Проекты

ML-ПРОЕКТ ПО ПРОГНОЗИРОВАНИЮ ВЫКУПА ТОВАРОВ

ЦЕЛИ И ЗАДАЧИ

Бизнес-задача

Прогнозирование выкупа скоропортящихся товаров для принятия решения об объеме закупок.
ИТ-задача

Построение математической модели и обучение ее на исторических данных.

РЕШЕНИЕ

Модель прогноза на основе Machine Learning

РЕАЛИЗАЦИЯ

Компания «Утконос ОНЛАЙН» активно развивает направление машинного обучения. Используемая ритейлером аналитическая система с высокой точностью может предсказывать выкуп товаров на неделю. Однако там, где необходим более короткий горизонт планирования, ее точность заметно снижается и влечет потенциальные убытки. В отличие от классических BI-систем, решения на базе машинного обучения позволяют учитывать большее число факторов, а значит, расширяют возможности для аналитики.

Специалисты «Инфосистемы Джет» построили математическую модель и обучили ее на исторических данных о покупках в «Утконос ОНЛАЙН» за два года. При этом была учтена информация не только по товарным остаткам, но и производственный календарь с выходными и праздничными днями, а также данные о погодных условиях. В интервале двух месяцев точность прогноза созданной модели оказалась на уровне 80%, а в полугодовом интервале – порядка 75%.

Проект затронул несколько товарных наименований с коротким сроком годности и сложными условиями поставок, по которым особенно важно точно определять необходимый объем закупок. Также были проанализированы некоторые категории, на которые в течение года наблюдается нестандартный (например, сезонный) спрос, поскольку Machine Learning позволяет выявлять скрытые корреляции.

Раскрыть

РЕЗУЛЬТАТЫ

Точность прогноза выкупа скоропортящегося товара в пилотном ML-проекте составила в среднем 75-80% при горизонте планирования в два дня (регулярность поставок на склад).

Несмотря на сложности с корректностью исторических данных за последние два года (за это время оборот «Утконос ОНЛАЙН» значительно вырос и это затрудняло сопоставление сравниваемых периодов), за счет привлечения дополнительных данных специалистам «Инфосистемы Джет» удалось реализовать ML-решение достаточно высокой точности, которое может дать заметную экономию средств на закупках и реальное увеличение выручки при грамотном снабжении склада.

2 года
База исторических данных для обучения ML-модели
2 дня
Горизонт планирования в ML-модели
75-80%
Точность прогноза выкупа по различным категориям

ОТЗЫВ КЛИЕНТА

Нам крайне важно с одной стороны не разочаровать своих покупателей отсутствием нужного им товара, а с другой – не получить переизбыток, особенно если речь о скоропортящихся продуктах. Данный пилотный проект продемонстрировал новые возможности машинного обучения в сфере прогнозирования спроса, а также выявил ряд интересных закономерностей, влияющих на поведение покупателей.

Дмитрий Сухоруков

руководитель управления планирования и товародвижения компании «Утконос ОНЛАЙН»