老胡点评：用AI工具进行需求预测的测试
我初步总结了一下，我最近AI在供应链管理的应用场景试验，特别是结合大语言模型（LLM）的特点，可以归纳为如下四大应用：
- 搜索及资料整理：供应市场分析、舆情调查、技术趋势等
- 逻辑推理：文件审核，如标书、合同、SOW、规格书、书籍等；谈判策略拟定；方案比较；报告和文章撰写
- 计算及程序代码编写：各种涉及到复杂计算的环境，例如，需求预测、库存补货计划、网络规划、运输线路计划和车辆调度、库位优化、投标价格比对及打包优化等
- 办公自动化：各种软件和系统之间的自动连接，如Offices、ERP、WMS、TMS、SRM、OA等系统之间
我还是饶有兴致地测试一下AI的需求预测能力，并选了DeepSeek和ChatGPT。最终对比结果如下图，很是惊艳！历史实际需求的黑色线，完全被ChatGPT模拟的需求预测覆盖，重合；而DS的预测，橙色线比我用Excel的预测（绿色线），误差大了很多。
1.案例背景
我找到某产品的历史销售数据，近似看成需求数据。数据具有连续20个时间序列点、5年时长，每个数据点代表一个季度的销售金额，如下图。很简单，把数据表格放入Word文件，上传给DeepSeek和ChatGPT。
2.AI工具的测试指令和过程
我提供给DS和ChatGPT的指令稍有差别。
- 给DS的指令：假设你是一位销售预测专家，该产品的历史数据如上传的资料。请找出历史数据的趋势和季节性特征，最好能总结出未来需求的预测公式。
处于好意，我在指令中给出了提示，告知它注意趋势和季节性特征。
- 给ChatGPT的指令：上传文件里是某产品的历史销售数据，请根据这些数据的规律，找到销售数据特征，并做出可以进行销售预测的计算方法，并给出用这些历史数据模拟的预测数据。
之所以与给DS的指令内容稍有差别，一是想测试一下ChatGPT在我未提示趋势和季节性这两个明显特征的情况下，能否找到恰当的数据特征；二是总结了给DS指令的经验，给ChatGPT的指令对希望输出的结果有更清楚的命令，即“基于给出历史数据模拟的预测”。
✦
•
✦
官网摘要已读完
关注公众号后继续阅读
官网页面主要呈现文章脉络和关键上下文。完整内容、图表、案例细节和活动信息，请关注微信公众号「乐思门咨询」后，在公众号内搜索本文标题阅读原文。
微信搜索：乐思门咨询
老胡点评：用AI工具进行需求预测的测试
