「コールドスタート需要予測問題」とは、新しい製品やサービスに関する未来の需要を予測する際に直面する特有の課題です。この問題は、過去の販売実績のデータがほとんどない、あるいは全くない状況で起こります。特に、企業が市場に新製品や新サービスを導入する時、または他の店舗で既に販売されている新製品を自社の店舗に取り入れる時によく発生します。
このような場合、過去の販売データが不足しているため、将来の需要を予測するための機械学習モデルを訓練するのが難しくなります。通常の需要予測は過去の販売データを基に機械学習モデルを訓練しますが、新製品の場合、そういったデータがないため、在庫管理や価格設定、マーケティング戦略などの意思決定に必要な正確な予測が得られにくくなります。
このアクセラレータについて
このアクセラレーターは、需要予測に関する３つのアクセラレータの２つ目の事例として、履歴データが限られているか全く存在しない製品シリーズに特化したコールドスタートモデリングのためのワークフローを構築するためのノウハウを提供します。
具体的には、このノートブックはコールドスタートモデリングのさまざまなアプローチを比較するためのフレームワークを提供しています。このワークフローで使用されるデータセットは、2年間にわたり、22の店舗で販売される46種類の製品（SKU）を含む50のシリーズのデータを含んでいます。このデータには、時間の経過に伴って製品が市場に導入されたり、撤退したりすることに特有の、さまざまな履歴パターンが含まれています。また、テストデータセットには、トレーニングデータにはない、履歴が少ないか全くない20のシリーズが追加されています。これにより、新製品やサービスの需要予測をより効果的に行うためのアプローチを理解することができます。
追加リソース
前のアクセラレータでは、時系列データとモデリングに関する一般的な課題を特定し、それらに対処する方法に焦点を当てています。それに対してノートブックは、時系列データに頻繁に見られる問題点を特定すると共に、これらの課題に対応するためのさまざまなツールを利用して実験を行うための補助機能（ヘルパー関数）を提供します。
English
