Prévision de la demande (préversion)
Prévoir la demande de référence SKU avec des plages, une précision et un transfert d’inventaire.
Ce connecteur est disponible dans les produits et régions suivants :
| Service | Classe | Regions |
|---|---|---|
| Copilot Studio | Premium | Toutes les régions Power Automate , à l’exception des éléments suivants : - Us Government (GCC) - Us Government (GCC High) - China Cloud géré par 21Vianet - Us Department of Defense (DoD) |
| Logic Apps | Standard | Toutes les régions Logic Apps , à l’exception des suivantes : - Régions Azure Government - Régions Azure Chine - Us Department of Defense (DoD) |
| Power Apps | Premium | Toutes les régions Power Apps , à l’exception des suivantes : - Us Government (GCC) - Us Government (GCC High) - China Cloud géré par 21Vianet - Us Department of Defense (DoD) |
| Power Automate | Premium | Toutes les régions Power Automate , à l’exception des éléments suivants : - Us Government (GCC) - Us Government (GCC High) - China Cloud géré par 21Vianet - Us Department of Defense (DoD) |
| Contact | |
|---|---|
| Name | Ia Saifs |
| URL | https://saifs.ai/ |
| Courrier électronique | taher@saifytech.com |
| Métadonnées du connecteur | |
|---|---|
| Éditeur | Ia Saifs |
| Website | https://saifs.ai/ |
| Politique de confidentialité | https://saifs.ai/privacy_page |
| Categories | IA; Données |
Prévision de la demande - Saifs AI transforme un historique des ventes ou des volumes en ce que chaque produit (ou région/ canal) vendra ensuite, avec une plage, pas un nombre nu. Connectez des données de vente via Microsoft Copilot Studio ou Microsoft 365 Copilot. Le MCP grille l’historique, choisit un modèle classique (Naive / SES / Holt / Holt-Winters / Croston-SBA) en effectuant un test backtest de l’origine propagée et retourne des décisions classées, des prévisions par série avec des intervalles de prédiction, une précision, des alertes de changement de régime, un rapport de qualité des données et un transfert d’inventaire (demande au fil du temps plus prévision-erreur sigma).
Qui doit l’utiliser
- Acheteurs et marchands de détail qui ont besoin d’une perspective par trimestre prochain au lieu de l’année dernière-plus-10%
- Distributeurs et grossistes qui divisent les prévisions par entrepôt, godown ou région
- Pièces de rechange et planificateurs industriels dont la demande est forfaitaire et devrait utiliser Croston / SBA
- Fabricants et planificateurs de production qui ont besoin d’un outlook d’unité par référence SKU
- E-commerce et opérations D2C planifient le trimestre suivant et surveillent les changements de demande
- Pharmacie et planificateurs périssables qui ont besoin d’une plage de demandes, pas une estimation de faux point
- Support et planificateurs de main-d’œuvre prévision d’un ticket ou d’un volume de contacts
- Propriétaires SMB utilisant Tally ou Excel exportations sans nettoyer ou renommer d’abord les colonnes
- Gestionnaires d’inventaire et d’achat qui ont besoin d’une demande sur le délai d’exécution de chaque produit
- Copilot Studio et Microsoft 365 Copilot fabricants ajoutant des mathématiques de demande expliquées aux agents
Comment cela aide
- Prévision de période suivante par produit (et éventuellement par région ou canal) avec un intervalle de prédiction (95%par défaut)
- Choix automatique du modèle par test backtest ordonné dans le temps ; les séries intermittentes sont routées vers Croston / SBA
- Modèles saisonniers uniquement lorsqu’il y a suffisamment d’historique ; les séries minces sont refusées ou donnent un grand secours moyen uniquement avec une raison indiquée
- Les fichiers réels messy sont acceptés as-is (Date de bon, Quantité facturée, Article stock, Godown ; valeurs telles que 12 pcs, n/a, 15-Jan-2024)
- Le transfert d’inventaire utilise le temps d’exécution de chaque référence SKU lorsqu’il est fourni ; sinon, une attente par défaut (14 jours)
- Les pics sont marqués et limités ; des cellules et des trous inlisibles dans un fichier dense sont manquants, pas vendus-zéro
Tools
- demand_forecaster : environ 2 500 lignes ou 200 produits ou moins ; envoyer des lignes et obtenir le résultat de prévision complet
- demand_forecaster_get_engine : fichiers plus volumineux ; retourne un script numpy prêt à l’exécution afin que les données lourdes puissent rester sur l’ordinateur utilisateur
Authentification OAuth 2.0. Les utilisateurs terminent le flux de consentement OAuth lors de la connexion du serveur. Pour Microsoft packages de certification, les paramètres du client OAuth sont référencés via Azure Key Vault (ClientId, ClientSecret, AuthorizationUrl, TokenUrl ; RefreshUrl et Étendues le cas échéant).
Premiers pas
- Ajoutez la prévision de la demande - Saifs AI dans Copilot Studio ou Microsoft 365 Copilot.
- Connectez-vous avec OAuth 2.0 lorsque vous y êtes invité.
- Fournissez un historique des ventes ou des volumes avec au moins une date et une quantité ; incluez la référence SKU, la région, le canal et les délais d’exécution pour obtenir des résultats plus forts. Copier des lignes exactement ; ne renommez pas ou pré-nettoyez.
- Demandez ce que vous allez vendre ensuite, par référence SKU, par entrepôt ou sur un délai donné.
Les résultats sont une prise de décision, et non un remplacement ERP ou S&OP. Utilisez toujours la plage de prévisions, pas seulement le milieu. L’histoire mince est conservée avec une raison déclarée plutôt que d’inventer la précision. Publié par Saifs AI.
Actions
| Prévision de la demande |
Prévoir la demande de référence SKU avec des plages, une précision et un transfert d’inventaire. |
Prévision de la demande
Prévoir la demande de référence SKU avec des plages, une précision et un transfert d’inventaire.