Наш сайт использует файлы cookie, чтобы улучшить работу сайта, повысить его эффективность и удобство
Настройки сookie
Файлы cookie, необходимые для правильной работы сайта, всегда разрешены.
Основные файлы cookie
Всегда Включено. Эти файлы cookie необходимы для использования веб-сайта и его функций. Их нельзя отключить. Они устанавливаются в ответ на ваши запросы, такие как настройка параметров конфиденциальности, вход в систему или заполнение форм.
Аналитические файлы cookie
Disabled
Эти файлы cookie нужны чтобы помочь нам понять, на сколько вам удобен наш веб-сайт и насколько эффективны наши маркетологи:) Смотрите список аналитических файлов cookie, которые мы используем.
Рекламные файлы cookie
Disabled
Эти файлы cookie предоставляют информацию рекламным компаниям с целью предоставления или ограничения персонализированной рекламы. Эта информация может быть передана другим рекламным компаниям. Смотрите список рекламных файлов cookie, которые мы используем.

Частичная инвентаризация c использованием алгоритма временных рядов компании Microsoft в рознице

блог о bi, №1 в рунете
В данном примере рассмотрим алгоритмы прогнозирования спроса компании Microsoft в рознице, используемые в программном продукте Retail Analytics. В качестве примера прогнозирования спроса в розничной торговле возьмем частичную инвентаризацию товаров.
Частичная инвентаризация охватывает какой-либо один вид средств предприятия, например, только денежные средства в кассе или только материалы на определенном складе. Она должна проводиться систематически в течение года, так как обеспечивает сохранность имущества предприятия, дисциплинирует материально ответственных лиц, позволяет своевременно скрыть нарушения, злоупотребления и факты хищения.

На Рис. 1 приведен пример отчета
Здесь используется модель временных рядов (Time Series) подневными/почасовыми прогнозными данными по водочной продукции и отчет Microsoft SQL Server 2008 Reporting Services (SSRS). Результаты прогноза по товарам сравниваются с данными продаж в реальном времени, и в зависимости от состояния может быть установлена цветовая индикация и/или фильтры по состояниям, например:

  • Красный – прогнозное значение больше нуля и продажи равны нулю
  • Серый – прогнозное и фактическое значения равны нулю
  • Синий - прогнозное значение равно нулю и продажи больше нуля
  • Зеленый - прогнозное и фактическое значение больше нуля

Данный пример демонстрирует возможность оперативного контроля наличия товаров на полках в магазине, сокращая таким образом недопродажи, позволяя своевременно отследить акты хищения.