在庫予測の外れ値

200 個のキャンドルに対する企業ギフトの注文が 1 つあり、第 8 週に到着します。これは実際の売上であり、Shopify データに含まれており、その四半期から構築されたすべての平均の中に組み込まれています。反対側から出てくるものはあなたの店を説明するものではありません。その週をどうするかを決定するのは判断の分かれ目であり、予測アドバイスが式に至るまでのほとんどの段階で省略されるステップです。

外れ値として考慮されるもの

外れ値は大きな数字ではありません。これは、予測している需要プロセス以外の原因によって生成されるデータ ポイントです。そのため、テストは数値的なものではなく、因果的なものになります。何が数値を生み出したのかを特定できない場合は、まだ異常値はなく、説明のつかない異常値があるだけです。

3 家族でほぼすべてをカバーできます。単一の非反復取引: 卸売または企業からの注文、再販業者が棚を片付ける、1 人の顧客が 1 つを購入する商品を 12 個購入する。データ アーティファクト: テスト注文、キーの入力ミス、インポートの重複、ボット トラフィック。そして、誰もが忘れている、下位側の異常値、それは、製品の在庫切れにより、一週間の売上がゼロだったということです。その週は需要がなかったという証拠ではありません。それはあなたの販売レポートが需要を認識できていない証拠です。

以下は「スギ & イチジク、250g」を 12 週間にわたって示したものです。週ごとに販売された個数が古いものから順に表示されます。

34、33、36、37、62、35、36、238、34、45、47、46

12 個すべてを平均すると、1 週間に 683 ÷ 12 = 56.9 ユニットを獲得できます。これは、この店舗ではこれまでにない数字です。静かな 7 週間 (第 1、2、3、4、6、7、9 週目) だけを平均すると、(34 + 33 + 36 + 37 + 35 + 36 + 34) ÷ 7 = 245 ÷ 7 = 35 単位になります。その 35 が本当のベースラインです。 2 つの数値の差は 3 週間あり、その 3 週間には 3 つの異なる治療が必要です。

異常値または実際の信号

4 つの質問がこの順序で分かれています。

それを3週間走ります。第 8 週の 238 は、通常の小売週の 38 ユニットに加え、200 ユニットのギフト注文が 1 つあり、名前を付けることができ、繰り返しのない 1 つの注文でした。 200 は除外します。第 5 週の 62 は、あなたが実施した割引でした。名前が付けられ、定期的に、多くの注文にまたがる割引でした。フラグを立てて、そのままにしておきます。第 10 週から第 12 週、つまり 45、47、および 46 は 3 つの期間にわたって持続し、さまざまな顧客からの通常サイズの注文で構成されています。それは異常値ではありません。これは、次の予測を構築する際の数値です。

この分野で最も大きな間違いは、最後の逆の間違いです。季節的なピークと大量の注文は、規模だけを見るルールと同じように見えます。また、12 月を異常として削除すると、来年の予測では 12 月が通常であることがわかります。ピークはパターンが存在する唯一の証拠です。

Shopify データ内でそれらを特定する

エクスポートはすでに目の前にあると仮定します。それをプルすること、およびキャンセルと返金の最初のパスのクリーンアップについては、次のとおりです。 独自の Shopify 販売データを使用する。

何かを集計する前に、SKU の注文明細を数量順に並べ替えます (最大の順)。週ごとの合計では、238 ユニットが 1 人のバイヤーから来たのか、90 ユニットから来たのかは隠されており、その区別によって処理が決まります。次に、先頭の数行の顧客列と日付をプロモーション、プレス、有料キャンペーンの独自のカレンダーと照らし合わせて確認します。 12 個のデータ ポイントでは、あなたの目はどんな規則にも打ち勝ちます。

統計ルールは、SKU が多すぎて目で確認できない場合に使用されます。これらは法律ではなく慣例であり、信頼する前に述べておく価値のある前提事項が含まれています。

一般的なものは、平均値から標準偏差が 3 を超えた場合にフラグを立てます。これら 12 週間の平均は 56.9、標準偏差は 55.2 であるため、カットオフは 56.9 + 3 × 55.2 = 222.5 になります。週 238 ユニットでは、それを約 15 ユニット上回ります。何が機能したかに注目してください。標準偏差が 55 である主な理由は 238 であるため、ポイントはそれ自体で膨らんだしきい値をクリアする必要がありました。これを週 100 単位、通常の 38 単位に加えて 62 単位の卸売注文に置き換えると、同じシリーズに対する同じルールにより、平均は 45.4、標準偏差は 18.3、カットオフは 100.4 になります。スパイクは独自のしきい値を下回っており、通常どおり通過します。

このルールでは、値が平均を中心にほぼ対称的に分散していることも前提としています。 1 つの SKU の週間売上高はゼロ以下に制限されており、通常は右に偏っているため、規約が正規分布から借用したパーセンテージはデータを表しません。四分位範囲の規則では、上位四分位より 1.5 つ上の四分位間範囲を超えるものにフラグを立てますが、四分位は平均ではなく並べ替えられたリスト内の位置であるため、1 つの大きな点を歪めるのが難しくなります。失敗の仕方が違います。 84 日中 7 日が売れた遅動きの銘柄を考えてみましょう。4 分の 3 日がゼロであるため、上位 4 分位はゼロ、四分位範囲はゼロ、しきい値はゼロです。このルールは、その製品がこれまでに販売したすべての売上にフラグを立てます。

除外、上限、またはフラグを設定する

3回の治療、間違った治療は何もしないより悪い。

ピリオドではなく部分を除外します。 卸売りラインが削除されると、第 8 週の 238 個は 38 個になり、12 週間の平均は 56.9 個から 483 ÷ 12 = 40.25 個に減少します。代わりに 1 週​​間全体を削除すると、本物の小売需要が 38 ユニット捨てられ、期間が 1 期間短縮されることになります。

値に上限を設ける 需要は実際にあるが、その規模で再現できない場合: 期間を維持し、上限に制限します。不安定ではあるが本物の SKU に役立ちます。上限はユーザー自身の判断であり、計算として装うのではなく、それ自体を記録する価値があります。

期間にフラグを立てる そして、それが歪む可能性がある計算からのみ除外します。次の計画を立てるにはこれらの期間をそのままにする必要があるため、これはプロモーションや季節のピークに適した処理です。 プロモーションに関する予測 上昇予測とベースラインのリセットを完全にカバーします。

これで算術を終了します。卸売注文を取り出し、ベースラインの 35 ユニットをプロモーション週の 62 ユニットに置き換えると、12 週間の平均は 456 ÷ 12 = 38 ユニットになります。過去 3 週間の平均 (45 + 47 + 46) ÷ 3 = 46 であるため、よりクリーンですが、それでも間違いです。クリーニングにより汚染が除去されました。 3週間前にレベルが変動したシリーズにとって、12週間のウィンドウが間違ったウィンドウであることは修正されなかった。これはウィンドウの長さの問題であり、次の記事で説明されています。 移動平均予測。

これは、プロモーション カレンダー、卸売顧客リスト、SKU ごとの期間の長さの決定を毎月頭の中で管理することを意味します。 StockCue 無料を含むすべてのプランの提案の背後にあるベロシティから外れ値の売上を除外しており、季節指数は抑制され、上限が設定されているため、ある異常に好調な月が次の注文の 3 倍になることはありません。次のセクションが重要なのはまさにこのためです。自動ルールは依然としてルールであり、カレンダーを読み取ったわけではありません。

洗いすぎの危険性

すべての除外は、一度に 2 つのことを行います。レベルが下がり、測定されたばらつきが狭まります。変動が狭いほど安全バッファーが小さくなるため、過度にクリーン化された履歴は、記述されているストアよりも低く、保護が不十分な予測を生成します。スプレッドシート内の最も整然とした系列は、多くの場合、最も防御力が低いものです。

3つの損失は名前を挙げる価値がある。季節ピークを削除すると、パターンが存在する唯一の証拠が削除され、季節が含まれなくなった履歴から季節インデックスを導き出すことはできません。在庫切れ週のゼロを実需として扱うと、ベースラインが引き下げられ、すでに完売していた製品の注文が確実に不足することになります。そして、ステップ変更の開始点を削除するのが最もコストがかかります。上記の 10 ～ 12 週目は古いベースラインから 10 単位離れており、35 を基準に測定している人には 3 つの異常候補のように見えます。それらを削除すると、現在 46 個を販売している店舗が 35 個になると予測されます。

ガードはより良いルールというよりは丸太です。すべての除外には行が含まれます: 期間、SKU、削除された内容、理由、誰が決定したか。それがなければ、履歴が薄いということは、製品の売れ行きが悪かったことを意味するのか、それとも誰かがクリーニングしたことを意味するのか、6 か月後には誰にもわかりません。次に、次の予測と実際のレビューを使用して、クリーニングが役に立ったかどうかを確認します。 予測精度の向上、少量の SKU に関するこの投稿の警告を念頭に置きます。少量の SKU は、まさに 1 つの除外注文がすべてを変える SKU です。外れ値のステップをスキップすることは、すでにサイトのリストに含まれています よくある予測の間違い。あまりにも熱心にやるのも同じリストに属します。

よくある質問

販売データの外れ値として考慮されるものは何ですか?

外れ値とは、予測しようとしている需要以外のものによって生成されるデータ ポイントです。たとえば、単一の卸売注文または企業注文、テスト注文またはキーの間違いによる数量、ボット トラフィック、または商品を欲しがる人がいなかったためではなく空の棚が原因で発生した 1 週間の売上ゼロなどです。サイズだけでは数値が異常値になるわけではありません。原因は挙げることができます。

予測からプロモーション販売を削除する必要がありますか?

削除しない: フラグ。プロモーションには、次回プロモーションを実行するときに再発する既知の原因があるため、これらの週は、次のプロモーションを計画するために必要な証拠となります。毎日の補充を促進するベースラインからそれらを除外し、履歴にラベルを付けて保持し、完全に削除しないでください。

外れ値から傾向をどのように判断するのでしょうか?

それが持続しているかどうか、また多くの注文に広がっているかどうかを尋ねます。 1 つの大きな注文ラインによって引き起こされる 1 つの高週がトランザクションです。さまざまな顧客からの通常規模の注文で構成される新しいレベルでの 3 期間以上の連続はレベルの変更であり、その時点以降の古いベースラインからの予測は体系的に注文を下回ることになります。

販売履歴を消去しすぎるとどうなりますか?

除外するたびにレベルが低下し、測定された変動が狭くなります。そのため、履歴が過剰にクリーン化されると、予測が低くなり、同時に安全バッファーも小さくなります。季節ピークの削除は最もコストがかかるバージョンです。ピークはパターンが存在する唯一の証拠であるため、来年の予測ではその期間を通常の予測として扱います。