Розница
Прогноз спроса для розничной сети
Скоропортящиеся товары списывали на 8%, а ходовые позиции регулярно кончались — дефицит доходил до 12%. Заказы планировали централизованно, без учёта того, чем живёт конкретный магазин.
PythonXGBoostAirflowApache Superset
Ф
Федеральная сеть продуктовых магазинов, больше 400 точек
Розница
−22%
Списания
+4.1 pts
Маржа
−22%
Списания
+4.1 pts
Маржа
Решение
Обучили модель на истории продаж, погоде, акциях и местных событиях — больше 50 факторов. Она считает заказ отдельно для каждой товарной позиции в каждом магазине и отправляет его без участия менеджера.
Результат
Списания снизились с 8% до 6,2%, дефицит — с 12% до 5%.
Технологический стек
PythonXGBoostAirflowApache SupersetClickHouseYandexCloud
Следующий кейс
Хранение криптоактивов для биржи