文件名称：数据驱动的新闻供应商问题：从数据到决策-研究论文
文件大小：477KB
文件格式：PDF
更新时间：2024-06-08 10:11:06
inventory newsvendor retail machine learning
提供易腐烂物品的零售商每天必须做出数百种产品的订购决策。 此任务并非易事，因为订购过多或过少的风险与库存过多和客户不满意有关。 众所周知的新闻供应商模型抓住了这种折衷的本质。 传统上，此新闻供应商问题是基于需求分配假设来解决的。 但是，实际上，决策者几乎不了解真正的需求分配。 相反，可以使用大型数据集来使用经验分布。 在本文中，我们研究了如何利用这些数据做出更好的决策。 我们确定了数据可以产生价值的三个层次，并评估了它们的潜力。 为此，我们提出了基于机器学习和分位数回归的数据驱动解决方案方法，这些方法不需要假设特定的需求分布。 我们使用大型德国面包店连锁店的销售点数据对这些方法进行了实证评估。 我们发现，如果数据集足够大，则机器学习方法的性能将大大优于传统方法。 我们还发现，改进预测的优势将主导数据驱动解决方案方法的其他潜在优势。