Проблема заказчика: компания торгует скоропортящимися товарами, а текущая аналитическая система выдает высокую точность предсказания выкупа товаров только на неделю, поэтому отсутствие прогноза на более коротком горизонте планирования (2 дня) влечет потенциальные убытки

Задача заказчика: сократить риски убытков, применив к прогнозу спроса на товары машинное обучение вместо анализа посредством классической BI-системы

Результат: математическая модель построена и обучена на исторических данных о покупках в «Утконосе» за 2 года, учтена информация по сотням параметров (не только по товарным остаткам, но и производственный календарь с выходными и праздничными днями, а также данные о погодных условиях).

75-80% – точность прогноза по различным категориям при горизонте планирования в 2 дня

«Нам крайне важно с одной стороны не разочаровать своих покупателей отсутствием нужного им товара, а с другой — не закупить избыток у поставщиков, особенно если речь о скоропортящихся продуктах. Данный пилотный проект продемонстрировал нам возможности машинного обучения в сфере прогнозирования спроса, а также выявил ряд интересных закономерностей, влияющих на поведение покупателей», — комментирует Дмитрий Сухоруков, руководитель управления планирования и товародвижения компании «Утконос».

Больше деталей на Habr.com