雷锋网AI研习社按：随着人工智能时代的到来，传统的人工预测将被淘汰，取而代之的是运用更准确、自动化的人工智能算法进行预测。在零售领域，需求预测可以有效地优化库存管理，通过自动化且精准的预测，可以降低库存周转率和人力资源，进而降低企业的成本，提升企业的竞争力。在本次公开课中，讲者结合在杉数科技的项目经验，分享实际场景中的建模思路，深入剖析如何为企业带来巨大的商业价值。
分享嘉宾：陈廷豪，台湾大学与比利时根特大学双硕士学位，主要研究方向为机器学习、深度学习等。加入杉数科技后，主要负责需求预测与库存管理相关项目，现已为多家大型企业提供技术服务。
公开课回放视频网址：
分享主题：
零售场景中的需求预测
分享提纲：
需求预测场景介绍
优化算法概述
建模思路
案例分享
雷锋网AI研习社将其分享内容整理如下：
大家好，我是杉数科技算法工程师陈廷豪，主要研究方向为机器学习和深度学习，在杉数主要负责库存管理和需求预测，今天很开心、也很荣幸来到AI研习社大讲堂跟大家分享零售场景下的需求预测。
什么是零售场景呢？举个例子，一般我们常去的便利店、超市，都可以称为零售场景。那为什么零售场景要做需求预测呢？假设我是一个店长，发现店里的牛奶卖完了，那就需要赶紧去补货。问题是牛奶需要配送的时间以及生产的时间，没有办法立刻去补货。意思就是在零售场景里面，必须预测未来某个时间点的销量是多少，继而提早在仓库里面具备充足的牛奶，这样才可以避免销量损失。另外如果预测结果准确，就不用在仓库里备太多的牛奶，就可以降低库存周转率、降低成本，从而提升企业竞争力。所以说需求预测在零售场景是一个非常重要的课题，而且不仅仅局限于零售场景，一般只要牵涉到销量与仓库，都会需要做需求预测。不过我今天分享的主要内容，还是零售场景的需求预测。
今天这个分享我分了四个主题，如图所示：
首先是需求预测的场景介绍，如图是一个非常典型的需求预测场景：
还是刚刚举的例子，消费者可能会去超市买牛奶，数据库里面会记录销量，销量是会随着时间改变的，也就是可以把需求预测转化成一个时间序列的问题。除了销量数据之外，还有一些商品信息、促销数据之类的。
下面我们来探讨一下，哪些因素会影响需求，如图所示：
在介绍完需求预测场景之后，我们现在来看看优化算法概述，会提到一些基本的模型。解决需求预测这个时间序列问题，一般会用到下面三个模型，我会倾向于跟大家分享这些模型适用于哪些场景。
首先介绍一下时间序列模型，在数据少、趋势明显、周期明显等情况下，时间序列模型要比其他两个模型更适用。但因为影响销量的因素有很多，一般时间序列模型主要是用来当一个Bench mark。
第二个是机器学习模型，适用于数据多、特征显著、可解释性强的情况下，一般客户会想知道为什么预测出这个值，而机器学习可以根据特征的重要性给出解释，所以非常适合在业界使用。
接下来是深度学习模型，它适用于大量的数据、特征复杂的情况，还有一个优点是能进行end-to-end训练。
第三部分是想要跟大家分享一下建模的思路，怎么去建模，怎么去攻克预测的问题。一个比较简单的建模思路就是对模型去做融合，如图所示：
下面再跟大家分享一下分层建模：
接下来看一个例子，根据销量和波动性划分一个四象限，这是非常好的一个思路。
最后来跟大家分享一下，我在杉数科技实际遇到的一些项目，我们是怎么去解决的。
今天的分享就到此结束，谢谢大家。
查看完整的分享内容，请点击链接观看：http://www.mooc.ai/open/course/669?=Leiphone 。
以上就是本期嘉宾的全部分享内容。更多公开课视频请到雷锋网 AI 研习社社区（http://ai.yanxishe.com/ ）观看。
关注微信公众号：AI 研习社（okweiwu），可获取最新公开课直播时间预告。
正在生成分享图...
田哲