Attensus automatiserer hele prognoselivscyklussen — fra dataindtagelse og kvalitetsvalidering over modeludvælgelse og ensemble-optimering til præcisionsmonitorering og kontinuerlig læring. Intet data science-team kræves.
Eksportér data fra jeres WMS, ERP eller ethvert operationelt system i ét af 14 understøttede formater — CSV, Excel, JSON, XML, Parquet og flere. Motoren registrerer automatisk filstruktur: separatorer, decimaltegn, tegnkodning, datoformater og kommentarlinjer.
Kolonnetilknytning er guidet — motoren foreslår, hvilke kolonner der repræsenterer datoer, gruppeidentifikatorer og målinger baseret på indholdsanalyse. Danske konventioner (semikolon-separator, komma-decimaler, Latin-1-kodning) håndteres native. SAP, Oracle EBS og Dynamics 365-eksporter virker direkte.
Til automatiserede pipelines accepterer REST API'et data programmæssigt — send faktiske værdier dagligt uden manuel filhåndtering.
Tekniske specifikationer
Før en fuld transformation genererer motoren en inline-forhåndsvisning af 500 rækker på under 5 sekunder. I ser præcis, hvordan jeres data vil blive fortolket: datogenkendelse, decimalkonvertering, kolonnetilknytning og tegnkodning — alt valideret, før data skrives.
Skematjek markerer uoverensstemmende typer, manglende påkrævede kolonner og datoformat-uklarheder. Hvis motoren registrerer danske DD.MM.YYYY-datoer i én kolonne og ISO-datoer i en anden, løser den begge korrekt — og viser jer resultatet.
Rensningstrinnet kører automatisk: deduplikering fjerner identiske rækker, null-håndtering udfylder eller markerer huller, IQR-baseret outlier-detektion identificerer volumenspikes og datafejl, og negativ-værdi-tjek fanger fortegnsinversioner fra ERP-eksporter.
Hvert datasæt modtager en kvalitetsscore. Lave scorer synliggør specifikke problemer — manglende datointervaller, overdrevne null-værdier eller outlier-klynger — så I kan rette kildedata, før prognosticering.
Motoren kører seks forskellige prognosemetoder på hver dataserie simultant. Hver metode trænes på historiske data og evalueres mod et tilbageholdt valideringsvindue.
Seks prognosemetoder
Ingen enkelt metode er bedst til alle data. Motoren evaluerer hver enkelt på jeres specifikke serier og vælger den optimale kombination. Tre ensemble-strategier er tilgængelige:
Metoder vægtes omvendt proportionalt med deres valideringsfejl. Den mest præcise metode får den højeste vægt.
Alle valgte metoder bidrager ligeligt. Nyttigt, når ingen enkelt metode klart dominerer, og diversitet reducerer varians.
I sætter vægten pr. metode. Til teams med domæneviden om, hvilke tilgange der virker bedst på deres data.
Konfidensintervaller beregnes via bootstrap-sampling — så I får ikke kun en punktprognose, men også intervallet af sandsynlige udfald på 80% og 95% konfidensniveau.
Resultater leveres som daglige forudsigelser pr. dataserie, hver med konfidensintervaller og præcisionsscore for den metode, der producerede den.
Motoren understøtter scenarieplanlægning: modellér effekten af facilitetslukninger, efterspørgselsændringer eller kapacitetsreduktioner, før de sker. Hvert scenarie viser baseline vs. justerede værdier med finansielle konsekvenser.
Eksterne faktorer — temperatur, kampagner, strejker, prisændringer — kan kobles til prognosen. Motoren lærer korrelationen mellem faktorer og jeres operationelle målinger automatisk.
Typiske behandlingstider
Når faktiske værdier ankommer — enten via filupload eller API — beregner motoren afvigelse i realtid. Rullende 4-ugers MAPE, sammenligninger på modelniveau og heatmaps på gruppeniveau giver jer fuld synlighed i prognosekvaliteten.
Anomalier synliggøres automatisk. Når en faktisk værdi afviger markant fra prognosen, markerer motoren den med kontekst: nærmeste helligdag, lignende historiske mønstre og estimeret forbedring, hvis anomalien forklares.
Jeres team klassificerer hver anomali — var det en kampagne, en driftshændelse, en datafejl eller bare tilfældig variation? Motoren indarbejder disse forklaringer i fremtidige prognoser og bliver mere præcis via en human-in-the-loop-læringscyklus.
Planlagte prognosekørsler kan konfigureres — dagligt, ugentligt eller månedligt — med automatiske notifikationer ved færdiggørelse, fejl eller præcisionsforringelse. Motoren rekalibrerer ved hvert kørsel og tilpasser sig strukturelle ændringer uden manuel indgriben.
Monitoreringskapabiliteter
Vores 5-trins datapipeline registrerer automatisk formater, renser outliers og markerer kvalitetsproblemer, før nogen prognose køres.
Minimum 3 måneder. 12+ måneder anbefales for sæsonmønstre. Motoren tilpasser modeludvælgelsen til jeres datadybde.
Ethvert system, der kan eksportere datafiler. SAP, Oracle EBS, Dynamics 365 og WMS-systemer virker native via 14 filformater.
Prøv den interaktive demo med syntetiske logistikdata — eller book en demonstration med vores team ved brug af data fra jeres branche.
Klar til at se jeres præcision?
Kom i gang