コールドスタート需要予測ワークフロー¶

GitHubでこのAIアクセラレーターにアクセス

「コールドスタート需要予測問題」とは、新しい製品やサービスに関する未来の需要を予測する際に直面する特有の課題です。 この問題は、過去の販売実績のデータがほとんどない、あるいは全くない状況で起こります。特に、企業が市場に新製品や新サービスを導入する時、または他の店舗で既に販売されている新製品を自社の店舗に取り入れる時によく発生します。

従来の需要予測では、過去の売上データを使用して、将来の需要を予測できる機械学習モデルをトレーニングします。 しかし、新製品の場合には履歴データはありません。 在庫、価格設定、マーケティング戦略に関して情報を得た上で意思決定をするには精度の高い需要予測が不可欠であるため、これは大きな課題となります。

3部構成の系列オンデマンド予測のこの2番目のアクセラレーターからは、履歴が限られている系列または履歴のない系列のコールドスタートモデリングワークフローの構築ブロックが得られます。 このアクセラレーターからは、コールドスタートモデリングのいくつかのアプローチを比較するためのフレームワークが得られます。

以前のノートブックは、一般的なデータおよびモデリングの課題を検査および処理するフレームワークを意図し、実際の時系列データでよくある欠点を特定し、上記のツールで実験をスケーリングするヘルパー関数として使用できます。

データセットは、2年間にわたる50の系列（22の店舗にまたがる46のSKU）で構成され、さまざまな系列履歴があります。これは、時間の経過に伴う製品の販売開始と販売終了のビジネスに典型的なものです。 テストデータセットには、トレーニングデータセットに存在しない、履歴がほとんどない、またはまったくない20個の追加系列が含まれています。