详细内容或原文请订阅后点击阅览
迪卡侬如何使用 Chronos-2 进行大规模需求预测
迪卡侬是全球最大的体育用品零售商之一，预计多个大洲每周对数万种产品的需求。了解他们如何在 AWS 上部署 Chronos-2，将预测准确性提高 11-15 个百分点，同时降低操作复杂性，并在纯 CPU 实例上以约 0.03 美元的价格运行每周推理。
来源:亚马逊云科技 _机器学习这篇文章是与来自迪卡侬的 Vianney Bruned、Filippo Giruzzi、Belkiss Saidi 和 Carlos Ramirez 共同撰写的。
迪卡侬是全球最大的体育用品零售商之一，在全球拥有超过10万名队友和4亿用户。该公司依靠大规模准确的需求预测来支持每个商店在客户需要时提供适当的产品。在评估多个时间序列基础模型 (TSFM) 后，迪卡侬选择 Chronos-2 作为其预测堆栈的核心组件。
在这篇文章中，我们将分享迪卡侬在 AWS 上大规模运行 Chronos-2 所使用的架构、对迪卡侬供应链运营的业务影响，以及为其他希望采用基础模型进行预测的公司吸取的实际经验教训。
迪卡侬的预测挑战
准确的需求预测是零售供应链运营的支柱。对于迪卡侬来说，其业务的庞大规模和多样性加剧了这一挑战：涵盖 80 多种运动的数万种产品，销往多个大洲，具有高度季节性的需求模式。一副滑雪手套和一块冲浪板具有根本不同的需求信号，但必须准确预测两者，以避免缺货或库存过剩。
迪卡侬的预测系统在两个关键范围内预测所有产品的每周销量。第一个是 12 周的补货窗口，采购计划人员使用该窗口向工业合作伙伴订购商品。第二个是长期库存预测和产能规划的 52 周战略视野。预测系统每周在两个范围内运行。它部署在多个供应区，包括欧洲、印度、中国、东南亚 (SEA)、拉丁美洲 (LATAM)，很快还将扩展到中东和非洲。每个专区涵盖多达 25,000 种产品。
以前的方法及其局限性
迪卡侬的需求预测系统经过数年的发展：