Поделиться
Beltel Datanomics повысила точность прогнозирования автозаказа розничной сети агрохолдинга «Русское поле» на 40%
Beltel Datanomics повысила точность прогнозирования автозаказа розничной сети агрохолдинга «Русское поле» на 40%.
Перед Beltel Datanomics была поставлена задача повысить точность прогнозирования существующего модуля автозаказа фирменной розницы агрохолдинга «Павловская курочка». Для её решения применен аналитический сервис Datanomics Demand Forecast (DDF) на базе машинного обучения, работающий по модели SaaS. Сервис работает в разрезе магазин – SKU на каждый день с недельным горизонтом прогнозирования. Результаты сервиса DDF интегрированы в бизнес-системы заказчика.
По итогам пилотного проекта точность нового прогнозного алгоритма оказалась на 40% выше, чем предыдущего, и к решению были подключены все 110 магазинов сети «Павловская курочка». Также сервис позволяет автоматически делать прогноз продаж во время акций.
Перенос работы прогнозного сервиса в Yandex Cloud позволил 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.
Валерий Наумов, директор департамента информационных технологий УК «Русское поле», сказал: «Сервис Datanomics Demand Forecast – это не только полностью автоматический прогноз спроса для нашей розничной сети, но и экспертная поддержка команды аналитиков Beltel Datanomics. В планах дальнейшее развитие функционала сервиса и переход от нормативных страховых запасов к вычисляемым алгоритмом, что позволит повысить показатель оборачиваемости товарных запасов и снизить долю упущенной прибыли, возникающей из-за отсутствия товара на полке».
Анна Племяшова, директор Beltel Datanomics, отметила: «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».
Мария Аниканова, директор департамента по работе с партнерами Yandex Cloud, сказала: «Yandex Cloud предлагает удобные сервисы для работы с большими массивами данных. Партнёрские решения позволяют расширить возможности платформы для реализации более сложных аналитических сценариев, включая, например, предиктивную аналитику продаж, производственных и логистических процессов. На сегодняшний день предиктивные сервисы на базе машинного обучения активно используют ритейлеры. Однако мы видим, что интерес к решению растет со стороны компаний любых размеров и из разных индустрий».
Короткая ссылка
