Аналитика и прогноз спроса для розничной сети

Задача

Еженедельные решения о заказах принимались по таблицам, выгруженным из кассовой системы. Дефицит ходовых товаров и излишки неходовых были обычным делом.

Подход и архитектура

• Построил ELT-пайплайн, объединяющий данные касс, акций и календаря в чистую модель хранилища, с оркестрацией в Airflow.
• Обучил модели градиентного бустинга по категориям товаров с бэктестингом на 18 месяцах истории; прогнозы ежедневно публикуются на дашборде с доверительными интервалами и рекомендациями по дозаказу.

Результат

• Ошибка прогноза (MAPE) снизилась примерно на 28% по сравнению с прежним ручным методом на пилотных категориях.
• Планировщики перешли с еженедельного на ежедневный цикл без увеличения штата.

Что обеспечило надёжность

• Проверки качества и актуальности данных при каждом запуске пайплайна.
• Качество модели отслеживается ежемесячно; переобучение запускается одной командой.
• Полная документация происхождения данных для финансового отдела.