Data Science for Supply Chain Forecasting av Nicolas Vandeput

Boken "Data Science for Supply Chain Forecasting, Second Edition" av Nicolas Vandeput utforsker bruken av datavitenskap for å møte utfordringer innen forsyningskjeden, og understreker at det er en vitenskapelig tilnærming som er viktigere enn bare programmeringsferdigheter. Forfatteren argumenterer for at en ekte vitenskapelig metode, som inkluderer eksperimentering, observasjon og kontinuerlig spørsmålstilling, må anvendes for å oppnå presisjon i etterspørselsprognoser. Den andre utgaven inneholder over 45 prosent nytt innhold, inkludert fire nye kapitler som gir en grundig introduksjon til nevrale nettverk og rammeverket for prognoseverdi. Boken er organisert i tre deler: Del I fokuserer på tradisjonelle statistiske modeller, Del II på maskinlæring, og Del III tar for seg prosessledelse i etterspørselsprognoser. Hvert kapittel berører både prognosemodeller og nye konsepter som metrikker, underfitting, overfitting, utslag, funksjonsoptimalisering og eksterne etterspørselsdrivere. Boken inneholder også praktiske seksjoner med implementeringer i Python (og Excel for de statistiske modellene) som viser leserne hvordan de kan anvende teorien i praksis.