Хотя форум больше по медицинской статистике, но тут очень много умный людей, которые знают любую статистику.

Есть такая задача. Поставщик Х поставляет товары с артикулами А,B,C,D,E,F.. и так далее. Каждые полгода идет новая коллекция и надо снова закупать.(пусть это будут платья)
уже артикулы G,H,I,J,K....
По каждому артикулу от предыдущей коллекции от A-F имеется в SQL такая инфа
пол (всего их может быть до 9: юношеская для мальчика, юношеская для девушек, взрослая для мужчин, взрослая для женщин....)
-цвет
-цена
-размер
-сколько было заказов
-какие остатки
-статистика продаж каждый день

Зная такую информацию, как можно спрогнозировать сколько единиц каждого из артикулов стоит заказать? Как правильно действовать?

Буду рад любому совету.

Дать более или менее внятный ответ на ваш вопрос - это означает ни много ни мало поставить бизнес вашим работодателям.

Но кое что по доброте душевной можно присоветовать.

1. С помощью диаграммы Парето определил бы в ассортименте (совокупности артикулов) "дойных коров": вещей, дающих 80% прибыли.
2. Для них по 180 точкам (ежедневная статистика продаж за полгода) строил бы графики реализации, гнал бы сезонную волну, строил бы соответвтсующие модели. Сразу оговорюсь, что их (моделей) может быть бесчисленное количество. Требуется запастись терпением.
3. По моделям строил бы прогнозы на n периодов вперед. Суммарный прогноз на n периодов даст ориентировочные цифры по объемам будущих заказов.
4. Для каждого артикула смотрел бы (справочно) долю остатков /возвратов поставщику в суммарном объеме заказов.
...
1001. Оптимизировал бы ассортимент методами линейного программирования (макасимизация прибыли в некоторой системе ограничений).

Алгоритм правильных действий:
1) Выведать, кто на рынке является самым успешным конкурентом по продаже (и, следовательно, прогнозировании) товаров А,B,C,D,E,F..
2) Переманить автора программы прогноза к себе. Если не получится его заполучить на постоянную работу, то договориться о внедрении его программы и обучении своих сотрудников.

Имеются специальные программы по анализу и прогнозированию складских запасов, в том числе и с заменой ассортимента.
И в нашем вузе имеется такая разработка. Я сам слушал доклад разработчиков на конференции.
Основные методы анализа и прогнозирования:
1. временные ряды,
2. нейронные сети.
Не помню, что важнее.
По мнению специалистов, в условиях нашей страны это можно делать только для непродовольственных товаров.

Я так понимаю это предложение заработать?

1. _Заранее_ тут только мнение экспертов можно пытаться агрегировать по новому-старому ряду моделей одежды. Можно какую то онтологию одежды попытаться построить (взять готовую) которая сводит конкретные предметы одежды в более крупные классы ("штаны" отдельно, а "шляпы" отдельно грубо, а точно надо дизайнеров одежды мучить).

2. А так остается только оперативно реагировать на динамику текущих продаж, лучше всего взять что то типа не так давно построенному прогнозу по проектам кикстартера, когда по самому началу кривой "покупок" - донейтов определяется итоговый объем продаж.

Разноплановые ответы:) а можно ли при помощи feature engineering как-то сформировать потребительскую корзину и сделать как-то по ней кластеризацию с целью выделения сегментов товаров?
anserovtv, а можно хоть как-то ознакомиться с тем как работают эти программы?
100$, а в SPSS есть возможность линейного программирования?

Вряд ли. Это же математика, а не статистика.

Как обычная нейронная сеть, обученная по историческим (предшествующим) данным.
Как работает программа - не видел. Ссылки на программу в интернете есть. Рекламой я заниматься не буду.
Имеются аналоги. Это очень серьезные разработки.

Я знаю, как работает нейронная сеть, а может в ЛС ссылку дадите и это не будет рекламой.
100$, я, кажется, понял, вы имеете ввиду симплексный подход. А почему Вы математику и статистику различаете. И там и там вычисления. Математика ведь основа статистики. По крайней мере нейронные сети это та же статистика, но там много математики. Но в любом случае, вроде направления движения я понял. Спс.

Он называется симплекс-метод. Ну да.