机器学习优化设备库存预测技术

机器学习驱动的设备需求预测：将设备在合适的时间送达合适的地点

多年来，某机构一直处于机器学习和数据科学的前沿。同时，该机构也率先在其供应链各个层面实现了大规模流程自动化。然而，在快速变化的商业环境中，持续的挑战是如何整合这些互补领域，以创建优化客户价值交付的流程。

2021年，Haluk Demirkan加入某机构，致力于加强该机构在这类整合方面的工作。作为设备需求科学高级经理，Demirkan正在建立并领导一支团队，专注于使用尖端数据分析、机器学习、流程优化等技术，来转变从Kindle、Echo设备系列、Fire平板电脑，到Fire TV和Ring视频门铃等设备的销售预测——这是一项极其重要的任务。

需求预测的力量

在其位于西雅图的新职位上，Demirkan有两个主要的业务关注领域。第一个是为大部分某机构设备进行销售需求预测。他的团队为某机构业务所及的全球大多数设备类型，生成从现在起至未来一年每一天的销售预测。

为此，Demirkan的团队输入设备销售数据，训练机器学习算法以生成越来越准确的销售预测。具体而言，该团队采用了先进的时间序列预测方法，例如随机森林、XGBoost和岭回归。

“基于预测的需求，另一支某机构团队将恰好的产品数量运送到正确的地点，以便在客户选择购买时，产品刚好出现在需要的地方，” Demirkan说。“基本上，我们的目标是在合适的时间将合适数量的设备送到合适的地点，以更好地满足客户的需求。”

Demirkan团队创建的预测不仅仅做预测。例如，该团队还可以根据不同的促销价格进行销售预测。

“如果价格是x，4月21日伦敦有多少客户会购买Kindle？预测结果可协助高管团队围绕制造多少台、发运多少台以及何时发运做出决策，” Demirkan说。

通过为供应链提供越来越准确的需求预测，某机构可以同时减少交付时间和供应链成本，帮助保持低价，同时提高客户响应能力。

Demirkan还在开发一个名为“智能需求计划”的全面、科学驱动的预测模型。该模型将结合更广泛的输入，包括产品相互蚕食、宏观经济因素、流量、社交媒体等，以更细微地感知需求和客户偏好，并获得对新兴市场趋势的早期洞察。

自动化与优化

Demirkan的第二个业务关注领域是流程和任务自动化与优化，这运用了他在人工智能、流程工程和供应链管理方面的专业知识。他和他的团队正在分析设备组的预测流程，识别改进机会。

“某机构是我见过的发展最快的公司之一，”他说。“一切都是为了给客户提供尽可能好的服务，这里的创新如此之快，以至于六个月前设计的流程可能已不再是最优的。”

这是他的研究热情之一：机器辅助认知，也称为通过人工智能增强智能。

“计算机如今已经是我们的助手，” Demirkan解释。“我想将这些计算技术提升到更先进的水平，利用机器学习，例如，训练计算机自学，为我提供做出更好业务决策所需的信息。通过使流程更自动化、更高效且更不易出错，我们人类就有时间去做更多增值任务。”

打破研究孤岛

Demirkan的跨学科专长——即深厚的研究知识与广泛的应用经验相结合——正是他将注入其团队文化的特质。他认为，许多教育体系倾向于将学生局限在特定专业领域，正在培养出难以适应更广阔商业世界的一代人。

“随着各行各业公司的数字化转型，未来的员工需要更‘T型’——不仅是深度的专业知识，还要对其他学科（如管理学、工程学和社会科学）有广泛、综合的理解，”他说。

从职业角度来看，Demirkan比大多数人更清楚地看到学术教育与职场期望之间的差距。

“在全球范围内，我们一直存在不匹配的问题。凭借我在某机构的经验，我可以为缩小这一差距尽一份力，”他说。

回馈

对于在某机构的工作，Demirkan表示：

“我的目标是建立一个生态系统，让技术从事劳动密集型任务，从而解放我的团队，让他们去做更多智能工作和增值任务。这就是我对成功的理解。”

同时，他也希望将设备销售预测提升到一个全新的水平。

“我希望我的团队能在全面、精细的层面上进行预测。我想以前所未有的准确度说：在这个地点，这个设备——具有这种颜色、尺寸和细节——将在这一天销售x台。”

但Demirkan也看到了发展超越传统预测方法的额外潜力。

“我希望开发机器学习和数据分析技术，能够洞察客户真正想要和期望从某机构设备中获得什么；产生足够强大的见解，以至于能够实际影响全新产品和服务的设计决策。”FINISHED