Share via

수요 예측 솔루션 가속기를 사용하여 고객 수요 예측

  • 아티클

통합 머신 러닝 모델이 포함된 엔드투엔드 솔루션

글로벌 소매 생태계는 우리가 살고 있는 빠르게 변화하는 현대 환경을 반영합니다. 빠르게 변화하고, 순간의 요구에 따라 조정할 수 있어야 합니다. 기업은 소비자 선호도가 자주 바뀌는 경쟁이 점점 심화되는 소매 시장에서 고객의 요구를 충족할 수 없으며, 어떤 매체에나 제공되는 개인의 교차 플랫폼인 고객 경험을 가정합니다.

소매 회사는 공급망에서 어느 정도의 부족, 백로그 또는 고장이 있는지 파악하기 위한 접근 방식을 모색하고 있습니다. 현재와 같은 어려운 시기에 경쟁이 치열한 소매 생태계에서는 공급망을 따라 생산에서 배송에 이르기까지 고객 경험의 모든 차원을 360도 관점에서 볼 수 있어야 합니다. 운영 및 제조 팀은 조직 내에서 사일로와 데이터 안티패턴을 제거하여 리소스를 확보하고 공급망에서 낭비를 방지해야 합니다.

시간에 매우 민감한 시장의 요구 사항을 충족할 수 있도록 수요 예측 솔루션 가속기를 사용하는 것을 권장합니다. 수요 예측 솔루션 가속기는 사용자 지정된 판매 예측 모델을 구축하는 방법을 보여줍니다. 이 가속기는 미리 빌드 및 구성된 자산을 통해 개발 시간을 단축하는 데 도움이 됩니다. 수요 예측 솔루션을 배포하면 몇 주 안에 결과를 반환하고 비즈니스 요구 사항이 증가함에 따라 확장 가능한 기능을 제공할 수 있습니다.

"많은 모델" 접근 방식을 사용하여 정확도 향상

여러 모델 수요 예측 방법

많은 모델 패턴은 다양한 산업에서 매우 일반적으로 나타나며 많은 실제 사용 사례에 적용됩니다. 소매 부문에서 많은 모델 접근 방식은 일반적으로 다음과 같은 곳에서 볼 수 있습니다.

  • 수천 개의 매장에 대한 인력 최적화 모델을 구축하는 소매 조직

  • 캠페인 프로모션 성향 모델

  • 판매 중인 수십만 개의 제품에 대한 가격 최적화 모델

  • 여러 매장에서 수요 예측 모델을 구축하는 레스토랑 체인

고객 예제

Carhartt

Carhartt는 경쟁력을 유지하기 위해 포괄적인 데이터 기반 솔루션을 모색했습니다. 온-프레미스 가상 머신에서 메모리 병목 상태가 발생했기 때문에 회사는 Microsoft와 협력하여 Azure Machine Learning의 고성능 솔루션으로 모델을 확장했습니다. Carhartt는 강력한 데이터 인사이트를 통해 전자상거래 사이트, 대형 소매 회사 및 33개의 실제 매장에서 판매를 최적화할 수 있었습니다. Carhartt 고객 스토리를 모두 읽어보세요.

Walgreens

Walgreens는 매장 거래와 공급망 전체의 기록 데이터를 비교하여 얻은 인사이트를 바탕으로 방대한 양의 데이터를 처리하며, 분석할 데이터 요소를 더 추가하여 다른 약국을 인수했습니다. Azure를 통해 Walgreens는 기계 학습을 사용해 서로 다른 데이터 원본을 연결하여 적시에 적절한 고객을 타겟팅하도록 인벤토리와 프로모션을 최적화할 수 있었습니다. Walgreens 고객 스토리를 모두 읽어보세요.

환경을 구성하고, 데이터 세트를 준비하고, 10,000개 이상의 모델을 학습시키고, 판매를 예측하는 방법을 알아보세요. 그러면 비즈니스 당면 과제에 맞게 가속기를 사용자 지정할 수 있습니다.

MVP 배포 시작

  1. 수요 예측 솔루션 가속기 GitHub 리포지토리에서 코드를 찾습니다.
  2. Azure에 Azure 기계 학습 및 자산을 배포합니다.
  3. Notebook 가상 머신을 사용하여 개발 환경을 구성합니다.
  4. Jupyter Notebook을 실행합니다. 개발 환경이 설정되면 여러 모델 솔루션 가속기에 대한 단계에 따라 Jupyter Notebook을 단계별로 실행합니다.

자세한 내용은 다음을 참조하세요.