流行病席卷全球后，供應鏈中斷，導致許多公司重新評估其應對網絡范圍內系統波動的裝備水平。在這種大流行中，有人如何理解需求和供應模式并管理整體健康狀況?這種流行帶來了一定程度的不確定性，目前的企業工具無法處理這些不確定性?

我們被要求每天與客戶緊密合作，以幫助他們理解復雜網絡和層次結構中的需求信號。我們還幫助他們在0-12周的執行窗口內預測和應對即將出現的供應不平衡，這是價值泄漏的重要根源，尤其是與當前時間相關。面對這種快節奏的多維國際象棋游戲，客戶需要明確的計劃建議，以提高填充率，減少庫存，最大程度地減少沖銷并控制物流支出。

Noodle.ai最近被確定為在當前危機中脫穎而出的15家創業公司之一。為了理解原因，讓我分享一些有關問題的知識，以及我們正在采取的方法。

為什么基于確定性規則的系統使我們失敗?

由于當前環境中的極端可和噪音，基于規則的產品分配和部署系統已變得非常不可用。現有的ERP和供應鏈計劃系統提供了一個強大的基本供應鏈數據存儲庫(例如，預測，訂單，庫存，生產，裝運等)，但是使用基于標準假設的簡單規則來生成計劃。一旦遇到現實，這些計劃將無法適應實際需求和可用庫存。換句話說，計劃信號變得非常“嘈雜”，操作員將大部分時間花費在解釋真實與非真實之間。這導致響應延遲，錯誤的決策最終導致網絡上的銷售損失，高庫存和部署成本。

計劃者和操作員需要的是現代AI驅動的系統，以便在這種時候創建和管理需求和庫存計劃。他們需要復雜的AI推理引擎的幫助，處理數十億個數據點以建議操作，重點放在那些預計會產生最大財務影響的SKU上。

感知和預測需求/供應模式

在這些空前的時代，對于數據科學家來說，構建并經常調整AI推理引擎非常重要，即使這些應用程序即使在最不穩定的條件下，也可以為應用程序提供動力，以正確識別數據中的關系并預測需求曲線的形狀。在Noodle.ai上，我們早在2020年2月就發現了APJ需求模式中正在出現的變化，并迅速采取行動為我們的模型增加了更高的可解釋性，并在即將到來的危機被感知之前就意識到了這一危機。基于觀察到的整個價值鏈中客戶的行為，我們從三個維度快速描述了需求行為：

尖刺vs下降者

趨勢與平均水平

穩定vs波動