Lijst: Voorspelling van omzet per rayon

De hier voorgestelde lijst gebruikt een model van kunstmatige intelligentie (niet-generatieve AI) om gegevensvoorspellingen te doen op basis van historische gegevens. Het voorbeeld wordt gegeven voor maandelijkse omzet per rayon, maar het kan worden toegepast op elke tijdreeks. Het rapport gebruikt een SSA-model (Singular Spectrum Analysis) dat leert van gegevens uit het verleden om toekomstige waarden in te schatten. SSA is een wiskundige/statistische techniek:

• Het splitst de tijdreeks op in componenten (trend, seizoensinvloeden, ruis).
• Vervolgens reconstrueert het een model uit deze componenten om toekomstige waarden te extrapoleren.

Het model moet leergegevens (train data) ontvangen over een voldoende lange periode om seizoensinvloeden en trends zichtbaar te maken. Deze gegevens moeten aaneengesloten zijn. (Bijvoorbeeld, als er in een maand geen verkoop is, moet er toch een record met nul waarde zijn voor die maand). In ons voorbeeld wordt het model getraind en uitgevoerd per rayon. Een andere granulariteit kan worden gebruikt, bijvoorbeeld familie, subfamilie of categorie. Of om het even welke andere gegevens. Dit type analyse wordt overigens niet door het model zelf in rekening gebracht: enkel de opeenvolging van cijfergegevens telt.

In de customizer moeten de volgende parameters zorgvuldig worden ingesteld:

• windowSize : Grootte van het observatievenster (of context). Bepaalt hoeveel voorgaande punten worden gebruikt om de volgende waarde te voorspellen. Typisch 12 voor een jaarlijkse analyse.
• seriesLength : Totale lengte van de reeks die wordt gebruikt om seizoensinvloeden te detecteren, de globale geheugenlengte van het model
• trainSize : Grootte van de dataset die wordt gebruikt voor het leren
• horizon : Aantal perioden waarvoor de voorspelling wordt gemaakt

De uitvoer van het rapport gebeurt in "venster"-modus. Gezien de mogelijk lange uitvoeringstijd, kan deze code beter in consolemodus worden gebruikt.

Om dit document te installeren:

• Pak het bijgevoegde ZIP-bestand uit in de hoofdmap van Mercator.
• Start Mercator opnieuw op om de nieuwe lijst te installeren (snelle installatie)

Het document is toegankelijk via het menu "Artikels / Documenten".

⚠️ Waarschuwing – Op AI gebaseerde voorspellende modellen

Dit voorspellingsmodel levert nuttige schattingen voor planning, maar vormt geen zekerheid. De resultaten moeten met de nodige voorzichtigheid worden geïnterpreteerd.

1) Kwaliteit & kwantiteit van de gegevens

• Aanbevolen hoeveelheid:
  • Duur : als de analyse jaarlijks is, minstens 36 maanden aan gegevens om trend en seizoensinvloeden te detecteren.
  • Hoeveelheid informatie : hoe dichter de gegevens, hoe betrouwbaarder de voorspelling. (Bijvoorbeeld, een voorspelling voor een rayon met weinig verkopen is minder betrouwbaar dan voor een afdeling met veel activiteit).
• Kwaliteit : gegevens moeten schoon, consistent en zonder onderbrekingen of uitschieters zijn.
• Traceerbaarheid : documenteer de bronnen, filters en aangebrachte correcties.

2) Modelinstellingen

• windowSize (contextvenster) : aanpassen aan de periodiciteit (bijv. 12 voor een jaarlijkse seizoensinvloed).
• seriesLength (geanalyseerde lengte) : lang genoeg om cycli te vatten, zonder verschillende regimes te vermengen.
• horizon : kies een realistisch bereik; daarbuiten stijgt de onzekerheid ster.
• Goede praktijk : valideren door voorspelde gegevens te vergelijken met werkelijke gegevens.

3) Gebruiksvoorzorgen

• De resultaten dienen als hulpmiddel bij besluitvorming, niet als exacte waarden.
• Laat steeds een menselijke beoordeling uitvoeren en combineer met zakelijke indicatoren (promoties, marktsituatie, seizoensinvloeden).
• Vermijd gebruik voor financiële of contractuele verbintenissen zonder bijkomende verificatie.

4) Aansprakelijkheid

Ineo Srl wijst elke aansprakelijkheid af bij gebruik van voorspellende modellen zonder menselijke validatie of passende bedrijfscontrole. Door deze modellen te installeren en te gebruiken, aanvaardt u om de resultaten te evalueren, uw parameterkeuzes te documenteren en de nodige controles toe te passen.