需求预测(预览版)

通过范围、准确性和库存移交来预测 SKU 需求。

此连接器在以下产品和区域中可用:

Service Class Regions
Copilot Studio 高级 除以下各项外的所有 Power Automate 区域 :
     - 美国政府 (GCC)
     - 美国政府 (GCC High)
     - 由世纪互联运营的中国云
     - 美国国防部(DoD)
Logic Apps 标准 除以下各项外的所有 逻辑应用区域 :
     - Azure 政府区域
     - Azure 中国区域
     - 美国国防部(DoD)
Power Apps 高级 除以下各项外的所有 Power Apps 区域 :
     - 美国政府 (GCC)
     - 美国政府 (GCC High)
     - 由世纪互联运营的中国云
     - 美国国防部(DoD)
Power Automate 高级 除以下各项外的所有 Power Automate 区域 :
     - 美国政府 (GCC)
     - 美国政府 (GCC High)
     - 由世纪互联运营的中国云
     - 美国国防部(DoD)
联系人
Name Saifs AI
URL https://saifs.ai/
Email taher@saifytech.com
连接器元数据
Publisher Saifs AI
Website https://saifs.ai/
隐私策略 https://saifs.ai/privacy_page
Categories 人工智能;数据

需求预测 - Saifs AI 将销售或成交量历史记录转换为每个产品(或区域/渠道)接下来将销售的内容(或区域/渠道),其范围不是裸数。 通过Microsoft Copilot Studio或智能 Microsoft 365 Copilot 副驾驶®连接销售数据。 MCP 通过滚动源回溯测试来网格历史记录、选择经典模型(Naive/SES/Holt/Holt-Winters/Croston-SBA),并返回按系列预测的预测、预测间隔、准确性、制度更改警报、数据质量报告和库存交接(潜在时间需求加上预测错误 sigma)。

谁应该使用它

  • 零售买家和商品商谁需要每 SKU 下季度前景,而不是去年加 10%
  • 按仓库、下行或区域拆分预测的分销商和批发商
  • 零部件和工业规划师,其需求是一次性的,应使用克罗斯顿/SBA
  • 按 SKU 需要单位 Outlook 的制造商和生产规划器
  • 电子商务和 D2C 运营计划下个季度,并关注需求转变
  • 需要需求范围的药房和易腐规划师,而不是虚假点估计
  • 支持和员工规划人员预测票证或联系量
  • 使用 Tally 或Excel导出的 SMB 所有者,无需首先清理或重命名列
  • 需要每个产品供应商潜在客户需求的库存和采购经理
  • Copilot Studio和智能 Microsoft 365 Copilot 副驾驶®制造商向代理添加了解释性数学要求

它如何提供帮助

  • 每个产品的下一周期预测(以及每个区域或通道(可选)预测间隔(默认为 95%)
  • 按时间排序的回溯测试自动选择模型;间歇性系列路由到克罗斯顿/SBA
  • 仅当有足够的历史记录时季节性模型;精简系列被拒绝或给定宽的仅限平均值的回退,并有说明的原因
  • 混乱的实际文件被接受 as-is (代金券日期, 计费数量, 库存项目, Godown; 值,如 12 pc, n/a, 15-Jan-2024)
  • 清单移交使用每个 SKU 在提供时自己的潜在时间;否则为默认等待(14 天)
  • 峰值被标记并封盖;密集文件中的不可读单元格和孔缺失,不卖零

Tools

  • demand_forecaster:大约 2,500 行或 200 个产品或更少;发送行并获取完整的预测结果
  • demand_forecaster_get_engine:较大的文件;返回一个随时运行的 numpy 脚本,使繁重的数据可以保留在用户计算机上

身份验证 OAuth 2.0。 连接服务器时,用户完成 OAuth 许可流。 对于Microsoft认证包,OAuth 客户端设置通过 Azure 密钥保管库(ClientId、ClientSecret、AuthorizationUrl、TokenUrl) 引用;如果适用,RefreshUrl 和作用域。

入门

  1. 在Copilot Studio或智能 Microsoft 365 Copilot 副驾驶®中添加需求预测 - Saifs AI。
  2. 出现提示时,使用 OAuth 2.0 登录。
  3. 提供至少具有日期和时间的销售额或数量历史记录;包括 SKU、区域、通道和潜在顾客时间,以获取更强大的结果。 完全复制行;请勿重命名或预清理。
  4. 询问下一个、按 SKU、按仓库或给定的潜在客户时间销售的内容。

结果是决策支持,而不是 ERP 或 S&OP 替换。 始终使用预测范围,而不仅仅是中点。 薄的历史被一个有说明的理由所阻碍,而不是发明精度。 由 Saifs AI 发布。

操作

需求预测

通过范围、准确性和库存移交来预测 SKU 需求。

需求预测

通过范围、准确性和库存移交来预测 SKU 需求。