إنه عام 2020 ؛ لدينا الآن تنبؤات جوية قصيرة المدى دقيقة إلى حد معقول. تشير NOAA ، الإدارة الوطنية للمحيطات والغلاف الجوي في الولايات المتحدة ، إلى أن توقعات الطقس لمدة خمسة أيام دقيقة تقريبًا بنسبة 90 في المائة ، و 80 في المائة للأيام السبعة المقبلة ، مما يحدد مستوى مقبول من الدقة لهذا المدخلات الخارجية الحاسمة لتخطيط سلسلة التوريد ، وخاصة التنبؤ بالطلب على المدى القصير.
مجد لأولئك الذين يكتبون عن الطريقة التي يؤثر بها الطقس على طلب المستهلك. بعض المقالات ترجع إلى عقد أو أكثر. ومع ذلك ، تغيرت الأمور. لقد حصلنا مؤخرًا على المكونات الأساسية في اللعبة ، وغيروا طريقة تفكيرنا في التنبؤ بالطلب المتأثر بالطقس:
- دقة أفضل للتنبؤات الجوية ،
- إمكانية الوصول على نطاق أوسع وأرخص إلى بيانات الطقس على المستويين المحلي والدولي ،
- كتلة حرجة من خوارزميات AI / ML العملية لاستكمال الأساليب العشوائية التقليدية و
- حجم الحوسبة السحابية ، وخاصة الحوسبة المتوازية المستندة إلى الأجهزة ، لبناء نماذج عملية.
استنادًا إلى عملنا الأخير مع شركة Fortune 100 CPG وسلسلة تجزئة صغيرة جدًا صغيرة الحجم تبيع العديد من منتجات تلك الشركة ، اكتسبنا فهمًا محسنًا للتنبؤ بالطلب القائم على الطقس في العالم التجاري. لم تكن العملية سهلة بأي حال من الأحوال. الملاحظات الرئيسية للمشاركة:
1) مسائل نقطة الفضل
يمكن لكل من شركة CPG وسلسلة البيع بالتجزئة إضافة الطقس كعامل خارجي في سير عمل التنبؤ الخاص بهم ، ولكن سيتعين عليهم العمل بقرارات مختلفة للمنتج وآفاق التنبؤ ، مما يؤدي إلى نماذج تنبؤية مختلفة إلى حد كبير. على سبيل المثال ، بصفتك بائع تجزئة ، فأنت بحاجة إلى معرفة المنتجات المحددة التي يجب وضعها على الرف الآن ، إذا كنت تعلم أنه في غضون يومين ، ستضرب عاصفة شتوية حيث توجد 10 بالمائة من متاجرك. من ناحية أخرى ، بصفتك شركة CPG ، فأنت بحاجة إلى معرفة مقدار الآيس كريم وما هو المزيج الذي سيتم بناؤه هذا الشهر قبل موسم الصيف الحار لطلبات البيع بالتجزئة القادمة. أيضًا ، تحتوي سلسلة البيع بالتجزئة على مجموعة أكثر ثراءً من البيانات مثل تفاصيل نقاط البيع ، وتوافر المنتجات المنافسة على الرف ، والتسعير ، والعروض الترويجية للمنتجات القابلة للاستبدال التي لها تأثير مبيعات فوري. يمكن لشركة CPG تحسين نتائج نموذجها التنبئي فقط إذا كان لديها هذا النوع من البيانات الإضافية.
2) أهمية قرار الموقع
نحن نعلم بشكل غريزي - ويمكننا أن نظهر إحصائيًا - أنه يمكنك إنشاء توقعات أكثر دقة بناءً على الطقس عندما يتم تجميع التوقعات على منطقة جغرافية أوسع. ومع ذلك ، بالنسبة للتخطيط التشغيلي لسلسلة التوريد ، فإننا غالبًا ما نحتاج إلى بيانات موقع دقيقة للغاية. هذا هو السبب في أهمية تقليل الأبعاد من خلال التكتل الجغرافي الذكي: تجميع المواقع التي يتشابه فيها الطقس بشكل كمي. نحن نسمي هذه "مجموعات المناخ الصغير".
3) مسائل حل المنتج
من الواضح أن بعض الطلب على المنتجات مرتبط بشكل كبير بالطقس. تشمل الأمثلة الكلاسيكية الآيس كريم ولحوم الشواء والمظلة والمجارف الثلجية والمياه المعبأة ، إلخ. المفتاح هو تحديد هذا الارتباط لجميع المنتجات عبر فترات زمنية ومجموعات مناخية صغيرة. علاوة على ذلك ، فإن المنتجات ذات العمر الافتراضي الأقصر مثل اللحوم الطازجة للشواء أو الفاكهة الطازجة هي الأكثر حساسية تجاه نفاد المخزون أو التلف بسبب الطقس ، مما يجعلها مرشحة جيدة لاتخاذ إجراءات سريعة لتشكيل الطلب.
4) تكرار التخطيط وأمر المهلة
عندما يتجاوز الفارق الزمني بين تجديد الرفوف والمبيعات للمستهلك عتبة الدقة الحاسمة التي تتراوح من 5 إلى 7 أيام ، تتدهور جودة توقعات الطقس على المدى القصير بسرعة. كن مطمئنًا ، لا تزال بيانات الطقس مفيدة للتحليلات في آفاق زمنية أخرى: الاتجاهات على أساس سنوي ، والتغيرات في الموسمية من شهر إلى عام ، والاختلافات من يوم إلى أسبوع ، وما إلى ذلك.
5) مسألة الارتباطات
في حين أن البيانات الرقمية (درجة الحرارة ، والرطوبة ، والمطر ، وسرعة الرياح) والبيانات الفئوية (الغيوم) متاحة بشأن الطقس ، فإننا نحتاج إلى حساب ارتباطاتها الداخلية ، على سبيل المثال ، لا مطر في يوم مشمس ، ولا ثلج عندما تكون درجة الحرارة 20 درجة الجو بارد فوق العادي. ثم هناك ارتباط بين الطلب ومتغيرات خارجية متعددة. أنت توافق على أن الطلب على لحوم الشواء في جنوب شرق الولايات المتحدة عندما يلعب منافسا كرة القدم في الكلية ألاباما وأوبورن في عطلة نهاية أسبوع مشمسة في أكتوبر يختلف اختلافًا كبيرًا عن الطلب على لحوم الشواء في أي عطلة نهاية أسبوع مشمسة في أكتوبر.
6) مسائل قابلية التوسع
حجم واحد لا يناسب الجميع عندما يتعلق الأمر بالحصول على نتائج عملية. مع عميل التجزئة لدينا ، اضطررنا إلى معالجة 2,000 وحدة تخزين فريدة فريدة تباع في ما يقرب من 9,000 موقع عبر المنطقة الجغرافية بحجم ولاية كاليفورنيا. في الوقت الذي حددنا فيه مجموعات المنتجات الحساسة للطقس ، والمواسم المرتبطة بالطقس ومجموعات المناخ الصغير ، انتهى بنا الأمر بآلاف "نماذج التأثيرات المناخية". هناك حاجة مطلقة إلى المستوى الصحيح من الأتمتة في معالجة البيانات ، وهندسة الميزات ، والتكتل ، والذكاء الاصطناعي وأدوات النمذجة القائمة على التعلم الآلي ، وصيانة معلمات النموذج. يتطلب هذا العمل النطاق. لذا ، إذا كنت تريد أن تخطو إلى الميدان ، فلا تكن صلاة الأسد الذي يحاول تدريب صغارها عليك.
باختصار ، التنبؤ بالطلب المتأثر بالطقس ليس بالأمر الهين. إنه ليس عنصر قائمة يمكنك شراؤه في مطعم فاخر تقيمه على Yelp! إنه أشبه بـ 10 جلسات من تدريب الصالة الرياضية الشاق مع مدرب محترف في Equinox. نعلم جميعًا أن العادات الجيدة والتأثيرات الإيجابية للتدريب في صالة الألعاب الرياضية تستمر لفترة أطول ، وأحيانًا مدى الحياة.
هل هذا كله يستحق الجهد والاستثمار؟ سنبلغ عن نتائج دقة التوقعات في الوقت المناسب عندما يكون عملاؤنا مستعدين لفضح هذا العمل. في الوقت الحالي ، يكفي القول أننا اكتسبنا بالفعل رؤية مهمة من تحليلات البيانات القائمة على الطقس والتطور اللاحق لنماذج الطلب المتأثرة بالطقس. يواصل عملاؤنا اتخاذ الإجراءات التكتيكية والتشغيلية بناءً على هذه الرؤى ، ونحن سعداء بذلك.
عمر بكالباسي هو رئيس الابتكار في سولفويو. Omer هو متخصص في سلسلة التوريد المخضرم مع أكثر من 20 عامًا من الخبرة في إدارة سلسلة التوريد ، مع التركيز على تحليلات الأعمال وصنع القرار القائم على الحقائق بالإضافة إلى تقديم برامج وخدمات استشارية عالية الجودة. تحفز شركة Omer على حل المشكلات التجارية الصعبة من خلال الابتكار وتكنولوجيا المعلومات والأتمتة مع التركيز دائمًا على النتيجة النهائية لإسعاد العملاء.
المصدر: https://logisticsviewpoints.com/2020/03/31/weather-influenced-demand-forecasting/
