Графики реальных и гладких значений ряда

НЕВОЗМУТИМЫЙ АЛГОРИТМ ПОЛНОТЫ

ИСТОРИЯ

 

Торговая компания занимается продажей инструментов для личного хозяйства и сопутствующих товаров. Имеет девять филиалов, расположенные в регионах с разным климатом, предпочтениями и удалённостью от центральных складов.

Ширина ассортимента насчитывает более пяти тысяч позиций. Комплектность меняется от одной штуки до нескольких сотен в наборе. Наибольшую часть занимают сезонные изделия. С целью поддержания интереса постоянно запускаются новинки. За год с реализации снимают 10% устаревших.

Поставщиками служат фирмы России, Восточной Европы, Китая. Длительность поставок составляет до сорока недель. Количество пиков в сбыте за год может достигать четырёх, имеются многократные взлёты, падения. Нередко часть продукции отсутствует в прайс-листе 60-90 дней.

 

ЗАДАЧА

 

Необходимо разработать, реализовать алгоритм одновременного сглаживания временных рядов продаж. Он должен восстанавливать пропуски, сокращать аномалии, делать преобразования с минимальными искажениями. Готовый массив будет использован при составлении качественного прогноза.

 

РЕШЕНИЕ

 

Для уменьшения сложности ситуации проведён анализ номенклатуры. Критериями стали функциональность, сезонность, цена, полнота. Изучен список продуктов сбыта, по окончании сформированы новые группы, количество которых увеличилось в семь раз.

Каждая территория выделяется своей динамикой, поэтому дополнительно выделено по два направления. Это собственные заказы дочерних структур, соответствующие запросам покупателей. И закупочные требования сетей, опережающие аппетиты рынка на три месяца.
 

В связи с наличием множества рядов со сложными колебаниями, идеей прогнозирования стало применение нейронной сети. Но она плохо воспринимает негладкие кривые, пропуски. Поэтому разработан алгоритм, позволяющий стабилизировать перепады уровней временной цепочки. Он работает с отрезками пустых значений, с короткими периодами сильных выбросов.

Средой реализации стала российская аналитическая no-code платформа Deductor. Схема увеличивает гладкость с учётом дальнейшего рыночного поведения. Здесь учитываются опережение, запаздывание и накопление спроса. При воплощении использовалась простая логико-математическая модель, где избирательно действует адаптация, исходя из амплитуды.

В результате точность изначально не нулевых и восстановленных значений достигает 92-98%. Правдоподобно восполняются пропущенные числа. Внутри не заложены особенные формулы или методика. В основном берутся в расчёт соседние элементы, соотношения между ними.

Решение всегда пытается сохранить суммарный итог по каждому процессу, адаптируя свои операции. Имеется возможность менять общую степень воздействия. Ниже представлены графики по самой нестабильной группе.

Начало, смотрите окончание.