Datanomics

Множество статей посвящено проблеме прогнозирования продаж и методам её решения. Однако при интеграции прогноза в систему автозаказа возникают практические сложности. Существуют факторы, которые препятствуют формированию корректного заказа; ниже перечислены некоторые из них и обозначены возможные пути решения. К сожалению, даже точный прогноз спроса не гарантирует правильного формирования заказа. Проблема Товар поступает без установленного графика: заказ оформляется лишь тогда, когда сотрудники магазина фиксируют отсутствие товара, а поставщик отгружает продукцию в удобное для себя время...

Почти год назад сеть магазинов «Хорошее дело» внедрила сервис ИИ‑автозаказа от Datanomics. Мы встретились с Марией Лаушкиной, старшим менеджером, и Никитой Ганченковым, менеджером IT‑проектов, чтобы поговорить о том, как изменились процессы, что оказалось самым сложным и какие результаты они видят сегодня. Datanomics (D): Каждый проект начинается с конкретной боли. Какая именно проблема стояла перед вами, когда вы решили внедрить сервис автозаказа Datanomics? Мария Лаушкина (МЛ): Нам нужна была автоматизация расчёта заказов в розничных точках...

При разработке систем прогнозирования товарных номенклатур (SKU) важным является выбор правильной метрики качества модели. Результат выбора непосредственным образом влияет на ценность решения. В данной статье рассмотрим популярные метрики качества в задаче прогнозирования, их свойства, а также интерпретируемость, а также приведем примеры учета цены ошибки, которая для разных товаров может существенным образом отличаться. Покажем, как получить среднюю (интегральную) интерпретируемую оценку качества модели прогнозирования всех товаров с разными объемами продаж...

Сегодня бизнес всё активнее использует современные технологии, чтобы сэкономить время и ресурсы. Если раньше менеджеры вручную мониторили цены конкурентов, подбирали условия для каждого клиента и готовили коммерческие предложения (КП), то теперь значительную часть этих задач можно автоматизировать с помощью искусственного интеллекта. Особенно перспективным направлением стала работа с большими языковыми моделями (LLM) в связке с аналитическими методами. Такой подход позволяет не просто ускорить подготовку...

В эпоху стремительной цифровизации и автоматизации бизнеса компании всё активнее внедряют машинное обучение для оптимизации процессов и повышения эффективности. Для реализации таких проектов нередко требуются значительные вычислительные мощности, и одним из популярных решений становится использование облачной инфраструктуры, способной обрабатывать большие объёмы данных и выполнять высоконагруженные расчёты. Показательный пример — сервис автоматического расчёта заказов на базе ML‑алгоритмов. Однако...

Аналитическая платформа – одна из неотъемлемых частей IT инфраструктуры большинства компаний. Её задача объединять данные из разных источников, предоставлять инструменты быстрой обработки данных, построения отчетов в реальном времени. Ядром аналитической платформы является база данных, позволяющая накапливать данные, хранить и обрабатывать запросы. В настоящее время существует широкий выбор баз данных, однако он может быть затруднен их большой представленностью. При выборе базы необходимо понимать, для каких целей она будет применяться...

Аналитика больших данных является одной из самых быстрорастущих областей в мире из-за огромного количества преимуществ, которые можно получить с ее помощью. Xранение, анализ и передача больших данных предполагает использование специальных фреймворков. Наиболее используемые – Spark и Hadoop. Существует множество облачных сервисов, которые предоставляют эти фреймворки для пакетной и потоковой обработки, передачи данных, их хранения и построения сложной аналитики c применением методов машинного обучения...

Пилотные проекты, или проекты Proof of Concept (PoC), с ограниченным функционалом позволяют получать быстрые результаты и минимизировать риски ИИ проектов. Главная задача — оценить возможность и качество модели машинного обучения для решения конкретной бизнес-задачи и получить план промышленного развертывания решения и внедрение в бизнес-процесс. Проекты PoC можно выполнить за 2-3 месяца, их стоимость, как правило, не превышает 1 млн. рублей, поэтому риски по срокам и бюджету минимальные. Этап 0...

Применение алгоритмов машинного обучения и технологий Data Science позволяет бизнесу оптимизировать расходы и увеличить прибыль. Отправной точкой принятия решений является анализ данных. Есть множество способов представления данных, включая объемные отчёты и презентации, однако самым наглядным и интерактивным инструментом является дашборд с визуализацией данных, позволяющий следить за продуктом, вовремя обнаруживать проблемы и проверять различные гипотезы. Расскажем об опыте построения дашбордов в сервисе Yandex DataLens на примере кейса прогнозирования спроса в ритейле...

В настоящее время аналитические решения на основе искусственного интеллекта (AI) становятся все более востребованными в промышленности. Внедрение методов машинного обучения (ML) особенно актуально для обеспечения качественно нового уровня работы автоматизированных систем управления технологическими процессами (АСУ ТП). Решения на основе ML, интегрированные в существующие АСУТП, обеспечивают автоматизированное управление и контроль параметров технологического процесса, поддержку оптимального режима работы технологических установок и учет промежуточных данных...

На мероприятиях и во время индивидуальных консультаций мы отвечаем на множество вопросов. Решили поделиться ответами со всеми. 1. Программный продукт ваш или сторонний? Продукт наш. 2. Как учитываете наличие товара на полках? Если товар не выставлен, продажи нулевые, но на остатках есть. Если размещение неудачное, продажи падают. К сожалению, если товар не выставлен на полке, но числится на остатках, то нулевая продажа попадет в историю. Такая продажа может «почиститься», если нулевая продажа...

Важнейшим фактором, влияющим на спрос товара, являются промо активности. Изменение цены товара, дополнительные выкладки, рекламные кампании могут существенно изменять спрос как на промо товар, так и на товар-конкурент, который совместно с промо-товаром продается по регулярной цене. Для 85% покупателей цена – решающий фактор совершения покупки. Естественно предположить, спрос на товары с регулярной ценой упадет при проведении промо на аналогичный товар производителя-конкурента из-за оттока клиентов...