Barcha ishlar
Keys · namunaviy misol
Chakana savdo tarmog‘i uchun talab analitikasi va prognozi
Ma’lumotlar pipeline’i va prognoz modeli: qo‘lda qilinadigan haftalik rejalashtirish o‘rniga har bir do‘kon bo‘yicha kunlik talab prognozlari va qaror qabul qilish dashbordi.
- Mijoz
- Chakana savdo tarmog‘i, 40 do‘kon
- Rol
- Data scientist va ma’lumotlar muhandisi
- Muddat
- 12 hafta
- Stek
- Pythonpandasscikit-learnPostgreSQLAirflowMetabase
Muammo
Haftalik buyurtma qarorlari kassa tizimidan eksport qilingan jadvallar asosida qabul qilinardi. Tez sotiladigan tovarlar tugab qolishi va sekin sotiladiganlari ortiqcha qolishi odatiy hol edi.
Yondashuv va arxitektura
- Kassa, aksiya va taqvim ma’lumotlarini toza ombor modeliga birlashtiradigan, Airflow bilan boshqariladigan ELT pipeline’ni qurdim.
- Har bir mahsulot toifasi uchun gradient boosting modellarini o‘qitdim (18 oylik tarix bo‘yicha backtest bilan); prognozlar ishonch oraliqlari va qayta buyurtma tavsiyalari bilan har kuni dashbordga chiqariladi.
Natija
- Pilot toifalarda prognoz xatosi (MAPE) avvalgi qo‘lda usulga nisbatan ~28% ga kamaydi.
- Rejalashtiruvchilar shtatni kengaytirmasdan haftalik sikldan kunlik siklga o‘tdi.
Uni nima mustahkam qildi
- Pipeline’ning har bir ishga tushishida ma’lumot sifati va yangilik tekshiruvlari.
- Model sifati har oy kuzatiladi; qayta o‘qitish — bitta buyruq.
- Moliya bo‘limi uchun ma’lumotlar kelib chiqishining to‘liq hujjatlari.
Shunga o‘xshash vazifa bormi?
Menga yozing — ko‘lam, yondashuv va birinchi bosqich qanday bo‘lishi haqida ochiq fikrimni aytaman.