Scienza dei dati per le previsioni della catena di approvvigionamento

Recensioni dei lettori

Il libro “Data Science for Supply Chain Forecasting” è una risorsa pratica per i professionisti della supply chain e gli analisti di dati, che offre una solida miscela di teoria e applicazione. Sebbene fornisca spunti preziosi e sia accessibile ai principianti, alcuni lettori hanno trovato i contenuti basilari e poco approfonditi, soprattutto per i data scientist più esperti. Inoltre, diversi recensori hanno riscontrato problemi con la qualità di stampa, che hanno penalizzato la loro esperienza complessiva.

⬤ Approccio pratico e pratico per i professionisti della supply chain e gli analisti di dati.
⬤ Capitoli ben strutturati che collegano la teoria con le informazioni utili.
⬤ Linguaggio accessibile e spiegazioni chiare, anche per i principianti di Python.
⬤ Contiene preziosi suggerimenti e codice per le previsioni.
⬤ Utile per varie discipline oltre alla supply chain, come la pianificazione e le vendite.

⬤ Alcuni contenuti sono percepiti come basilari e non forniscono nuovi spunti per i data scientist avanzati.
⬤ Il libro non tratta alcuni argomenti avanzati, come i modelli ARIMA o il deep learning.
⬤ Problemi di qualità di stampa, tra cui la caduta delle pagine, con conseguente insoddisfazione.
⬤ Alcuni lettori ritengono che il libro abbia un prezzo eccessivo rispetto alla qualità di stampa.

(basato su 10 recensioni dei lettori)

Titolo originale:

Data Science for Supply Chain Forecasting

Contenuto del libro:

L'utilizzo della scienza dei dati per risolvere un problema richiede una mentalità scientifica più che abilità di codifica. Data Science for Supply Chain Forecasting, Second Edition sostiene che per raggiungere l'eccellenza nella previsione della domanda è necessario applicare alle catene di fornitura un vero e proprio metodo scientifico che comprenda la sperimentazione, l'osservazione e la costante messa in discussione.

Questa seconda edizione aggiunge oltre il 45% di contenuti extra con quattro nuovi capitoli, tra cui un'introduzione alle reti neurali e al quadro di riferimento del valore aggiunto della previsione. La Parte I si concentra sui modelli statistici "tradizionali", la Parte II sull'apprendimento automatico e la nuovissima Parte III sulla gestione del processo di previsione della domanda. I vari capitoli si concentrano sia sui modelli di previsione sia su nuovi concetti come metriche, underfitting, overfitting, outlier, ottimizzazione delle caratteristiche e driver esterni della domanda. Il libro è ricco di sezioni dedicate al fai-da-te con implementazioni in Python (e in Excel per i modelli statistici) per mostrare ai lettori come applicare questi modelli da soli.

Questo libro pratico, che copre l'intera gamma delle previsioni - dalle basi fino ai modelli più avanzati - sarà utile ai professionisti della supply chain, ai previsori e agli analisti che vogliono fare il passo più lungo della gamba con le previsioni della domanda.

Eventi intorno al libro

Link a un evento online di De Gruyter in cui l'autore Nicolas Vandeput insieme a Stefan de Kok, innovatore della supply chain e CEO di Wahupa, Spyros Makridakis, professore all'Università di Nicosia e direttore dell'Institute For the Future (IFF), e Edouard Thieuleux, fondatore di AbcSupplyChain, discuteranno le questioni generali e le sfide della previsione della domanda e forniranno approfondimenti sulle migliori pratiche (processi, modelli) e discuteranno l'impatto della scienza dei dati e dell'apprendimento automatico su tali previsioni.

L'evento sarà moderato da Michael Gilliland, responsabile marketing del software di previsione SAS:

Https: //youtu. be/1rXjXcabW2s.