建立需求预测体系实现了供应链的精细化管理，不仅优化了内部运营，更为上下游合作伙伴创造了显著价值。需求预测直接指导我们的库存策略和物流安排，其核心基于历史不同周期的需求趋势分析（算法聚焦过去 30 天、60 天、90 天需求数据的加权运算）：当模型预测某类胶带未来 30 天需求量将出现增长趋势（即预测值显著高于过去 30 天平均需求量）时，我们提前与供应商协调备货量，调整仓库库位规划，优化拣货路径以提升履约效率；胶带生产厂家可同步获取该需求预测结果，合理安排生产线排班及原材料采购计划，避免因需求突增导致的紧急排产成本增加，实现供需协同。
1.数据采集：采集绒布/布基胶带的销售数据，包括统计时间、下单时间、订单编号、产品品类、商品名称、订单数量（卷）、订单金额（元）等。 2.数据预处理：对采集的数据进行清洗，去除重复记录，处理缺失值。 3.数据加工与分析：（1）计算需求量：使用SUM函数对订单数量进行累加，分别计算出其过去90天、60天和30天的总需求量。（2）建立需求量预测模型：本类产品名称的未来30天需求量预测值=[(本类产品过去90天总需求量/90*a)+(本类产品过去60天的总需求量/60*b)+(本类产品过去30天的总需求量/30*c)]*30*k；其中，系数a=0.2，b=0.3，c=0.5，调整因子k=0.9。系数a、b、c反映数值对未来30天需求量预测的影响程度，由于算法更注重更注重短期趋势的影响，因此c被赋予了最高的权重。调整因子k基于市场增长预期进行修正。
| 字段名 | 类型 | 描述 |
|---|---|---|
统计时间 |
-- | -- |
下单时间 |
-- | -- |
订单编号 |
-- | -- |
产品品类 |
-- | -- |
商品名称 |
-- | -- |
| fieldName | exampleValue |
|---|---|
| 统计时间 | 2025年8月22日-2025年11月20日,2025年8月22日-2025年1 |
| 下单时间 | 2025/11/14,2025/9/27,2025/9/15,2025/11/8 |
| 订单编号 | ****78260534364****,****00978927726****, |
curl -H "Authorization: Bearer YOUR_API_KEY" \
http://localhost:3001/api/v1/datasets/8419627