Аналитический прогнозный сервис повысил точность автозаказа на 40%
- Заказчик
- ООО «УК «Русское поле»
- Руководитель проекта со стороны заказчика
-
- ИТ-поставщик
- Beltel Datanomics
- Год завершения проекта
- 2022
- Сроки выполнения проекта
- Октябрь, 2021 - Октябрь, 2022
- Масштаб проекта
- 400 человеко-часов
- Цели
-
Повышение точности прогнозирования модуля автозаказа
Уникальность проекта
Перед командой была поставлена задача повысить точность прогнозирования существующего модуля автозаказа фирменной розницы агрохолдинга. Для её решения предложен аналитический сервис на базе машинного обучения, работающий по модели SaaS. Сервис работает в разрезе магазин – SKU на каждый день с недельным горизонтом прогнозирования. Результаты сервиса интегрируются в бизнес-системы заказчика.По итогам пилотного проекта точность предложенного прогнозного алгоритма оказалась на 40% выше, чем у существующего, и к решению были подключены все 110 магазинов сети. Также сервис позволяет автоматически делать прогноз продаж во время акций.
Перенос работы прогнозного сервиса в облако Yandex (из Microsoft Azure) позволил оптимизировать тарификацию и снизить расходы на обслуживание облачных ресурсов.
- Проект решает задачи импортозамещения
- Да
- Использованное ПО
-
- Аналитический сервис Datanomics Demand Forecast (DDF) Платформа Yandex Cloud
- Распределенные вычисления для прогнозирования заказов осуществляются с помощью сервиса Yandex DataProc
- В сервисе Compute Cloud создана дополнительная виртуальная машина, которая позволяет контролировать задачи в Yandex DataProc. Данные, логи задач и скрипты обновления прогнозов хранятся в S3 Object Storage, а Yandex Virtual Private Cloud служит для управления облачной сетевой инфраструктурой.
- Сложность реализации
-
В сети «Павловская курочка» основная доля ассортимента – это скоропортящаяся продукция. Сложность прогнозирования в категории фреш и ультрафреш – известная проблема для ритейла, которую помогают решить алгоритмы машинного обучения. Использование облачной инфраструктуры значительно ускоряет запуск прогнозного сервиса и не нагружает собственные серверные мощности заказчика.
- Описание проекта
-
Перед Beltel Datanomics была поставлена задача повысить точность прогнозирования существующего модуля автозаказа фирменной розницы агрохолдинга «Павловская курочка». Для её решения предложен аналитический сервис Datanomics Demand Forecast (DDF) на базе машинного обучения, работающий по модели SaaS. Для оценки успешности решения был определен период тестирования один месяц, в течение которого оценивались ошибки текущего алгоритма заказчика и ошибки алгоритма DDF.
Оценка успешности пилотного проекта осуществлялась по следующим правилам:1. Используемая количественная метрика: среднеквадратичная ошибка (RMSE)2. Критерием успешности проекта является условие, при котором RMSE текущей прогнозной системы заказчика больше, чем у нового прогнозного сервиса.По итогам пилотного проекта точность нового прогнозного алгоритма оказалась на 40% выше, чем предыдущего. В результате проект перешел в стадию промышленной эксплуатации, и к решению были подключены все 110 магазинов сети «Павловская курочка». Сервис Datanomics Demand Forecast работает в разрезе магазин – SKU на каждый день с недельным горизонтом прогнозирования. Результаты сервиса интегрированы в бизнес-системы заказчика. Сервис позволяет автоматически делать прогноз продаж во время акций.Работа сервиса в Yandex Cloud позволила оптимизировать тарификацию и снизить расходы на обслуживание облачных ресурсов. Распределенные вычисления для прогнозирования заказов осуществляются с помощью сервиса Yandex DataProc. Это управляемый, гибкий инструмент хранения и обработки больших данных, который позволяет изменять количество хостов на работающем кластере, не прерывая задачи. В сервисе Compute Cloud создана дополнительная виртуальная машина, которая позволяет контролировать задачи в Yandex DataProc. Данные, логи задач и скрипты обновления прогнозов хранятся в S3 Object Storage, а Yandex Virtual Private Cloud служит для управления облачной сетевой инфраструктурой.
- География проекта
- 110 магазинов в разных городах РФ
