公司库存风险预测数据集-过去8周产品表现-ztrimus
数据来源：互联网公开数据
标签：库存管理,供应链,产品预测,风险分析,企业数据,历史数据,销售预测,库存控制
数据概述：
本数据集包含一家匿名公司过去8周内产品的历史数据，旨在预测未来一周的产品是否会缺货。数据集分为训练集（train.csv）和测试集（test.csv），每组数据记录了不同产品的库存状态、销售预测及历史销售量等关键信息。字段包括：
- sku：库存保有单位，产品唯一标识符
- national_inv：产品当前库存水平
- lead_time：产品运输时间
- in_transit_qty：来源地在途中的产品数量
- forecast_3_month：未来3个月的销售预测
- forecast_6_month：未来6个月的销售预测
- forecast_9_month：未来9个月的销售预测
- sales_1_month：过去1个月的销售数量
- sales_3_month：过去3个月的销售数量
- sales_6_month：过去6个月的销售数量
- sales_9_month：过去9个月的销售数量
- min_bank：建议的最小库存量
- potential_issue：部件问题标志；1表示存在潜在问题，0表示无问题
- pieces_past_due：来源地逾期的产品数量
- perf_6_month_avg：过去6个月的来源表现
- perf_12_month_avg：过去12个月的来源表现
- local_bo_qty：本地订单逾期数量
- deck_risk：部件风险标志；1表示存在风险，0表示无风险
- oe_constraint：部件风险标志；1表示存在风险，0表示无风险
- ppap_risk：部件风险标志；1表示存在风险，0表示无风险
- stop_auto_buy：部件风险标志；1表示存在风险，0表示无风险
- rev_stop：部件风险标志；1表示存在风险，0表示无风险
- went_on_back_order：产品是否缺货。该字段为预测目标值
数据用途概述：
该数据集适用于库存管理优化、供应链风险评估、销售预测模型构建等多种场景。企业管理人员可以利用此数据进行库存策略调整，降低缺货风险；供应链分析师可据此分析供应商表现及风险；数据科学家亦可用于训练机器学习模型，提高预测准确性。通过分析历史数据，企业能够更好地理解市场需求变化并优化运营流程，提升客户满意度。
