کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4959417 1445944 2018 37 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Tactical sales forecasting using a very large set of macroeconomic indicators
ترجمه فارسی عنوان
پیش بینی فروش تاکتیکی با استفاده از مجموعه های بسیار زیادی از شاخص های اقتصاد کلان
کلمات کلیدی
ترجمه چکیده
پیش بینی تاکتیکی در مدیریت زنجیره تامین پشتیبانی از برنامه ریزی برای موجودی، برنامه ریزی تولید و خرید مواد اولیه را در میان سایر توابع. این معمولا به پیش بینی های پیشین تا 12 ماه اشاره می کند. مدل های پیش بینی سنتی اطلاعاتی را که از گذشته به طور غیرمستقیم مورد توجه قرار می گیرند، اما نمی توانند پیش بینی های حوادث اقتصاد کلان مانند افزایش و یا کاهش چشمگیر فعالیت های اقتصادی ملی را پیش بینی کنند. در عمل این کار با استفاده از قضاوت کارشناسان مدیریتی، که به خوبی شناخته شده است از رنج و عذاب مختلف، مقرون به صرفه و مقرون به صرفه نیست. این مقاله رویکردهای چندگانه را برای پیشبینی پیش بینی فروش تاکتیکی با استفاده از شاخصهای پیشرو اقتصاد کلان ارزیابی می کند. پیش بینی آماری پیشنهادی به طور خودکار هر دو نوع شاخص های پیشرو را انتخاب می کند، و همچنین نظم رهبری برای هر یک از شاخص های انتخاب شده. با این حال به عنوان ارزش های آینده شاخص های پیشرو ناشناخته است، عدم اطمینان اضافی معرفی شده است. این عدم قطعیت در روش ما با محدود کردن ورودی به یک پیش بینی بدون قید و شرط کنترل می شود. ما این را با تنظیمات شرطی مقایسه میکنیم، در حالیکه مقادیر شاخصهای آینده فرض شده است و از دست دادن نظری دقت پیش بینی شده است. ما همچنین مدل مدل سازی کاملا آماری را براساس مدل های حمایتی مورد ارزیابی قرار می دهیم، در حالیکه شاخص های پیشرو پیشین توسط کارشناسان پیش فیلتر شده اند، و کمترین هزینه را با کمترین هزینه مقایسه می کنند. چارچوب پیشنهادی دقت پیش بینی را بیش از معیارهای سری زمانی تعیین شده، در حالی که بینش های مفیدی را در مورد شاخص های پیشرو اصلی پیش بینی می کند. ما رویکرد پیشنهادی را بر روی یک مطالعه موردی واقعی ارزیابی می کنیم و نتایج دقت 18.8 درصدی را نسبت به روند پیش بینی فعلی ارزیابی می کنیم.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر علوم کامپیوتر (عمومی)
چکیده انگلیسی
Tactical forecasting in supply chain management supports planning for inventory, scheduling production, and raw material purchase, amongst other functions. It typically refers to forecasts up to 12 months ahead. Traditional forecasting models take into account univariate information extrapolating from the past, but cannot anticipate macroeconomic events, such as steep increases or declines in national economic activity. In practice this is countered by using managerial expert judgement, which is well known to suffer from various biases, is expensive and not scalable. This paper evaluates multiple approaches to improve tactical sales forecasting using macro-economic leading indicators. The proposed statistical forecast selects automatically both the type of leading indicators, as well as the order of the lead for each of the selected indicators. However as the future values of the leading indicators are unknown an additional uncertainty is introduced. This uncertainty is controlled in our methodology by restricting inputs to an unconditional forecasting setup. We compare this with the conditional setup, where future indicator values are assumed to be known and assess the theoretical loss of forecast accuracy. We also evaluate purely statistical model building against judgement aided models, where potential leading indicators are pre-filtered by experts, quantifying the accuracy-cost trade-off. The proposed framework improves on forecasting accuracy over established time series benchmarks, while providing useful insights about the key leading indicators. We evaluate the proposed approach on a real case study and find 18.8% accuracy gains over the current forecasting process.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: European Journal of Operational Research - Volume 264, Issue 2, 16 January 2018, Pages 558-569
نویسندگان
, , , ,