Data Science for Supply Chain Forecasting

Data science for supply chain forecasting, deuxième édition

Un guide complet pour transformer votre chaîne d’approvisionnement

Ce livre est essentiel pour tous les professionnels et les passionnés qui se concentrent sur la prévision de la demande dans le secteur de la supply chain. L’ouvrage argumente brillamment que l’utilisation efficace de la data science dans les chaînes d’approvisionnement relève plus d’une aptitude scientifique que de simples compétences en programmation.

Ce que vous apprendrez :

• Les fondamentaux des statistiques et des modèles traditionnels pour une compréhension solide du domaine.
• Des techniques avancées via des introductions aux réseaux de neurones et approches d’apprentissage automatique pour améliorer vos prévisions.
• Comment mettre en œuvre des règles scientifiques rigoureuses dans le processus de prévision et d’analyse des données.
• Des stratégies pratiques pour la gestion des anomalies, l’optimisation des caractéristiques et la compréhension des moteurs externes de la demande.

À qui s’adresse ce livre ?

Ce manuel est conçu pour les professionnels de la chaîne d’approvisionnement, les prévisionnistes, les analystes, et aussi pour ceux qui aspirent à acquérir une compréhension approfondie des mécanismes de la prévision dans ce domaine crucial. Que vous soyez un débutant cherchant à comprendre les bases ou un praticien expérimenté désirant approfondir vos compétences analytiques, ce livre vous offre des perspectives et des outils pour exceller.

Pourquoi ce livre est un incontournable ?

Avec l’ajout de plus de 45 % de contenu dans cette deuxième édition, incluant quatre nouveaux chapitres, cet ouvrage s’enrichit de nouvelles théories et pratiques qui sont cruciales dans le monde professionnel actuel. Les sections à faire soi-même, accompagnées de codes en Python et des exemples en Excel, vous permettent de mettre immédiatement en application les concepts étudiés.

En investissant dans cette lecture, vous vous équipez pour relever efficacement les défis de la prévision de la demande et prendre des décisions basées sur des données fiables et scientifiquement valides.