محققان در یک پژوهش جدید، رویکردی هوشمندانه برای حل چالشهای پیشبینی تقاضا در خردهفروشی معرفی کردهاند. روش «Contextual Deconvolution» (CD) با جداسازی اثرات تبلیغات از دادههای پایه تقاضا، به مدیران زنجیره تأمین کمک میکند تا با کاهش واریانس و هزینههای انبارداری، تصمیمات دقیقتری بگیرند. این متد برخلاف مدلهای سنتی، تمرکز خود را بر «پایداری عملیاتی» و کاهش خطاهای پیشبینی در مقیاسهای بزرگ (مانند دیتاستهای M5) گذاشته است. این فناوری به ویژه برای کسبوکارهایی که با نوسانات بالای ناشی از کمپینهای تبلیغاتی روبرو هستند، یک گام رو به جلو در مدیریت هوشمند منابع محسوب میشود. 📦📈
سازی
منبع: arXiv Machine Learning