Предиктивная аналитика и ML

Строим модели для прогноза спроса, продаж и цен, оценки оттока клиентов и поиска аномалий. Подключаем результаты к планированию и ежедневной работе команды.

Прогноз на основе истории
ИсторияПрогноз и неопределённость

Иллюстрация подхода. Точность оцениваем на отложенных данных.

Какие решения поддерживает модель

Прогноз спроса помогает планировать закупки и загрузку, прогноз продаж используется в финансовом плане. Модель оттока выделяет клиентов, с которыми стоит связаться. Поиск аномалий обращает внимание команды на необычные операции, расход ресурсов или изменения показателей.

Для задач с ценами сначала уточняем цель. Можно прогнозировать рыночную цену или спрос при заданной цене. Рекомендации по её изменению требуют отдельной проверки влияния на продажи и маржу.

На каких данных строится прогноз

Нужна история наблюдений с датами, результатами и факторами, которые были известны в момент принятия решения. Проверяем сезонность, изменения ассортимента, пропуски и доступность целевого показателя. Если история короткая или условия заметно изменились, это учитывается в плане пилота.

Модель проверяем на периодах, которые не участвовали в обучении. Сравниваем результат с действующим расчётом, изучаем ошибки по товарам, группам клиентов и горизонтам прогноза. Для оттока оцениваем, сколько полезных контактов попадёт в доступный команде объём работы.

Как результат попадает в работу

Прогноз можно получать по расписанию или через API в облаке либо на инфраструктуре заказчика. Определяем, кто использует результат и что происходит при нехватке данных. После запуска отслеживаем изменение входных данных и качество по мере появления фактических результатов.

Что вы получаете

  • Подготовленный набор данных и описание целевой задачи
  • Модель с отчётом о проверке и границах применения
  • Прогнозы или оценки риска в согласованной рабочей системе
  • Регламент обновления данных и контроля качества