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...