Hodnotenie:
Kniha „Data Science for Supply Chain Forecasting“ je praktickým zdrojom informácií pre odborníkov v oblasti dodávateľského reťazca a dátových analytikov, ktorý ponúka solídnu kombináciu teórie a aplikácie. Hoci poskytuje cenné poznatky a je prístupná začiatočníkom, niektorí čitatelia považujú obsah za základný a nedostatočne hlboký, najmä pre pokročilých dátových vedcov. Okrem toho niekoľko recenzentov zaznamenalo problémy s kvalitou tlače, čo im ubralo na celkovom zážitku.
Výhody:⬤ Praktický a praktický prístup pre odborníkov v oblasti dodávateľského reťazca a dátových analytikov.
⬤ Dobre štruktúrované kapitoly, ktoré spájajú teóriu s praktickými poznatkami.
⬤ Prístupný jazyk a jasné vysvetlenia aj pre začiatočníkov v jazyku Python.
⬤ Obsahuje cenné tipy a kód pre prognózovanie.
⬤ Užitočné pre rôzne disciplíny mimo dodávateľského reťazca, napríklad plánovanie a predaj.
⬤ Niektorý obsah je vnímaný ako základný a neposkytuje nové poznatky pre pokročilých dátových vedcov.
⬤ Kniha sa nezaoberá niektorými pokročilými témami, ako sú modely ARIMA alebo hlboké učenie.
⬤ Problémy s kvalitou tlače vrátane vypadávania strán, čo vedie k nespokojnosti.
⬤ Niektorí čitatelia majú pocit, že kniha je vzhľadom na kvalitu tlače predražená.
(na základe 10 čitateľských recenzií)
Data Science for Supply Chain Forecasting
Využívanie dátovej vedy na riešenie problému si vyžaduje vedecké myslenie viac ako zručnosti v oblasti kódovania. Data Science for Supply Chain Forecasting, Second Edition tvrdí, že na dosiahnutie dokonalosti v oblasti prognózovania dopytu je potrebné v dodávateľských reťazcoch uplatňovať skutočnú vedeckú metódu, ktorá zahŕňa experimentovanie, pozorovanie a neustále kladenie otázok.
Toto druhé vydanie pridáva viac ako 45 percent obsahu navyše so štyrmi novými kapitolami vrátane úvodu do neurónových sietí a rámca pridanej hodnoty prognózy. Časť I sa zameriava na štatistické "tradičné" modely, časť II na strojové učenie a úplne nová časť III pojednáva o riadení procesov prognózovania dopytu. Jednotlivé kapitoly sa zameriavajú na prognostické modely aj na nové koncepty, ako sú metriky, nedostatočné prispôsobenie, nadmerné prispôsobenie, odľahlé hodnoty, optimalizácia prvkov a externé faktory dopytu. Kniha je bohatá na časti typu "urob si sám" s implementáciami poskytnutými v jazyku Python (a v programe Excel pre štatistické modely), ktoré čitateľom ukážu, ako tieto modely sami aplikovať.
Táto praktická kniha, ktorá pokrýva celú škálu prognózovania - od základov až po najmodernejšie modely - bude prínosom pre odborníkov z dodávateľského reťazca, prognostikov a analytikov, ktorí chcú v oblasti prognózovania dopytu urobiť niečo navyše.
Udalosti okolo knihy
Odkaz na podujatie De Gruyter Online, na ktorom autor Nicolas Vandeput spolu so Stefanom de Kokom, inovátorom v oblasti dodávateľského reťazca a generálnym riaditeľom spoločnosti Wahupa; Spyrosom Makridakisom, profesorom na Univerzite v Nikózii a riaditeľom Inštitútu pre budúcnosť (IFF); a Edouardom Thieuleuxom, zakladateľom spoločnosti AbcSupplyChain, diskutujú o všeobecných otázkach a výzvach prognózovania dopytu a poskytujú náhľad na osvedčené postupy (proces, modely) a diskutujú o tom, ako dátová veda a strojové učenie ovplyvňujú tieto prognózy.
Podujatie bude moderovať Michael Gilliland, marketingový manažér pre prognostický softvér SAS:
Https: //youtu. be/1rXjXcabW2s.
