Studi kasus solusiAIP188
Peramalan permintaan berbantuan ML untuk perencanaan Layanan publik SPBE
Studi kasus solusi adalah skenario berbasis pola masalah umum di industri. Isinya tidak merujuk klien tertentu dan bukan portofolio proyek MarkasDev. Portofolio proyek klien dipublikasikan terpisah.
Konteks industri
Instansi dengan portal layanan dan silo dinas. Multi-lokasi dengan kedisiplinan data yang tidak seragam, pola tipikal di layanan publik spbe.
Batasan
- Data kotor/outlier
- Promo tidak tercatat rapi
- Multi-lokasi
- Integrasi vendor pihak ketiga
Pendekatan
Diagnose
Memetakan: Horizon forecast, granularity, dan driver bisnis.
Deliver
Mengimplementasikan bertahap: Pipeline data → model hierarkis ringan → planning UI + override manusia.
Operate
Mengoperasikan: Bias monitoring, cold-start SKU/lokasi, review override.
Arsitektur tingkat tinggi
Sales/ops historyfeaturesforecast serviceplanning tools.
Outcome tipikal
MAPE membaik pada SKU/lokasi utama; override lebih terdokumentasi.
Outcome tipikal atau yang diharapkan, bukan klaim hasil proyek MarkasDev.Pertanyaan umum
AI ganti planner?
Tidak; mendukung planner.
Real-time forecast?
Biasanya daily/weekly cukup di awal.