Краткое содержание
Клиент использует различные корпоративные данные для прогнозирования и принятия решений.
Решение стало программным обеспечением для прогнозной аналитики, объединяющим подготовку данных, модели машинного обучения, оценку и понятные объяснения.
Программное обеспечение создано для сокращения ручного анализа и поддержки более уверенного планирования в розничной торговле.
История клиента
Клиент - розничная компания из Франции. Она использует данные о продажах, клиентах, маркетинге и операционной деятельности для прогнозирования и принятия решений.
Клиенту нужны прогнозы и аналитика для планирования, понимания изменений спроса и поведения клиентов, а также улучшения работы. Преобразование этих источников в полезные результаты требует времени.
Запрос был простым: загружать и очищать различные данные, обучать прогнозные модели, проверять их эффективность и предоставлять объяснимые прогнозы и рекомендации.
Решение создавалось как связный продукт с экранами загрузки данных, прогнозирования, оценки и доступа к прогнозам. Каждый модуль был адаптирован к данным, правилам клиента и его потребности проверять результаты.
Клиент хотел
- Загружать, очищать, преобразовывать и объединять данные из разных источников
- Обучать модели, которые генерируют прогнозы, результаты, аналитику или рекомендации
- Проверять производительность моделей с помощью показателей, прогнозов и сравнений с базовой линией
- Предоставлять показатели достоверности, объяснения, рекомендации и понятную аналитику
Почему готовое ПО не подошло
Готовые продукты для прогнозной аналитики обеспечивают моделирование, анализ и отчетность. Этому клиенту требовался единый продукт для обработки разных входных данных, проверки моделей, объяснений и доступа к прогнозам. Решение было адаптировано под эти требования.
Обзор проекта
Решение было разработано на основе четкого пути от исходных данных к практически применимым прогнозам. Первый экран объединяет данные CSV, XLSX и SQL в одном месте для проверки.
Там же доступны данные API, при этом пропущенные значения и преобразованные поля остаются видимыми.
Для обработки отчетов и других входных данных в формате документов, наряду с предварительной обработкой, были реализованы конвертация документов и парсинг данных. В результате была создана единая основа для обучения моделей, а не набор несвязанных файлов.
Среда прогнозирования в одном месте показывает прогнозируемые результаты, вероятности и показатели достоверности. Аналитика тенденций, рекомендации и объяснения сохраняют бизнес-контекст рядом с результатом модели.
Перед публикацией прогнозов валидация сравнивает фактические и прогнозируемые значения, базовую производительность и версии моделей.
Последний модуль обеспечивает доступ к прогнозам через API и в одном месте показывает настройки повторного обучения, артефакты моделей и запланированные задачи. Также были добавлены документация и обучение, чтобы команда клиента могла управлять системой и в дальнейшем расширять ее.
Основные реализованные функции
- Загрузка данных из файлов, баз данных и API
- Очистка и преобразование данных
- Обозначение и обработка пропущенных значений
- Обучение прогнозных моделей
- Генерация прогнозов и рекомендаций
- Показатели достоверности и объяснения
- Валидация фактических и прогнозируемых значений
- Сравнение с базовой линией и версии моделей
- Настройка API прогнозов
- Запланированное повторное обучение