
⬤ Obsahuje cenné tipy a kód pro prognózování.
⬤ Užitečné pro různé obory mimo dodavatelský řetězec, například plánování a prodej.

⬤ Některý obsah je vnímán jako základní a neposkytuje nové poznatky pro pokročilé datové vědce.
⬤ Kniha se nezabývá některými pokročilými tématy, jako jsou modely ARIMA nebo hluboké učení.
⬤ Problémy s kvalitou tisku, včetně vypadávání stránek, což vede k nespokojenosti.
⬤ Někteří čtenáři mají pocit, že kniha je vzhledem ke kvalitě tisku předražená.

(na základě 10 hodnocení čtenářů)

Původní název:

Data Science for Supply Chain Forecasting

Obsah knihy:

Využití datové vědy k řešení problému vyžaduje spíše vědecké myšlení než dovednosti v oblasti kódování. Data Science for Supply Chain Forecasting, Second Edition tvrdí, že k dosažení dokonalosti v předvídání poptávky je třeba v dodavatelských řetězcích používat skutečnou vědeckou metodu, která zahrnuje experimentování, pozorování a neustálé kladení otázek.

Toto druhé vydání přidává více než 45 % obsahu navíc, a to díky čtyřem novým kapitolám, včetně úvodu do neuronových sítí a rámce přidané hodnoty prognózy. Část I se zaměřuje na statistické "tradiční" modely, část II na strojové učení a zcela nová část III pojednává o řízení procesu předpovídání poptávky. Jednotlivé kapitoly se zaměřují jak na prognostické modely, tak na nové koncepty, jako jsou metriky, underfitting, overfitting, odlehlé hodnoty, optimalizace funkcí a vnější faktory poptávky. Kniha je plná kapitol typu "udělej si sám" s implementacemi uvedenými v jazyce Python (a v Excelu pro statistické modely), které čtenářům ukazují, jak tyto modely sami aplikovat.

Tato praktická kniha, která pokrývá celou škálu prognózování - od základů až po nejmodernější modely - bude přínosem pro pracovníky v oblasti dodavatelských řetězců, prognostiky a analytiky, kteří chtějí v prognózování poptávky udělat něco navíc.

Události kolem knihy

Odkaz na akci De Gruyter Online, v níž autor Nicolas Vandeput spolu se Stefanem de Kokem, inovátorem v oblasti dodavatelských řetězců a generálním ředitelem společnosti Wahupa; Spyrosem Makridakisem, profesorem na univerzitě v Nikósii a ředitelem Institutu pro budoucnost (IFF); a Edouardem Thieuleuxem, zakladatelem společnosti AbcSupplyChain, diskutují o obecných otázkách a výzvách předpovídání poptávky a poskytují náhled na osvědčené postupy (proces, modely) a diskutují o tom, jak datová věda a strojové učení tyto předpovědi ovlivňují.

Akci bude moderovat Michael Gilliland, marketingový manažer prognostického softwaru SAS:

Https: //youtu. be/1rXjXcabW2s.