需求预测是利用历史数据和其他分析信息来构建模型的过程，这些模型有助于预测特定时期内客户对特定产品的需求的未来估计。它有助于塑造产品路线图、库存生产和库存分配等等。
根据麦肯锡例如，供应链预测精度提高10%至20%，就可能使库存成本降低5%，收入增加2%至3%。在一个利润率日益狭窄和关键的世界里，这个比例可能决定成败。但传统的供应链预测工具未能提供预期的结果，限制了零售商和制造商的成功。
在更短的时间内生成零售店级别的细粒度预测
利用Databricks Lakehouse平台的分布式计算能力，以有效的方式在商店项目级别执行细粒度预测。bob体育客户端下载这个加速器帮助零售商克服传统数据分析解决方案的技术限制，这些技术限制会降低预测的准确性。相反，在紧凑的服务窗口内对原子级数据执行完整的预测，例如:
- 为每个商店商品组合构建一个预测
- 计划各商店对每种产品的需求
- 随着新的销售数据的到来，有效地生成新的预测并附加现有的预测
- 使用Python或R语言
使用niktla进行间歇性需求预测
细粒度预测经常暴露间歇性需求模式。这些模式需要专门的技术来对那些不以规律的、容易预测的节奏移动的商品进行预测。
在这个加速器中，我们与尼克特拉的合作伙伴一起建立，我们演示了如何使用这些bob体育外网下载技术来生产:
- 可扩展的，对经历间歇性需求的大量商店项目组合的准确预测
- 自动选择模型，即模型烘焙，以确保为每个商店项目组合选择最佳模型
- 帮助我们确定生成新预测的最佳频率的指标
预测零件层面的需求以实现流线型制造
在零件级别而不是总体级别执行需求预测，以最大限度地减少供应链中断并增加销售额。利用这个加速器:
- 构建细粒度的需求预测，可以在更频繁的基础上可伸缩地执行
- 管理物资短缺和预测过度计划
