Description du projet
TraduitNous sommes une entreprise de trading avec notre propre entrepôt, et jusqu'à présent, la planification des approvisionnements et de la production a été construite sur l'intuition de quelques managers expérimentés et plusieurs feuilles de calcul Excel. Cette approche nous coûte de plus en plus d'argent : soit nous nous approvisionnons en biens à rotation lente et gelons le capital de travail dans l'entrepôt, soit aux périodes de commandes de pointe, il nous manque des articles populaires et nous perdons des revenus. Nous voulons passer d'une planification "à l'œil" à des solutions basées sur les données et recherchons un spécialiste pour construire un modèle d'apprentissage automatique pour les prévisions de ventes et de demande basé sur l'historique que nous avons déjà accumulé. Nous sommes prêts à fournir environ trois à quatre ans de ventes quotidiennes et hebdomadaires en termes de SKU, magasin et canal, ainsi qu'un calendrier des promotions passées, des changements de prix et des périodes de pénurie.
L'essence de la tâche est un modèle de séries temporelles qui prédit la demande pour les semaines et mois à venir au niveau des produits individuels et des groupes de produits. Il doit absolument tenir compte de la saisonnalité (nous avons des cycles annuels et hebdomadaires prononcés), des jours fériés, et de l'impact des promotions et des réductions : un modèle naïf qui ignore les campagnes marketing est inutile pour nous. Nous attendons un prétraitement et un nettoyage des données honnêtes, de l'ingénierie des caractéristiques, la comparaison de plusieurs approches, et une évaluation claire avec des métriques de précision — MAPE, MAE, et biais — décomposées par catégorie afin que nous comprenions où la prévision peut être fiable et où un contrôle humain est encore nécessaire. Une brève description des résultats dans un langage commercial simple est aussi importante pour nous que le code lui-même.
Il est tout aussi important que la prévision puisse réellement être utilisée chaque mois sans l'implication constante d'un data scientist. Nous avons besoin d'un moyen simple et répétable de télécharger des chiffres de ventes frais et d'obtenir une prévision mise à jour — un script ou une interface légère que notre propre analyste peut exécuter, avec exportation dans un format qui s'ouvre dans Excel ou alimente notre processus de planification. La pile préférée est Python. Veuillez nous parler de projets de prévision similaires que vous avez réalisés, comment vous abordez la saisonnalité et les promotions, et quelle précision réaliste peut être attendue sur de telles données.
— 3–4 ans d'historique de ventes par SKU, magasins et canaux
— Comptabilité explicite de la saisonnalité, des jours fériés et de l'impact des promotions
— Métriques de précision (MAPE, MAE, biais) décomposées par catégorie
— Réentraînement mensuel accessible à notre analyste
— Code Python propre et documenté et un résumé clair pour les affaires
L'essence de la tâche est un modèle de séries temporelles qui prédit la demande pour les semaines et mois à venir au niveau des produits individuels et des groupes de produits. Il doit absolument tenir compte de la saisonnalité (nous avons des cycles annuels et hebdomadaires prononcés), des jours fériés, et de l'impact des promotions et des réductions : un modèle naïf qui ignore les campagnes marketing est inutile pour nous. Nous attendons un prétraitement et un nettoyage des données honnêtes, de l'ingénierie des caractéristiques, la comparaison de plusieurs approches, et une évaluation claire avec des métriques de précision — MAPE, MAE, et biais — décomposées par catégorie afin que nous comprenions où la prévision peut être fiable et où un contrôle humain est encore nécessaire. Une brève description des résultats dans un langage commercial simple est aussi importante pour nous que le code lui-même.
Il est tout aussi important que la prévision puisse réellement être utilisée chaque mois sans l'implication constante d'un data scientist. Nous avons besoin d'un moyen simple et répétable de télécharger des chiffres de ventes frais et d'obtenir une prévision mise à jour — un script ou une interface légère que notre propre analyste peut exécuter, avec exportation dans un format qui s'ouvre dans Excel ou alimente notre processus de planification. La pile préférée est Python. Veuillez nous parler de projets de prévision similaires que vous avez réalisés, comment vous abordez la saisonnalité et les promotions, et quelle précision réaliste peut être attendue sur de telles données.
— 3–4 ans d'historique de ventes par SKU, magasins et canaux
— Comptabilité explicite de la saisonnalité, des jours fériés et de l'impact des promotions
— Métriques de précision (MAPE, MAE, biais) décomposées par catégorie
— Réentraînement mensuel accessible à notre analyste
— Code Python propre et documenté et un résumé clair pour les affaires
Développement de logiciels Espèces, Virement bancaire
