供應(yīng)鏈數(shù)據(jù)分析與數(shù)據(jù)挖掘?qū)崙?zhàn)

數(shù)據(jù)分析與數(shù)據(jù)可視化實(shí)戰(zhàn)1第1章TPC-DS數(shù)據(jù)分析案例簡介目錄企業(yè)級(jí)數(shù)據(jù)分析環(huán)境的搭建結(jié)構(gòu)化查詢語言SQL數(shù)據(jù)可視化基礎(chǔ)用戶數(shù)據(jù)分析與數(shù)據(jù)挖掘?qū)崙?zhàn)第2章第3章第4章第5章第6章第7章數(shù)據(jù)分析與數(shù)據(jù)庫初步認(rèn)識(shí)2供應(yīng)鏈數(shù)據(jù)分析與數(shù)據(jù)挖掘?qū)崙?zhàn)引言本章作為實(shí)戰(zhàn)篇的第2個(gè)章節(jié)，介紹了供應(yīng)鏈數(shù)據(jù)分析與挖掘?qū)τ谄髽I(yè)的重要價(jià)值、基本思路以及典型案例。本章首先介紹了用戶滿意度提高的供應(yīng)鏈成本的降低對(duì)于企業(yè)的重要價(jià)值，并介紹了在供應(yīng)鏈數(shù)據(jù)分析與挖掘部分所涉及的幾個(gè)重要任務(wù)，分別是用戶偏好的全方位洞察、用戶滿足情況的多維度總結(jié)以及產(chǎn)品需求量的精準(zhǔn)預(yù)測(cè)；接下來介紹了如何應(yīng)用Tableau制作用戶偏好以及用戶滿足情況的供應(yīng)鏈監(jiān)控儀表板；最后介紹了如何應(yīng)用Python建立產(chǎn)品需求量預(yù)測(cè)模型，強(qiáng)調(diào)了建模過程中需要重點(diǎn)考慮的問題，并展現(xiàn)了數(shù)據(jù)預(yù)分析、產(chǎn)品行為模式聚類以及時(shí)間序列建模和效果評(píng)價(jià)的整個(gè)建模流程。本章學(xué)習(xí)目標(biāo)包括以下幾點(diǎn)：1.了解供應(yīng)鏈數(shù)據(jù)分析與挖掘的主要目標(biāo)以及基本內(nèi)容；2.應(yīng)用Tableau設(shè)計(jì)多維度供應(yīng)鏈數(shù)據(jù)分析與監(jiān)控儀表板；3.掌握產(chǎn)品需求量預(yù)測(cè)的關(guān)鍵點(diǎn)并應(yīng)用Python實(shí)現(xiàn)產(chǎn)品需求量預(yù)測(cè)模型的建模過程。本章要點(diǎn)/學(xué)習(xí)目標(biāo)用戶偏好維度供應(yīng)鏈監(jiān)控儀表板設(shè)計(jì)用戶滿足維度供應(yīng)鏈監(jiān)控儀表板設(shè)計(jì)本章內(nèi)容12334產(chǎn)品需求量預(yù)測(cè)模型引言

在電商平臺(tái)購買產(chǎn)品時(shí)，用戶既希望能夠找到心儀的、高質(zhì)量的產(chǎn)品，又希望這些產(chǎn)品能夠盡快地送達(dá)他們手中。同時(shí)做到這些對(duì)于企業(yè)供應(yīng)鏈的運(yùn)營效率與質(zhì)量是一個(gè)很大的挑戰(zhàn)。成本的降低則來自產(chǎn)品存貨的高效率購入、運(yùn)輸和存儲(chǔ)，如果倉庫中的備貨能夠恰好滿足所有用戶的需求，接近“零庫存”的理想狀態(tài)，那么企業(yè)的供應(yīng)鏈成本將會(huì)大大降低，從而提高企業(yè)的競爭優(yōu)勢(shì)。提高供應(yīng)鏈運(yùn)營效率與質(zhì)量，需要企業(yè)完成以下幾個(gè)任務(wù)：（1）通過用戶整體的歷史消費(fèi)行為反映用戶偏好在產(chǎn)品維度的體現(xiàn)；（2）通過用戶整體的歷史售后行為反映用戶滿意度在產(chǎn)品維度的體現(xiàn)；（3）預(yù)估用戶對(duì)于各產(chǎn)品的需求，預(yù)先備貨以降低產(chǎn)品缺貨概率、提高用戶滿意度、降低存貨堆積帶來的額外成本。4第十一章供應(yīng)鏈管理【知識(shí)目標(biāo)】

理解供應(yīng)鏈管理的概念，以及供應(yīng)鏈管理與物流管理的區(qū)別,掌握供應(yīng)鏈管理的基本內(nèi)容與原則。【能力目標(biāo)】

能夠站在單個(gè)企業(yè)的角度模擬供應(yīng)鏈，通過供應(yīng)鏈管理提出優(yōu)化方案，加深對(duì)合作伙伴關(guān)系的認(rèn)識(shí)和理解?！舅刭|(zhì)目標(biāo)】

要認(rèn)識(shí)到現(xiàn)代物流企業(yè)的開放性，企業(yè)你中有我，我中有你，任何企業(yè)都不能獨(dú)立運(yùn)作，只有合作才能實(shí)現(xiàn)共贏?！疽氚咐课譅柆?shù)墓?yīng)鏈物流戰(zhàn)略

在1979年，凱瑪特是零售業(yè)的巨頭之一，擁有1891家商店，平均每家商店的收入為725萬美元。當(dāng)時(shí)的沃爾瑪只是美國南方的一個(gè)小零售商，只有229家商店，每家商店的收入也只是凱瑪特的一半。在十余年時(shí)間里，沃爾瑪改變了自己。1992年，沃爾瑪?shù)拿科椒接⒊叩匿N售額最高，并且在所有零售商中，其庫存周轉(zhuǎn)次數(shù)和運(yùn)營利潤都是最高的。如今，沃爾瑪是世界上最大、利潤最高的零售商。沃爾瑪是如何成功的呢？其起點(diǎn)在于堅(jiān)持不懈地致力于滿足顧客的需要。它的目標(biāo)是保證顧客無論何時(shí)何地都能買到所需的商品，以及優(yōu)化成本結(jié)構(gòu)，提供具有競爭力的定價(jià)。實(shí)現(xiàn)這個(gè)目標(biāo)的關(guān)鍵在于使庫存的連續(xù)補(bǔ)充成為其核心戰(zhàn)略。通過直接轉(zhuǎn)運(yùn)技術(shù)，商品被源源不斷地送達(dá)沃爾瑪?shù)膫}庫，在那里商品不作停留就被分送到各商店。這個(gè)戰(zhàn)略大大降低了沃爾瑪?shù)匿N售成本，并使其向顧客提供天天低價(jià)成為可能。沃爾瑪?shù)奈锪鲬?zhàn)略是什么？以后如何轉(zhuǎn)向或改變經(jīng)營戰(zhàn)略？第一節(jié)供應(yīng)鏈概述任何一個(gè)企業(yè)都不能孤立地生存，它需要市場、企業(yè)以及人的支持。這些市場、企業(yè)和人聯(lián)系在一起，上下環(huán)節(jié)之間表現(xiàn)為供給與需求的關(guān)系，從而形成了一條長長的供應(yīng)鏈。事實(shí)上，供應(yīng)鏈?zhǔn)窃缫芽陀^存在的的事物。一、供應(yīng)鏈的概念供應(yīng)鏈?zhǔn)侵府a(chǎn)品生產(chǎn)和流通過程中所涉及的原材料供應(yīng)商、制造商、批發(fā)商、零售商以及最終消費(fèi)者組成的供需網(wǎng)絡(luò)，即由原材料獲取、物料加工和制造直至將成品送到用戶手中，這一完整過程所涉及的企業(yè)和企業(yè)部門組成的網(wǎng)絡(luò)。這個(gè)概念強(qiáng)調(diào)了供應(yīng)鏈的戰(zhàn)略伙伴關(guān)系，從形式上看，客戶是在購買商品，但實(shí)質(zhì)上客戶是在購買能帶來效益的價(jià)值。各種物料在供應(yīng)鏈上移動(dòng)，是一個(gè)不斷采用新技術(shù)投入勞動(dòng)，增加其技術(shù)含量或附加價(jià)值的過程，因此，供應(yīng)鏈不僅是一條聯(lián)接供應(yīng)商到用戶的物料鏈、信息鏈、資金鏈，而且是一條價(jià)值增值鏈。物料在供應(yīng)鏈上因加工、包裝、運(yùn)輸?shù)汝P(guān)系而增加其價(jià)值，給相關(guān)企業(yè)都帶來收益。例如，一件產(chǎn)品，其原材料由供應(yīng)商提供，運(yùn)輸?shù)缴a(chǎn)部門，在產(chǎn)品制成后，又被運(yùn)送到配送中心，最終被賣給消費(fèi)者。實(shí)際生活中的供應(yīng)鏈往往涉及多種產(chǎn)品、多級(jí)生產(chǎn)和配送，并且不斷處于變化中。供應(yīng)鏈具有如下的特征：復(fù)雜性、動(dòng)態(tài)性、面向用戶需求和交叉性。二、供應(yīng)鏈結(jié)構(gòu)模型根據(jù)供應(yīng)鏈的定義，供應(yīng)鏈的結(jié)構(gòu)可以用下圖來表示，如圖11-1所示：圖11-1供應(yīng)鏈的網(wǎng)鏈結(jié)構(gòu)模型從圖5-1可以看出，供應(yīng)鏈由所有加盟的節(jié)點(diǎn)企業(yè)組成，其中一般有一個(gè)核心企業(yè)（可以是產(chǎn)品制造企業(yè)，也可以是大型零售企業(yè)，如美國的沃爾瑪)。節(jié)點(diǎn)企業(yè)在需求信息的驅(qū)動(dòng)下和信息共享的基礎(chǔ)上，通過供應(yīng)鏈的職能分工與合作(生產(chǎn)、分銷、零售等)，以資金流、物流或/和服務(wù)流為媒介實(shí)現(xiàn)整個(gè)供應(yīng)鏈的不斷增值。三、供應(yīng)鏈的類型根據(jù)不同的劃分標(biāo)準(zhǔn)，我們可以將供應(yīng)鏈分為以下幾種類型。1．穩(wěn)定的供應(yīng)鏈和動(dòng)態(tài)的供應(yīng)鏈根據(jù)供應(yīng)鏈存在的穩(wěn)定性劃分，可以將供應(yīng)鏈分為穩(wěn)定的和動(dòng)態(tài)的供應(yīng)鏈?；谙鄬?duì)穩(wěn)定、單一的市場需求而組成的供應(yīng)鏈穩(wěn)定性較強(qiáng)，而基于相對(duì)頻繁變化、復(fù)雜的需求而組成的供應(yīng)鏈動(dòng)態(tài)性較高。在實(shí)際管理運(yùn)作中，需要根據(jù)不斷變化的需求，相應(yīng)地改變供應(yīng)鏈的組成。2．平衡的供應(yīng)鏈和傾斜的供應(yīng)鏈根據(jù)供應(yīng)鏈容量與用戶需求的關(guān)系可以劃分為平衡的供應(yīng)鏈和傾斜的供應(yīng)鏈。一個(gè)供應(yīng)鏈具有一定的、相對(duì)穩(wěn)定的設(shè)備容量和生產(chǎn)能力（所有節(jié)點(diǎn)企業(yè)能力的綜合，包括供應(yīng)商、制造商、運(yùn)輸商、分銷商、零售商等），但用戶需求處于不斷變化的過程中，當(dāng)供應(yīng)鏈的容量能滿足用戶需求時(shí)，供應(yīng)鏈處于平衡狀態(tài)，而當(dāng)市場變化加劇，造成供應(yīng)鏈成本增加、庫存增加、浪費(fèi)增加等現(xiàn)象時(shí)，企業(yè)不是在最優(yōu)狀態(tài)下運(yùn)作，供應(yīng)鏈則處于傾斜狀態(tài)。用戶需求供應(yīng)鏈的容量用戶需求供應(yīng)鏈的容量圖11-2平衡的供應(yīng)鏈和傾斜的供應(yīng)鏈

平衡的供應(yīng)鏈可以實(shí)現(xiàn)各主要職能（采購/低采購成本、生產(chǎn)/規(guī)模效益、分銷/低運(yùn)輸成本、市場/產(chǎn)品多樣化和財(cái)務(wù)/資金運(yùn)轉(zhuǎn)快）之間的均衡。3．盟主型供應(yīng)鏈和非盟主型供應(yīng)鏈根據(jù)供應(yīng)鏈的主導(dǎo)主體控制能力可以將供應(yīng)鏈分為盟主型供應(yīng)鏈和非盟主型供應(yīng)鏈。所謂盟主型供應(yīng)鏈，即某一成員在供應(yīng)鏈中占有主導(dǎo)地位，對(duì)其他成員具有很強(qiáng)的輻射能力和吸引能力，通常稱該企業(yè)為核心企業(yè)或主導(dǎo)企業(yè)。盟主型供應(yīng)鏈相對(duì)于非盟主型供應(yīng)鏈，是比較典型的一種供應(yīng)鏈類型。從供應(yīng)鏈的主導(dǎo)主體分析，可以將供應(yīng)鏈劃分為制造企業(yè)主導(dǎo)供應(yīng)鏈、商業(yè)企業(yè)主導(dǎo)供應(yīng)鏈和第三方物流企業(yè)主導(dǎo)供應(yīng)鏈等形式。引言本章作為實(shí)戰(zhàn)篇的第2個(gè)章節(jié)，介紹了供應(yīng)鏈數(shù)據(jù)分析與挖掘?qū)τ谄髽I(yè)的重要價(jià)值、基本思路以及典型案例。本章首先介紹了用戶滿意度提高的供應(yīng)鏈成本的降低對(duì)于企業(yè)的重要價(jià)值，并介紹了在供應(yīng)鏈數(shù)據(jù)分析與挖掘部分所涉及的幾個(gè)重要任務(wù)，分別是用戶偏好的全方位洞察、用戶滿足情況的多維度總結(jié)以及產(chǎn)品需求量的精準(zhǔn)預(yù)測(cè)；接下來介紹了如何應(yīng)用Tableau制作用戶偏好以及用戶滿足情況的供應(yīng)鏈監(jiān)控儀表板；最后介紹了如何應(yīng)用Python建立產(chǎn)品需求量預(yù)測(cè)模型，強(qiáng)調(diào)了建模過程中需要重點(diǎn)考慮的問題，并展現(xiàn)了數(shù)據(jù)預(yù)分析、產(chǎn)品行為模式聚類以及時(shí)間序列建模和效果評(píng)價(jià)的整個(gè)建模流程。本章學(xué)習(xí)目標(biāo)包括以下幾點(diǎn)：1.了解供應(yīng)鏈數(shù)據(jù)分析與挖掘的主要目標(biāo)以及基本內(nèi)容；2.應(yīng)用Tableau設(shè)計(jì)多維度供應(yīng)鏈數(shù)據(jù)分析與監(jiān)控儀表板；3.掌握產(chǎn)品需求量預(yù)測(cè)的關(guān)鍵點(diǎn)并應(yīng)用Python實(shí)現(xiàn)產(chǎn)品需求量預(yù)測(cè)模型的建模過程。本章要點(diǎn)/學(xué)習(xí)目標(biāo)用戶偏好維度供應(yīng)鏈監(jiān)控儀表板設(shè)計(jì)用戶滿足維度供應(yīng)鏈監(jiān)控儀表板設(shè)計(jì)本章內(nèi)容123144產(chǎn)品需求量預(yù)測(cè)模型設(shè)計(jì)目的供應(yīng)鏈數(shù)據(jù)分析的一個(gè)重要方面是了解用戶偏好，包括展示用戶最喜歡什么產(chǎn)品，哪些地區(qū)對(duì)于這些產(chǎn)品的需求量最大，用戶對(duì)于產(chǎn)品的需求量隨時(shí)間的變動(dòng)趨勢(shì)如何等。進(jìn)行供應(yīng)鏈數(shù)據(jù)分析與挖掘需要TPC-DS數(shù)據(jù)集中的4張事實(shí)表，分別是calalog_sales，web_sales，catalog_returns與web_returns。由于Tableau并不能像PowerBI一樣支持將沒有主外鍵約束的事實(shí)表導(dǎo)入到同一個(gè)數(shù)據(jù)模型中，因此我們需要編寫SQL查詢從以上4張事實(shí)表中提取分析所需的數(shù)據(jù)構(gòu)成一個(gè)新的事實(shí)表。15打開Tableau，連接SQLServer2019服務(wù)器后，在數(shù)據(jù)源界面左鍵單擊左下角【新自定義SQL】，將以上SQL代碼輸入到彈出的窗口中16設(shè)計(jì)目的選擇【確定】后，獲得合并后的事實(shí)表，重命名為“catalog&web_sales”，接下來將customer_address，item，reason，ship_mode，warehouse，date_dim等數(shù)據(jù)表拖拽到數(shù)據(jù)源區(qū)域并設(shè)置與catalog&web_sales表的連接關(guān)系（均使用左連接）。需要注意的是，由于catalog&web_sales表有兩列日期外鍵，分別是sold_date_sk與ship_date_sk，因此需要拖拽到兩張date_dim表以建立與catalog&web_sales表的連接關(guān)系，分別重命名為sold_date_dim與ship_date_dim17設(shè)計(jì)目的可視化效果用戶偏好維度供應(yīng)鏈監(jiān)控儀表板展示了用戶在各個(gè)時(shí)間段內(nèi)對(duì)各類別商品的偏好情況，支持時(shí)間與產(chǎn)品大類兩個(gè)維度的篩選18組件介紹1.卡片卡片將用戶偏好維度最為關(guān)鍵的數(shù)據(jù)指標(biāo)突出展示，包括時(shí)間區(qū)間、總銷售額、總訂單量、產(chǎn)品總需求量、人均客單價(jià)等192.簇狀條形圖簇狀條形圖分別將地理維度和品牌維度的產(chǎn)品需求量信息拆分為了catalogsales網(wǎng)絡(luò)與websitesales網(wǎng)絡(luò)，按照產(chǎn)品需求量降序排列并展示了需求量最高的五個(gè)地區(qū)與品牌20組件介紹3.折線圖折線圖展示了各類別產(chǎn)品在一個(gè)季度的各周內(nèi)分別在catalogsales網(wǎng)絡(luò)與websitesales網(wǎng)絡(luò)的需求量變化趨勢(shì)21組件介紹4.氣泡圖氣泡圖展示了銷量最高的產(chǎn)品子類別，直觀展示出各個(gè)類別的相對(duì)熱度22組件介紹小結(jié)用戶偏好維度供應(yīng)鏈監(jiān)控儀表板主要展示了各類別產(chǎn)品在總銷售額、總訂單量、產(chǎn)品總需求量、人均客單價(jià)四個(gè)重要的數(shù)據(jù)指標(biāo)方面的表現(xiàn)，可用于監(jiān)控某類別產(chǎn)品的暢銷程度隨時(shí)間的變化趨勢(shì)從而洞察用戶偏好并據(jù)此制定后續(xù)的針對(duì)性策略。23引言本章作為實(shí)戰(zhàn)篇的第2個(gè)章節(jié)，介紹了供應(yīng)鏈數(shù)據(jù)分析與挖掘?qū)τ谄髽I(yè)的重要價(jià)值、基本思路以及典型案例。本章首先介紹了用戶滿意度提高的供應(yīng)鏈成本的降低對(duì)于企業(yè)的重要價(jià)值，并介紹了在供應(yīng)鏈數(shù)據(jù)分析與挖掘部分所涉及的幾個(gè)重要任務(wù)，分別是用戶偏好的全方位洞察、用戶滿足情況的多維度總結(jié)以及產(chǎn)品需求量的精準(zhǔn)預(yù)測(cè)；接下來介紹了如何應(yīng)用Tableau制作用戶偏好以及用戶滿足情況的供應(yīng)鏈監(jiān)控儀表板；最后介紹了如何應(yīng)用Python建立產(chǎn)品需求量預(yù)測(cè)模型，強(qiáng)調(diào)了建模過程中需要重點(diǎn)考慮的問題，并展現(xiàn)了數(shù)據(jù)預(yù)分析、產(chǎn)品行為模式聚類以及時(shí)間序列建模和效果評(píng)價(jià)的整個(gè)建模流程。本章學(xué)習(xí)目標(biāo)包括以下幾點(diǎn)：1.了解供應(yīng)鏈數(shù)據(jù)分析與挖掘的主要目標(biāo)以及基本內(nèi)容；2.應(yīng)用Tableau設(shè)計(jì)多維度供應(yīng)鏈數(shù)據(jù)分析與監(jiān)控儀表板；3.掌握產(chǎn)品需求量預(yù)測(cè)的關(guān)鍵點(diǎn)并應(yīng)用Python實(shí)現(xiàn)產(chǎn)品需求量預(yù)測(cè)模型的建模過程。本章要點(diǎn)/學(xué)習(xí)目標(biāo)用戶偏好維度供應(yīng)鏈監(jiān)控儀表板設(shè)計(jì)用戶滿足維度供應(yīng)鏈監(jiān)控儀表板設(shè)計(jì)本章內(nèi)容123244產(chǎn)品需求量預(yù)測(cè)模型設(shè)計(jì)目的供應(yīng)鏈數(shù)據(jù)分析的另一個(gè)重要方面是滿足用戶需求，即提高用戶對(duì)于每一次消費(fèi)的滿意程度。一般而言用戶的滿意程度會(huì)取決于產(chǎn)品的質(zhì)量以及運(yùn)輸所花費(fèi)的時(shí)間，需要設(shè)計(jì)相應(yīng)的儀表板以實(shí)現(xiàn)用戶滿意程度的監(jiān)控。25可視化效果用戶滿足維度供應(yīng)鏈監(jiān)控儀表板展示了用戶在各個(gè)時(shí)間段內(nèi)的滿意度情況，使用退貨率（退貨訂單數(shù)/總訂單數(shù)）以及響應(yīng)速度（下單時(shí)間與發(fā)貨時(shí)間的差）作為主要數(shù)據(jù)指標(biāo)，支持時(shí)間與產(chǎn)品大類兩個(gè)維度的篩選26組件介紹1.卡片卡片將用戶滿足維度最為關(guān)鍵的數(shù)據(jù)指標(biāo)突出展示，包括時(shí)間區(qū)間、退貨凈損失、退貨總訂單量、總退貨率、平均響應(yīng)天數(shù)等272.折線圖折線圖展示了各類別產(chǎn)品在一個(gè)季度的各周內(nèi)分別在catalogsales網(wǎng)絡(luò)與websitesales網(wǎng)絡(luò)的退貨率變化趨勢(shì)28組件介紹3.組合圖組合圖替代了柱狀圖，分別展現(xiàn)了各個(gè)運(yùn)輸方式下的平均響應(yīng)速度以及退貨率29組件介紹4.矩陣矩陣展示了從各個(gè)倉庫發(fā)往各個(gè)地區(qū)訂單的平均響應(yīng)速度，并按照各地區(qū)響應(yīng)速度最慢至最快進(jìn)行排序30組件介紹5.詞云圖詞云圖展示了退貨訂單中的各種原因出現(xiàn)的頻率，文字體積越大表示由于該種原因發(fā)生退貨的情況就越多31組件介紹小結(jié)用戶滿足維度供應(yīng)鏈監(jiān)控儀表板以退貨率和響應(yīng)速度作為關(guān)鍵的數(shù)據(jù)指標(biāo)，從時(shí)間、運(yùn)輸方式、物流目的地等維度進(jìn)行拆解計(jì)算，以實(shí)現(xiàn)針對(duì)供應(yīng)鏈滿足用戶需求情況的監(jiān)控。32引言本章作為實(shí)戰(zhàn)篇的第2個(gè)章節(jié)，介紹了供應(yīng)鏈數(shù)據(jù)分析與挖掘?qū)τ谄髽I(yè)的重要價(jià)值、基本思路以及典型案例。本章首先介紹了用戶滿意度提高的供應(yīng)鏈成本的降低對(duì)于企業(yè)的重要價(jià)值，并介紹了在供應(yīng)鏈數(shù)據(jù)分析與挖掘部分所涉及的幾個(gè)重要任務(wù)，分別是用戶偏好的全方位洞察、用戶滿足情況的多維度總結(jié)以及產(chǎn)品需求量的精準(zhǔn)預(yù)測(cè)；接下來介紹了如何應(yīng)用Tableau制作用戶偏好以及用戶滿足情況的供應(yīng)鏈監(jiān)控儀表板；最后介紹了如何應(yīng)用Python建立產(chǎn)品需求量預(yù)測(cè)模型，強(qiáng)調(diào)了建模過程中需要重點(diǎn)考慮的問題，并展現(xiàn)了數(shù)據(jù)預(yù)分析、產(chǎn)品行為模式聚類以及時(shí)間序列建模和效果評(píng)價(jià)的整個(gè)建模流程。本章學(xué)習(xí)目標(biāo)包括以下幾點(diǎn)：1.了解供應(yīng)鏈數(shù)據(jù)分析與挖掘的主要目標(biāo)以及基本內(nèi)容；2.應(yīng)用Tableau設(shè)計(jì)多維度供應(yīng)鏈數(shù)據(jù)分析與監(jiān)控儀表板；3.掌握產(chǎn)品需求量預(yù)測(cè)的關(guān)鍵點(diǎn)并應(yīng)用Python實(shí)現(xiàn)產(chǎn)品需求量預(yù)測(cè)模型的建模過程。本章要點(diǎn)/學(xué)習(xí)目標(biāo)用戶偏好維度供應(yīng)鏈監(jiān)控儀表板設(shè)計(jì)用戶滿足維度供應(yīng)鏈監(jiān)控儀表板設(shè)計(jì)本章內(nèi)容123334產(chǎn)品需求量預(yù)測(cè)模型背景簡介預(yù)測(cè)產(chǎn)品需求量一直是快消行業(yè)和電商行業(yè)企業(yè)的關(guān)鍵話題，其核心是在用戶發(fā)生購買行為之前就預(yù)先將適量的產(chǎn)品放置于庫房之中，以覆蓋未來一段時(shí)間內(nèi)的用戶需求。如果不能夠?qū)Ξa(chǎn)品需求量做出一個(gè)比較精準(zhǔn)的預(yù)測(cè)，那么不合理的備貨很有可能會(huì)導(dǎo)致產(chǎn)品缺貨和堆積的情況出現(xiàn)。產(chǎn)品缺貨會(huì)嚴(yán)重阻礙銷售營業(yè)額、降低用戶滿意度；產(chǎn)品堆積則會(huì)大大占用庫房資源、增加庫存成本。因此，實(shí)現(xiàn)產(chǎn)品需求量預(yù)測(cè)一方面能夠提高用戶滿意度和成交量，另一方面也能夠節(jié)省資源和成本，為企業(yè)帶來大量的收益，是提升供應(yīng)鏈效率的關(guān)鍵手段。34數(shù)據(jù)準(zhǔn)備產(chǎn)品需求量預(yù)測(cè)是若干個(gè)時(shí)間序列預(yù)測(cè)問題的集合。理想狀態(tài)下，應(yīng)該對(duì)每一種產(chǎn)品在每一個(gè)地區(qū)的未來某個(gè)時(shí)間段內(nèi)的需求都做出預(yù)測(cè)，這樣才能夠做出完整的備貨決策，然而實(shí)際情況是，當(dāng)產(chǎn)品數(shù)量眾多（百萬種產(chǎn)品）時(shí)，對(duì)每一種產(chǎn)品都建立預(yù)測(cè)模型是不可行的，因?yàn)檫@會(huì)帶來過重的運(yùn)算負(fù)荷，并且會(huì)使得整個(gè)預(yù)測(cè)系統(tǒng)過于復(fù)雜且難以維護(hù)。面對(duì)這樣的難題我們采取的折中方案是將所有的產(chǎn)品按照其歷史行為的特征進(jìn)行聚類，每一類產(chǎn)品的歷史行為是比較相似的，包括需求體量、周期性趨勢(shì)、長期趨勢(shì)等。針對(duì)每一類產(chǎn)品建立時(shí)間序列預(yù)測(cè)模型后，所有該類別的產(chǎn)品都使用同一個(gè)模型實(shí)現(xiàn)預(yù)測(cè)。35接下來有幾個(gè)重要因素需要考慮：到底應(yīng)該將所有的產(chǎn)品劃分為幾個(gè)類別？產(chǎn)品的歷史行為與哪些因素有關(guān)？如何確定產(chǎn)品需求預(yù)測(cè)在時(shí)間維度上的精細(xì)度，即精準(zhǔn)至天，周，月還是季度？36數(shù)據(jù)準(zhǔn)備考慮完以上問題后，我們?cè)赪indows菜單欄中打開JupyterNotebook，新建Python3Notebook文件，命名為“TPC-DS產(chǎn)品需求量預(yù)測(cè)模型”，編寫Python代碼連接SQLServer2019，編寫SQL查詢語句以獲取原始數(shù)據(jù)。假設(shè)此時(shí)我們希望將預(yù)測(cè)的顆粒度設(shè)置為月份，即以月為時(shí)間單位展開預(yù)測(cè)，編寫代碼（見本頁備注）該代碼抓取了每一種產(chǎn)品在過去60個(gè)月的時(shí)間內(nèi)每個(gè)月的實(shí)際需求量，并獲取產(chǎn)品名稱（item）、品牌（brand）、子類（class）和種類（category）四個(gè)顆粒度由細(xì)至粗的產(chǎn)品屬性。本例中我們僅考慮catalogsales網(wǎng)絡(luò)和websitesaels網(wǎng)絡(luò)，執(zhí)行代碼后，觀察建模原始數(shù)據(jù)37數(shù)據(jù)準(zhǔn)備數(shù)據(jù)預(yù)分析1.item顆粒度首先針對(duì)item顆粒度進(jìn)行分析，提取item顆粒度的產(chǎn)品行為。執(zhí)行代碼后，獲得item顆粒度產(chǎn)品行為趨勢(shì)圖，為了圖示直觀僅選擇前10種產(chǎn)品行為進(jìn)行展示tem顆粒度共有8987種產(chǎn)品，且每種產(chǎn)品的行為模式相差很大，直接執(zhí)行item顆粒度的建模困難較高。382.brand顆粒度接下來對(duì)brand顆粒度進(jìn)行分析，提取brand顆粒度的產(chǎn)品行為。執(zhí)行代碼后，獲得brand顆粒度產(chǎn)品行為趨勢(shì)圖8987個(gè)產(chǎn)品分別隸屬于948個(gè)品牌，且圖中可以觀察到各品牌的行為模式可以大體上劃分為3種，前2種品牌的需求量一直處于較高的水平，最小值在10000左右，峰值可以達(dá)到60000至70000，且周期性非常明顯；而第3種品牌的需求量相對(duì)而言處于一個(gè)較低的水平，最大值也不超過10000。39數(shù)據(jù)預(yù)分析3.class顆粒度接下來對(duì)class顆粒度進(jìn)行分析，提取class顆粒度的產(chǎn)品行為。執(zhí)行代碼后，獲得class顆粒度產(chǎn)品行為趨勢(shì)圖8987個(gè)產(chǎn)品分別隸屬于16個(gè)子類，顆粒度變得更粗，從圖中可以明顯地識(shí)別出2種行為模式，且周期性非常明顯。40數(shù)據(jù)預(yù)分析414.category維度接下來對(duì)category顆粒度進(jìn)行分析，提取category顆粒度的產(chǎn)品行為。執(zhí)行代碼后，獲得category顆粒度產(chǎn)品行為趨勢(shì)圖在category顆粒度下，產(chǎn)品行為已經(jīng)完全退化為一種行為模式，針對(duì)category建模很明顯是沒有意義的。42數(shù)據(jù)預(yù)分析綜上，我們完成了四種顆粒度的產(chǎn)品行為的預(yù)分析。在理想狀態(tài)下，應(yīng)該就item顆粒度的產(chǎn)品行為展開聚類并建模，但是由于過程過于復(fù)雜；而class維度和category維度的顆粒度太粗，不足以覆蓋大多數(shù)的產(chǎn)品行為模式，預(yù)測(cè)模型的精度將會(huì)很差；因此，本例中我們將對(duì)brand顆粒度的產(chǎn)品行為展開聚類并建模，因?yàn)閎rand顆粒度足夠精細(xì)（948種brand），能夠在很大程度上覆蓋大多數(shù)的產(chǎn)品行為特征，同時(shí)我們?cè)诋a(chǎn)品行為圖中也已經(jīng)識(shí)別出了3種行為模式，建模難度和復(fù)雜度也得到了很好的控制。43數(shù)據(jù)預(yù)分析產(chǎn)品行為模式聚類在決定針對(duì)brand顆粒度的產(chǎn)品行為進(jìn)行建模后，我們需要首先識(shí)別brand顆粒度的幾種產(chǎn)品行為模式。盡管我們?cè)趫D中已經(jīng)識(shí)別出了3種具體的行為模式，但是我們并不能完全確定劃分為3種行為模式是否是合理的，因此我們依舊需要借助KMeans聚類算法幫助我們更加科學(xué)的確定最佳聚類數(shù)。執(zhí)行代碼后，獲得手肘圖當(dāng)聚類數(shù)為3時(shí)，手肘圖到達(dá)明顯拐點(diǎn)，與我們的直觀觀察是一致的。44接下來我們將聚類數(shù)設(shè)置為3，執(zhí)行brand顆粒度的產(chǎn)品行為模式聚類。執(zhí)行代碼后，獲得各聚類簇?cái)?shù)結(jié)果匯總聚類后各組的品牌數(shù)量非常不平衡，類別0有908個(gè)品牌，而類別1和類別2分為只有20個(gè)品牌，接下來直觀查看各組的聚類情況。45產(chǎn)品行為模式聚類執(zhí)行代碼后，得到各組的產(chǎn)品行為的需求量均值以及1倍標(biāo)準(zhǔn)差范圍區(qū)間類別1品牌（紅色部分曲線）呈現(xiàn)明顯的周期性上升趨勢(shì)，而類別2品牌（藍(lán)色部分曲線）呈現(xiàn)明顯的周期性下降趨勢(shì)，但是在2002年底呈現(xiàn)出反彈趨勢(shì)。以上2個(gè)類別的產(chǎn)品行為模式非常明顯，并且各類別僅包含20個(gè)品牌，無須再次拆分。類別0品牌（綠色部分）也呈現(xiàn)出明顯的周期性趨勢(shì)，但是在當(dāng)前的縱坐標(biāo)比例下很難看出類別0的劃分是否合理，并且類別0中包含的品牌數(shù)量為908個(gè)，如此眾多數(shù)量的品牌不太可能擁有過一個(gè)完全相同的產(chǎn)品行為模式，因此需要將類別0各品牌的行為模式繼續(xù)進(jìn)行分拆。46產(chǎn)品行為模式聚類執(zhí)行代碼后，得到類別0各品牌產(chǎn)品行為圖類別0中各品牌的行為模式比較雜亂，并沒有呈現(xiàn)出一致性，因此需要對(duì)類別0中的品牌繼續(xù)進(jìn)行聚類，以識(shí)別出更精細(xì)化的產(chǎn)品行為模型。47產(chǎn)品行為模式聚類再次繪制手肘圖以確定最佳聚類數(shù)。執(zhí)行代碼后，得到手肘圖當(dāng)聚類數(shù)為5時(shí)，手肘圖到達(dá)明顯拐點(diǎn)。48產(chǎn)品行為模式聚類接下來我們將聚類數(shù)設(shè)置為5，執(zhí)行類別0各品牌產(chǎn)品行為模式聚類。執(zhí)行代碼后，獲得聚類結(jié)果匯總盡管各組內(nèi)的品牌數(shù)量并不是完全平衡，但是劃分也較為合理。接下來查看各細(xì)分組內(nèi)的產(chǎn)品行為模式（此處的類別0至類別4為此前類別0的細(xì)分類別，為了顯示區(qū)別，將此處的類別0至類別4修改為類別3至類別7）。49產(chǎn)品行為模式聚類執(zhí)行代碼后，獲得各細(xì)分類別產(chǎn)品行為趨勢(shì)圖（在此僅演示類別3的繪圖代碼，其他代碼略）50產(chǎn)品行為模式聚類各細(xì)分類別的產(chǎn)品行為得到了不錯(cuò)的區(qū)分，接下來將各組的產(chǎn)品行為趨勢(shì)圖進(jìn)行匯總。執(zhí)行代碼后，類別3至類別7產(chǎn)品行為趨勢(shì)圖我們將此前的類別0再次進(jìn)行聚類，重新識(shí)別出5種產(chǎn)品行為趨勢(shì)，并且很好地體現(xiàn)了各組間不同的產(chǎn)品行為模式。加上之前聚類得到的類別1和類別2，我們共將brand顆粒度的產(chǎn)品行為劃分為7個(gè)類別，接下來我們將對(duì)這7個(gè)類別執(zhí)行時(shí)間序列建模。51產(chǎn)品行為模式聚類時(shí)間序列建模與效果評(píng)估我們?cè)诖搜菔踞槍?duì)類別2品牌的時(shí)間序列建模過程。繪制類別2產(chǎn)品行為趨勢(shì)圖從圖中可以看到產(chǎn)品行為有著非常明顯的周期性趨勢(shì)