PROJEKTS

Prognozējošās analītikas programmatūra praktiski izmantojamām prognozēm

Pielāgota programmatūras izstrāde, Datu ielāde, Prognozējošā modelēšana, Prognožu ģenerēšana, Datu vizualizācija, Modeļu novērtēšana, Prognožu API, Atkārtotas apmācības automatizācija

  • Nozare: Mazumtirdzniecība
  • Francija Atrašanās vieta: Francija
  • Izstrādes laiks: 16 nedēļas
  • Tehnoloģijas: JavaScript / TypeScript (Node.js), Python
4+ mēneši

Šis mazumtirdzniecības uzņēmums Francijā izmanto pārdošanas un operatīvos datus prognozēšanai un plānošanai. Prognozējošās analītikas programmatūra apstrādā CSV failus, izklājlapas un datubāzu datus. Tā apstrādā arī API, pārskatus, tekstu un attēlus. Sistēma attīra un apvieno ievades datus, pēc tam atgriež prognozes, tendenču ieskatus un ieteikumus komandām, kas pieņem lēmumus mazumtirdzniecībā.

Kopsavilkums

Problēma

Klients prognozēšanai un lēmumu pieņemšanai izmanto dažādus uzņēmuma datus.

Risinājums

Risinājums kļuva par prognozējošās analītikas programmatūru, kas apvieno datu sagatavošanu, mašīnmācīšanās modeļus, novērtēšanu un skaidrus skaidrojumus.

Rezultāts

Programmatūra ir izstrādāta, lai samazinātu manuālo analīzi un atbalstītu pārliecinošāku plānošanu mazumtirdzniecībā.

Klienta stāsts

Klients ir mazumtirdzniecības uzņēmums no Francijas. Tas izmanto pārdošanas, klientu, mārketinga un operatīvos datus prognozēšanai un lēmumu pieņemšanai.

Klientam nepieciešamas prognozes un ieskati plānošanai, pieprasījuma izmaiņu un klientu uzvedības izpratnei, kā arī darbības uzlabošanai. Šo avotu pārvēršana izmantojamos rezultātos prasa laiku.

Pieprasījums bija vienkāršs: ielādēt un attīrīt dažādus datus, apmācīt prognozējošos modeļus, pārbaudīt to veiktspēju un nodrošināt izskaidrojamas prognozes un ieteikumus.

Risinājums tika veidots kā savstarpēji saistīts produkts ar datu ielādes, prognozēšanas, novērtēšanas un piekļuves prognozēm ekrāniem. Katrs modulis tika pielāgots klienta datiem, noteikumiem un vajadzībai pārskatīt rezultātus.

Klients vēlējās

  1. Ielādēt, attīrīt, pārveidot un apvienot datus no dažādiem avotiem
  2. Apmācīt modeļus, kas ģenerē prognozes, rezultātus, ieskatus vai ieteikumus
  3. Validēt modeļu veiktspēju, izmantojot rādītājus, prognozes un salīdzinājumus ar bāzes līniju
  4. Nodrošināt ticamības rādītājus, skaidrojumus, ieteikumus un skaidrus ieskatus

Kāpēc nederēja gatava programmatūra

Gatavie prognozējošās analītikas produkti nodrošina modelēšanu, analīzi un pārskatus. Šim klientam vienā produktā bija nepieciešama dažādu ievades datu apstrāde, modeļu pārskatīšana, skaidrojumi un piekļuve prognozēm. Risinājums tika pielāgots šīm prasībām.

Projekta pārskats

Risinājums tika izstrādāts, balstoties uz skaidru ceļu no avota datiem līdz izmantojamām prognozēm. Pirmais ekrāns apvieno CSV, XLSX un SQL datus vienuviet pārskatīšanai.

Turpat pieejami arī API dati, bet trūkstošās vērtības un pārveidotie lauki joprojām ir redzami.

Lai apstrādātu pārskatus un citus dokumentu formāta ievades datus, līdztekus priekšapstrādei tika nodrošināta dokumentu konvertēšana un datu parsēšana. Rezultātā tika izveidots vienots pamats modeļu apmācībai, nevis nesaistītu failu kopums.

Prognozēšanas vide vienuviet parāda prognozētos rezultātus, varbūtības un ticamības rādītājus. Tendenču ieskati, ieteikumi un skaidrojumi saglabā uzņēmējdarbības nozīmi tuvu modeļa rezultātam.

Pirms prognožu publicēšanas validācija salīdzina faktiskās un prognozētās vērtības, bāzes veiktspēju un modeļu versijas.

Pēdējais modulis nodrošina piekļuvi prognozēm, izmantojot API, un vienuviet parāda atkārtotas apmācības iestatījumus, modeļu artefaktus un ieplānotos uzdevumus. Tika iekļauta arī dokumentācija un apmācības, lai klienta komanda varētu pārvaldīt sistēmu un vēlāk to paplašināt.

Piegādātās galvenās funkcijas

  • Datu ielāde no failiem, datubāzēm un API
  • Datu tīrīšana un pārveidošana
  • Trūkstošo vērtību atzīmēšana un apstrāde
  • Prognozējošo modeļu apmācība
  • Prognožu un ieteikumu ģenerēšana
  • Ticamības rādītāji un skaidrojumi
  • Faktisko un prognozēto vērtību validācija
  • Salīdzināšana ar bāzes līniju un modeļu versijas
  • Prognožu API konfigurēšana
  • Ieplānota atkārtota apmācība

Var pievienot

+ Datu vizualizāciju + Datu iegūšanu no tīmekļa vietnēm + Eksporta galapunktu konfigurāciju + Veiktspējas novērtēšanu + Neatbilstību pārskatus + Excel konvertēšanu + Grafana informācijas paneļus + Izstrādes procesa dokumentāciju

Kas vēl var izmantot šo risinājumu

Uzņēmumi ar līdzīgu prognozēšanas uzdevumu var pielāgot šo risinājumu saviem datiem, noteikumiem un piegādes kanāliem.

Modes preču mazumtirdzniecības veikals

Uzdevums Tam jāprognozē pieprasījums, izmantojot pārdošanas, produktu un mārketinga datus.
Kā risinājums palīdz Risinājums apvieno avota datus, izveido prognozes un izskaidro rezultātus plānošanas vajadzībām.

Patēriņa preču vairumtirgotājs

Uzdevums Tam jāprognozē pieprasījuma izmaiņas un resursu vajadzības, izmantojot operatīvos datus.
Kā risinājums palīdz Risinājums sagatavo dažādus datus un parāda prognozes, ticamības rādītājus un ieteikumus.

Pārtikas piegādātājs

Uzdevums Tam pieprasījuma plānošanai jāizmanto vēsturiskie pārdošanas un operatīvie dati.
Kā risinājums palīdz Risinājums atbalsta datu sagatavošanu, modeļu novērtēšanu un prognožu piegādi, izmantojot API.

Tehnoloģiju steks

JavaScript / TypeScript (Node.js)

Palaist datu un diagrammu saskarnes

JavaScript un TypeScript nodrošina parsēšanas, izklājlapu, API un diagrammu saskarnes.

Python

Apstrādāt un analizēt datus

Python nodrošina dokumentu konvertēšanu, darbu ar datubāzēm, priekšapstrādi, informācijas paneļus un prognozējošo analīzi.

d3-dsv

Parsēt CSV un TSV

d3-dsv (parsētājs failiem, kas atdalīti ar norobežotājiem) nolasa un formatē CSV un TSV datus.

maatwebsite/excel

Importēt un eksportēt Excel

maatwebsite/excel (Laravel Excel importēšanas un eksportēšanas bibliotēka) nodrošina apmaiņu ar izklājlapām.

SQLAlchemy

Savienoties ar SQL datiem

SQLAlchemy (datubāzu piekļuves bibliotēka) savieno risinājumu ar SQL datiem.

recharts

Attēlot prognožu diagrammas

recharts (React diagrammu bibliotēka) atbalsta vizuālu tendenču analīzi.

grafanalib

Veidot Grafana informācijas paneļus

grafanalib (Python bibliotēka Grafana informācijas paneļu izveidei) atbalsta paneļu konfigurēšanu.

PDF

Apstrādāt PDF failus

PDF faili nodrošina pārskatu ievadi vai dokumentētus rezultātus līdztekus strukturētiem datiem.

XLSX

Apstrādāt izklājlapu failus

XLSX faili nodrošina izklājlapu datu ievadi risinājumā un eksportu no tā.

CSV

Apstrādāt tabulu failus

CSV faili nodrošina pārnesamus tabulu datus ievadei un eksportam.

Integrācijas

SQL databases

Risinājums nolasa SQL datus priekšapstrādei, modelēšanai un prognozēm.

Business APIs

API nodrošina avota datus un ļauj piekļūt prognožu rezultātiem.

Spreadsheets

CSV un XLSX faili pārsūta tabulu datus uz risinājumu un no tā.

Grafana

Grafana informācijas paneļi parāda konfigurētus prognozējošos un operatīvos skatus.

Rezultāts

Tīrāki dati uzticamai modelēšanai

Datu ielādes ekrāns sniedz klientam vienu vietu, kur pārskatīt avota datus pirms modelēšanas. Trūkstošo vērtību atzīmes un pārveidotie lauki ļauj savlaicīgi pamanīt datu kvalitātes problēmas.

CSV, XLSX, SQL un API ievades dati tiek parādīti vienotā skatā sagatavošanai un apvienošanai.

Kā tas darbojas

  1. Avota izvēle saņem CSV failus, XLSX failus, SQL datus un API datus.
  2. Datu priekšskatījuma tabulā redzami avota lauki un trūkstošo vērtību indikatori.
  3. Priekšapstrādes modulis izveido attīrītus un pārveidotus laukus.
  • Pārskatiet avota kvalitāti pirms modeļu apmācības
  • Apvienojiet dažādus ievades datus vienā sagatavošanas procesā
Padoms: Redzami trūkstošo vērtību indikatori palīdz komandai noteikt informāciju, kurai jāpievērš uzmanība pirms prognozēšanas.
Datu ielāde un kvalitātes pārbaude

Datu ielāde un kvalitātes pārbaude

Šī ekrāna funkcijas
Datu ielāde Datu priekšapstrāde Trūkstošo vērtību apstrāde

Prognozes ar uzņēmējdarbības skaidrojumiem

Prognozēšanas vide pārvērš modeļa rezultātu informācijā, ko mazumtirdzniecības komanda var izmantot. Prognozes, varbūtības un ieteikumi tiek parādīti kopā.

Tendenču diagrammas, ticamības rādītāji un skaidrojumi palīdz komandai izprast prognozēto virzienu un tā kontekstu.

Kā tas darbojas

  1. Modelēšanas modulis izveido prognozes, prognozētos rezultātus un varbūtības.
  2. Prognožu kopsavilkumā tiek parādīti ticamības rādītāji un tendenču ieskati.
  3. Ieteikumu panelī tiek parādīti ieteikumi un izskaidrojamības rādītāji.
  • Aplūkojiet izvēlēto prognozes mērķi
  • Saglabājiet ieteikumus blakus to skaidrojumiem
Prognožu un skaidrojumu vide

Prognožu un skaidrojumu vide

Šī ekrāna funkcijas
Prognozējošās analītikas modelēšana Prognožu ģenerēšana

Modeļa kvalitāte ir redzama pirms publicēšanas

Novērtēšanas informācijas panelis sniedz klientam skaidru priekšstatu par modeļa veiktspēju pirms prognožu publicēšanas. Faktisko un prognozēto vērtību diagrammas, kā arī salīdzinājumi ar bāzes līniju atvieglo rezultāta novērtēšanu.

Modeļa versijas izvēle parāda veiktspējas žurnālus un apmācīto modeļu artefaktus.

Kā tas darbojas

  1. Novērtēšanas modulis aprēķina veiktspējas rādītājus no validācijas rezultātiem.
  2. Informācijas panelis parāda faktisko un prognozēto vērtību diagrammas un vizuālas prognozes.
  3. Modeļa versijas izvēle parāda veiktspējas žurnālus un apmācīto modeļu artefaktus.
  • Salīdziniet modeli ar bāzes līniju
  • Pārskatiet validācijas rezultātus vizuālā formā
Piezīme: Salīdzinājums ar bāzes līniju palīdz novērtēt modeļa veiktspēju kontekstā pirms prognožu pakalpojuma konfigurēšanas.
Modeļu novērtēšanas informācijas panelis

Modeļu novērtēšanas informācijas panelis

Šī ekrāna funkcijas
Platformas veiktspējas novērtēšana

Piekļuve prognozēm un regulāri atjauninājumi

Pēdējais ekrāns savieno modeli ar klienta plašāko programmatūras vidi. Prognožu galapunkti, grafiki un artefakti paliek vienā operatīvajā skatā.

Tas atbalsta prognožu piegādi, izmantojot API, un regulāru atkārtotu apmācību, kad kļūst pieejami jauni skaitliskie dati.

Kā tas darbojas

  1. Galapunktu konfigurācija saglabā API galapunktus un pieprasījumu un atbilžu priekšskatījumus.
  2. Grafika vadīklas pārvalda ieplānotos uzdevumus un atkārtotas apmācības norādes.
  3. Apstrādes žurnāls reģistrē apstrādes darbības un atkārtotas apmācības statusu.
  • Konfigurējiet piekļuvi prognozēm
  • Saglabājiet atkārtotas apmācības iestatījumus kopā ar modeļa statusu
Prognožu API un atkārtotas apmācības iestatījumi

Prognožu API un atkārtotas apmācības iestatījumi

Šī ekrāna funkcijas
Eksporta galapunktu konfigurēšana

Ko nodrošina risinājums

Izmantojot šo risinājumu, mazumtirdzniecības uzņēmums var:

  • Vienuviet sagatavot datus no failiem, datubāzēm un API
  • Identificēt trūkstošās vērtības pirms modelēšanas
  • Ģenerēt prognozes, ieteikumus un ticamības rādītājus
  • Salīdzināt modeļu veiktspēju ar vizuāliem novērtēšanas rezultātiem
  • Izskaidrot prognozētos rezultātus uzņēmuma komandām
  • Nodrošināt piekļuvi prognozēm, izmantojot API, un ieplānot atkārtotu apmācību

Noslēgumā

Noslēgumā risinājums tika izveidots, lai samazinātu manuālo analīzi un atbalstītu plānošanu mazumtirdzniecībā.

BUJ

Vai domājat par līdzīgas sistēmas izveidi? Tālāk sniegtās atbildes izskaidro galvenās izvēles prognozējošās analītikas programmatūras izstrādē.