---

name: demand-forecasting-engine description: 基于历史数据、市场信号和外部因素的人工智能需求预测技能，用于提高预测准确性 allowed-tools:

• Read
• Write
• Glob
• Grep
• Bash
• WebFetch metadata: specialization: logistics domain: business category: inventory priority: high shared-candidate: true

---

需求预测引擎

概述

需求预测引擎是一种人工智能驱动的技能，它利用历史数据、市场信号和外部因素生成准确的需求预测。它采用多种预测方法，包括时间序列分析和机器学习模型，以提高预测准确性并支持库存规划决策。

能力

• 时间序列预测（ARIMA、Prophet等）：应用经典和现代时间序列方法进行需求预测
• 机器学习需求模型：使用机器学习算法捕捉复杂的需求模式和关系
• 促销提升建模：纳入促销日历并估计促销需求提升
• 外部因素整合（天气、事件）：在预测中包含天气、事件和经济指标
• 预测准确性测量：使用标准指标（MAPE、偏差等）跟踪和报告预测准确性
• 利用POS数据进行需求感知：整合销售点数据以进行短期需求调整
• 新产品预测：使用类似产品或市场研究为新商品生成预测

工具和库

• Prophet
• statsmodels
• scikit-learn
• TensorFlow/PyTorch
• 需求规划平台

使用流程

• 需求预测
• 再订货点计算
• ABC-XYZ分析

用法

skill: demand-forecasting-engine
inputs:
  item:
    sku: "SKU001"
    category: "消费电子"
    lifecycle_stage: "成熟期"
  historical_data:
    frequency: "weekly"
    periods: 104  # 2年
    data: [...]  # 周度需求值
  external_factors:
    include_seasonality: true
    include_promotions: true
    promotion_calendar:
      - date: "2026-02-14"
        type: "price_reduction"
        expected_lift: 1.5
    include_weather: false
  forecast_parameters:
    horizon_periods: 12
    confidence_level: 95
    methods: ["prophet", "arima", "ml_ensemble"]
outputs:
  forecasts:
    method: "ml_ensemble"  # 最佳表现方法
    predictions:
      - period: "2026-W05"
        forecast: 1250
        lower_bound: 1125
        upper_bound: 1375
      - period: "2026-W06"
        forecast: 1180
        lower_bound: 1062
        upper_bound: 1298
  accuracy_metrics:
    historical_mape: 8.5
    historical_bias: -2.1
    tracking_signal: 0.3
  method_comparison:
    prophet: { mape: 9.2, bias: -1.5 }
    arima: { mape: 10.1, bias: 2.3 }
    ml_ensemble: { mape: 8.5, bias: -2.1 }
  recommendations:
    best_method: "ml_ensemble"
    forecast_review_flag: false
    anomalies_detected: []

集成点

• 企业资源规划（ERP）系统
• 需求规划系统
• 库存管理系统
• 销售点（POS）系统
• 外部数据提供商

性能指标

• 预测准确性（MAPE）
• 预测偏差
• 跟踪信号
• 增值改进
• 预测覆盖率