Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Daten zur Prognose der Frachtnachfrage

Hochwertige Daten sind für jedes ML-Modell unerlässlich, um aussagekräftige Vorhersagen und Prognosen zu treffen. Für Nachfrageprognosen besteht der Datensatz aus allen relevanten Daten, die sich auf die endgültige Nachfrage auswirken könnten. Diese Daten können aus verschiedenen Quellen stammen. Sie können diese Daten in zwei Kategorien einteilen: interne und externe Daten.

Interne Daten

Interne Daten sind organische, vom Unternehmen generierte Daten. Diese Daten werden normalerweise in einem Data Warehouse wie Amazon Redshift gespeichert.

Sie können Zielausgabewerte direkt aus Tabellen im Data Warehouse generieren oder extrahieren, die historische Volumen für Produkte von Interesse enthalten. Für Reedereien können Outputs oder Zielwerte in Einheiten voller Containerladungen für die Seeschifffahrt oder als Gesamtgewicht für Luftfracht angegeben werden.

Sie können auch verschiedene historische Geschäftskennzahlen generieren. Diese können als Funktionen im Modell des maschinellen Lernens bei der Bedarfsprognose verwendet werden. Zu den Beispielfunktionen gehören historische Preise, Kosten, Kapazität und Inventar.

Externe Daten

Externe Datenquellen können als zusätzliche Funktionen zur Verbesserung der Prognosegenauigkeit verwendet werden. Beispiele für externe Datenquellen sind Wetterdaten, makroökonomische Daten, Branchendaten und Marktdaten. Diese Faktoren können sich direkt oder indirekt auf die Logistik- und Transportbranche auswirken und sich somit auf die Nachfrage auswirken. Beispielsweise bietet die Marktfrachtrate einen Maßstab für den globalen Frachtmarkt, der sich letztendlich auf die unternehmensspezifische Nachfrage auswirkt. Makroökonomische Daten, wie Import- und Exportdaten für große Volkswirtschaften, könnten auch als Maßstab für die Marktaktivität verwendet werden. Um diese externen Datenquellen zu integrieren, können Sie verschiedene APIs verwenden, um Daten aufzunehmen. Das St. Louis Fed bietet beispielsweise den Federal Reserve Economic Data (FRED) APIZugriff auf makroökonomische Daten und das National Oceanic and Atmospheric Administration (NOAA) bietet den Climate Data Online (CDO) APIZugriff auf weltweite Wetterdaten.