出卖预测 是当今大多数制造企业面临的主要挑战之一吗.
制造商很难完全控制他们的食盐es. 现有的 预测引擎 很大的局限性 由于三个主要原因:
1.提取数据的复杂性 从大多数数据源(Excel文件，如媒体计划，PDF报告…)
2.无法预测几种影响 影响最终销售(社交媒体、竞争……)
3.无法解释特定行业的影响 (全球购物者效应——奢侈品、环保政府举措——汽车业……).
预测升职对员工的影响 票已售完.
制造商和零售商的共同目标是刺激更多的购物, 因此，促销活动往往是为了实现这一互利的目标. 零售商和制造商的促销活动结构复杂, 其中包括货币和非货币成分, 以及直接和长期的影响.
以优化促销(数量)策略, 价格, time, 产品,)和售罄的影响, 必须能够欣赏它们的价值和影响.
然而，促销也有成本:要么是因其他方式购买的类似产品的销量减少，要么是促销本身造成的收入损失. 有一个清晰的自我学习的促销评估是跟踪和优化它的使用的必要条件，而artifact能够做到这一点 建立这样的预测模型来改进促销决策.
