我们在SAP解决方案工程中与客户探讨的一个问题是"Like modeling"和"Phase in"曲线的使用。下面的博客分享了我们在预测新产品时何时使用这些技术的经验。

在同类建模中，当我们借用"参考产品"的历史时，大数据工具，我们主要对增长模式（趋势）感兴趣。然而，历史包含趋势+季节性+事件+噪音。我们试图通过使用一组具有不同权重的乘积而不是单个乘积来最小化噪声。然而，历史可能仍然包含事件和季节性。我们可以说，借用的历史与夏季之前推出的产品（比如果汁）有关。那么历史不仅会有增长模式，还会有季节性影响。如果新产品是在不同的季节推出的，重要的是要中和历史上的季节性影响。在这一点上，与同类模型相比，斜升剖面具有优势。它们提供了不同类型的爬坡配置文件。二次/三次型的次线性上升曲线最初提供缓慢的增长，随后扩展更快。一个超线性增长提供了高的初始增长后来逐渐减少。基于之前的发布体验，用户可以将这些配置文件作为起点，然后应用任何其他效果，如季节性影响或促销。这有助于我们避免"喜欢建模"时的过度拟合。

选择次线性/超线性：当产品推出时，会有喜欢试验的创新者和早期购买者。然后你有模仿者，他们根据"实验者"的经验购买产品。根据产品类型、目标细分市场中实验者/模仿者的比例以及上市前/上市初期的营销努力，最初的增长可以是快/慢（次线性/超线性）。根据之前的发布经验，预测人员广泛了解客户群的这种性质。因此，网购返利，他们可以选择相关的特征曲线作为起点，并将这些增长模式应用于他们将评估的稳定水平的产品量上。

这种灵活的新产品预测方法与产品替代相结合，云呢拿，物联网架构，在IBP中提供了卓越的需求规划和渠道填充能力，同时推出新产品。

，大数据工具有哪些