赛道 B： 电商零售商家需求预测及库存优化问题
问题背景：
电商平台存在着上千个商家，他们会将商品货物放在电商配套的仓库， 电商平台会对这些货物进行统一管理。通过科学的管理手段和智能决策， 大数据智能驱动的供应链可以显著降低库存成本，同时保证商品的按时履约。一般来说，以上供应链优化问题会包含以下方面：
现有一张电商零售商家的历史出货量表（附件 1），给出了历史 6 个月 各商家存放在电商不同仓库的商品每天的出货量。假设该出货量即为历史 各商品在各仓库的需求量。同时，还可以取到各商品、商家、仓库的信息 （附件 2-4），例如分类、品牌、生效日期等，这些信息的选择和引入会帮助更好的预测并管理供应链中的库存。
初赛问题：（持续更新）
首先 b 体它自己也划分了问题，一个是需求预测，然后第二个部分是仓库存的一个优化，第三个问题，它是考虑在特殊情况下的一个需求。
问题一 ：使用附件 1-4 中的数据 ，预测出各商家在各仓库的商品
2023-05- 16 至 2023-05-30 的需求量，请将预测结果填写在结果表 1 并上传竞赛平台，并对你们模型的预测性能进行评价。另外请讨论：根据数据 分析及建模过程，这些由商家、仓库、商品形成的时间序列如何分类，使同一类别在需求上的特征最为相似？
思路：
首先我们讲第一问，首先问题一需要我们同时使，就是使用附件 1- 4 的数据进行一个需求量的预测，然后预测之后进行一个性能的评价，同时考察如何使这些类别在需求的特征上最为相似。
我们首先来观察一下数据形式，就首先这是表格一，然后表格依靠的是 product name， product number 来和表 2 相连，同时表一依靠 seller number 和表 3 相连，然后通过 Warehouse number 来跟表 4 来相连。然后我们想要把表 1234 进行一个合并，我们想要把表 1234 进行一个相连，合成一个大表。然后最直观想到的就是用 Python 中的 PD merge 这个函数，那我们后续会在代码中进行展现，然后展示给大家，然后你合并完之后，这个表格就变成一个这样子的大表，这里就是我们要预测的标签，然后剩下的是它的特征，然后处理完数据之后我进行一个预测。
第一步就是合并表，然后是预处理，首先你观察数据有没有为零或者是明显错误的值，然后你再进行一个相关性的分析，就是用，这个函数来观察一下它的相关性，然后输出相关性高的作为特征来进行后续的一个预测的函数。如果我们主要是考察这是一个时间上的一个预测，然后可以采用有典型的时序预测的 Arima 或者是用 LSTM 这样子的。当然最简单的就是线性回归这种句都是可以采取的。然后性能界限提一个评价，我们可以输出预测的那个结果图和实际的增值的一个两个图线的一个图片，或者是输出我们的那个精确度，然后这一问它是好，就是问我们如何分类，可以使用它们作为相似分类。
和前对基本使用聚类分析，那当然后续更详细的一个介绍，我们会根据代码，然后还有结果图标来跟大家介绍，okay，我们就先详细的分析到一个问题一，然后问题 2 和问题 3 我们后续会进行展开，然后欢迎大家点点关注，我们会持续分享的。
问题二：现有一些新出现的商家+仓库+ 商品维度（附件 5），导致这种 情况出现的原因可能是新上市的商品，或是改变了某些商品所存放的仓库。 请讨论这些新出现的预测维度如何通过历史附件 1 中的数据进行参考，找 到相似序列并完成这些维度在 2023-05- 16 至 2023-05-30 的预测值。请把预测结果填写在结果表 2 ，并上传至竞赛平台。
思路：
问题三：每年 6 月会出现规律性的大型促销，为需求量的精准预测以 及履约带来了很大的挑战。附件 6 给出了附件 1 对应的商家+仓库+ 商品维 度在去年双十一期间的需求量数据，请参考这些数据，给出 2023-06-01 2023-06-20 的预测值。请把预测结果填写在结果表 3 ，并上传至竞赛平台。
思路：
本次将全程提供B题题完整解题思路及代码，同时共享一些论文模板等资料，需要的小伙伴可以关注一下，持续更新！完整解题代码可点击此处获取
bash
# https://
# mbd.pub/o/bread/mbd-ZZWalpty