隨著外部資訊在Business-to-Customer (B2C) 企業需求預測中顯示出其降低預測誤差的有效性，本研究將探討外部資訊對Business-to-Business (B2B) 企業的適用性。本研究旨在探尋並應用會影響需求量變化的關鍵外部因素，並且開發一種結合外部信息與殘差修正方法的伺服器需求滾動預測模型，以提高預測準確性並應對伺服器行業面臨的快速變化環境。研究以一間美國伺服器企業的真實銷售數據作為需求預測的對象，選擇伺服器類股的股價、Google Trends相關搜尋次數、景氣訊號燈、美元指數與台幣指數等作為關鍵外部因素，特別是採用滾動預測方法，使模型能夠動態更新數據，以反映最新市場信息和趨勢，進而提高預測的精準性。實驗結果表明納入外部因素能使模型能顯著提升預測準確性，這表明外部因素在捕捉需求變化方面具有重要作用，其中由所建立的殘差修正模型SARIMA-XGBoost和SARIMA-LSTM在長期滾動時間窗口中表現最為優異，顯示出充分利用長期歷史數據的必要性。研究結果強調，結合外部資訊與殘差修正方法的滾動預測模型對於提升伺服器需求預測的準確性具有顯著意義，可為伺服器行業的生產計劃和庫存管理提供有力支持。
|
專利行銷平台
