Știința datelor pentru previziunile lanțului de aprovizionare

Recenzii ale cititorilor

Cartea „Data Science for Supply Chain Forecasting” este o resursă practică pentru profesioniștii din domeniul lanțului de aprovizionare și analiștii de date, oferind o combinație solidă de teorie și aplicații. Deși oferă perspective valoroase și este accesibilă începătorilor, unii cititori consideră că conținutul este elementar și lipsit de profunzime, în special pentru cercetătorii avansați în domeniul datelor. În plus, mai mulți recenzenți au remarcat probleme legate de calitatea imprimării, ceea ce a diminuat experiența lor generală.

⬤ Abordare practică și hands-on pentru profesioniștii din lanțul de aprovizionare și analiștii de date.
⬤ Capitole bine structurate care fac legătura între teorie și informații concrete.
⬤ Limbaj accesibil și explicații clare, chiar și pentru începătorii în Python.
⬤ Conține sfaturi valoroase și cod pentru previziuni.
⬤ Util pentru diverse discipline dincolo de lanțul de aprovizionare, cum ar fi planificarea și vânzările.

⬤ Unele conținuturi sunt percepute ca fiind de bază și nu oferă perspective noi pentru cercetătorii avansați în domeniul datelor.
⬤ Cartea nu acoperă anumite subiecte avansate, cum ar fi modelele ARIMA sau învățarea profundă.
⬤ Probleme legate de calitatea imprimării, inclusiv pagini care cad, ceea ce duce la nemulțumire.
⬤ Unii cititori consideră că prețul cărții este exagerat în raport cu calitatea imprimării.

(pe baza a 10 recenzii ale cititorilor)

Titlul original:

Data Science for Supply Chain Forecasting

Conținutul cărții:

Utilizarea științei datelor pentru a rezolva o problemă necesită o mentalitate științifică mai mult decât abilități de programare. Data Science for Supply Chain Forecasting, Second Edition susține că o adevărată metodă științifică, care include experimentarea, observarea și chestionarea constantă, trebuie aplicată lanțurilor de aprovizionare pentru a atinge excelența în prognozarea cererii.

Această a doua ediție adaugă peste 45 la sută conținut suplimentar cu patru capitole noi, inclusiv o introducere în rețelele neuronale și în cadrul valorii adăugate a prognozei. Partea I se concentrează asupra modelelor statistice "tradiționale", partea a II-a, asupra învățării automate, iar partea a III-a, complet nouă, discută despre gestionarea procesului de prognoză a cererii. Diferitele capitole se concentrează atât pe modelele de prognoză, cât și pe concepte noi, cum ar fi metricile, subadaptarea, supraadaptarea, valorile aberante, optimizarea caracteristicilor și factorii determinanți externi ai cererii. Cartea este plină de secțiuni do-it-yourself cu implementări furnizate în Python (și Excel pentru modelele statistice) pentru a arăta cititorilor cum să aplice ei înșiși aceste modele.

Această carte practică, care acoperă întreaga gamă de previziuni - de la elementele de bază până la modelele de ultimă generație - va fi utilă practicienilor, previzioniștilor și analiștilor din domeniul lanțului de aprovizionare care doresc să meargă mai departe cu previziunile cererii.

Evenimente în jurul cărții

Link către un eveniment online De Gruyter în cadrul căruia autorul Nicolas Vandeput, împreună cu Stefan de Kok, inovator în domeniul lanțului de aprovizionare și CEO al Wahupa; Spyros Makridakis, profesor la Universitatea din Nicosia și director al Institute For the Future (IFF); și Edouard Thieuleux, fondator al AbcSupplyChain, discută despre problemele și provocările generale ale previziunii cererii și oferă informații despre cele mai bune practici (procese, modele) și discută despre modul în care știința datelor și învățarea automată influențează aceste previziuni.

Evenimentul va fi moderat de Michael Gilliland, director de marketing pentru software-ul de prognoză SAS:

Https: //youtu. be/1rXjXcabW2s.