Stock Demand Trends and Forecast v.19

自分のやり方でレポートを作成

• 必要な数だけレポートを作成し、それぞれをOdoo在庫移動に基づけます
• 保存して再利用、即座に切り替え、または保存せずリアルタイムで試せます
• 間隔を選択: 年次、四半期、月次、週次、または日次
• 将来期間を無制限に予測
• データを表、折れ線グラフ、棒グラフで表示するか、Excelにエクスポート
• 在庫 > Stock Demand Forecastグループで任意のWMSユーザーにアクセスを付与

絞り込み、グループ & 測定

• プロダクトカテゴリ、テンプレート、バリアント、単位、元のロケーション、倉庫、オペレーションタイプ、在庫ルール、または会社で絞り込む
• Odoo の動的ドメインコンストラクターで任意のカスタムルールを追加
• どの移動状態を数えるか選択: 完了、利用可能、待機、新規、キャンセルなど
• バリアント、ロケーション、倉庫、オペレーションタイプ、在庫ルールなど、複数のグループ系列を一度に実行
• 統計指標を表示: 件数、平均、標準偏差、最小、最大、四分位数
• 混合単位でも単位またはバリアントごとのグループ化は一貫し、数値は短縮（例: 192,217 -> 200k）または正確表示できます

実績あるstatsmodelsを使用

• 予測は信頼できるPythonパッケージstatsmodelsで実行されます
• 6つのモデルを同梱: AutoReg、ARDL、ARIMA、SARIMAX、Holt-Winters (HWES)、Simple Exponential Smoothing (SES)
• 各モデルは独自のパラメータを公開し、アプリ内のHelpタブがそれぞれを説明します
• 設定済みモデルを無制限に保持して再利用

制御はあなたのもと

• 需要の傾向を最もよく知るのはあなたです。事業に合うモデルとパラメータを選んでください
• 複数のモデルを並べて比較し、どれが最もよく予測するかを確認
• 予測マネージャーから柔軟に調整して再実行
• 試行錯誤を想定してください。一部のパラメータセットは予測なし、または非現実的な予測を返し、それは全く普通です

実履歴でのバックテスト

• 実績のある過去期間を予測し、実需要の上に予測を重ねます
• 仮説検定をオンにして、モデルとそのパラメータの適合を確認します
• 例: 2017 - 2021で学習し、2022を予測してから実際に起きたことと比較

自信を持ってモデルを比較

• 複数の統計モデルを同時にテストします
• どの手法が現実に最も近いかをすぐに確認できます
• モデルで十分か、実験を続けるかを判断します

十分な履歴

トレンドには十分な過去の在庫移動量が必要です。直近数日では見えません。各フィルタとグループ化された系列に十分なデータがあることを確認してください。

実際の、混沌でないトレンド

統計は既にあるパターンを延長します。傾向のないランダムな動きは予測が弱いので、どの仮定（例: 季節性）を検証しているかを把握してください。

統計的な考え方

ワンクリックの「一般」予測はありません。価値は統計の基本理解と、一つ一つの固有ケースを試す意欲から生まれます。