目标是预测缺货情况，无论是定量（差距）还是定性（未来几周可能发生的缺货）。背景：

1. 我们有现有的需求计划流程，通过启发式和软件包（使用时间序列模型）。大多数情况下，它们表现良好，并且很少出现缺货记录（约 8% 的订单因缺货而被拒绝）。可能存在隐藏案例，这意味着客户在知道我们缺货后甚至没有下订单。

2. 缺货“成群结队”地发生。在两年的时间里，我们只有 3-4 个缺货期，每个持续一到两周。当需求最高时，它们并没有发生，因为我们为此做好了计划。

挑战：

1. 时间序列可以捕获平均需求，但是它们无法模拟导致缺货的极端/意外情况。使用上置信区间可以涵盖一些极端情况，但这会显着增加仓库成本。
2. 没有足够的数据用于机器学习 - 基本上只有 3 个缺货案例，因为它们发生在“集群中”。

请建议我如何处理这个 - 欢迎任何输入......