01
Wie viele Bestellungen nächste Woche?
Im Schnitt 1.142 pro Woche. Mal 46, mal 2.979.
02
Ich habe auf Machine Learning gesetzt.
XGBoost verlor, sogar gegen „wie letzte Woche“.
03
Einfache Struktur gewann.
Mit 86 Wochen Historie schlug klassisches SARIMA alle Modelle: 18,5 % Fehler.
04
23 Tage versprochen. In 12 geliefert.
Olist plante großzügig. 92,1 % kamen pünktlich.
05
881 Verkäufer. Ein echtes Problem.
Ein Verkäufer lieferte 32,1 % seiner Bestellungen zu spät.
06
Mit mehr Daten gewinnt ML.
Im M5 Wettbewerb mit Walmart Daten nutzten alle 50 besten Teams LightGBM.
Quellen: M5 Wettbewerb, International Journal of Forecasting ↗
07
Als Nächstes: den Kipppunkt finden.
Mit wachsender Historie neu rechnen und sehen, wann ML übernimmt.