项目描述
翻译我们是一家拥有自己仓库的贸易公司，到目前为止，采购和生产计划是基于几位经验丰富的经理的直觉和几个Excel电子表格建立的。这种方法越来越让我们花钱：要么我们囤积慢销商品，冻结仓库的流动资金，要么在高峰订单时期缺少热门商品，导致收入损失。我们希望从“凭感觉”规划转向数据驱动的解决方案，并寻找专家为我们建立一个基于已有历史的销售和需求预测的机器学习模型。我们准备提供大约三到四年的每日和每周销售数据，包括SKU、商店和渠道，以及过去促销、价格变动和短缺期的日历。
任务的本质是一个时间序列模型，预测未来几周和几个月的个别产品和产品组的需求。它必须明确考虑季节性（我们有明显的年度和每周周期）、假期以及促销和折扣的影响：忽视营销活动的简单模型对我们毫无用处。我们期待诚实的数据预处理和清理、特征工程、几种方法的比较，以及用准确性指标——MAPE、MAE和偏差——按类别分解的清晰评估，以便我们了解预测在哪些方面可以信任，在哪些方面仍需人工控制。用简单的商业语言简要描述结果对我们来说与代码本身同样重要。
同样重要的是，预测实际上可以每月使用，而无需数据科学家的持续参与。我们需要一种简单可重复的方法来上传最新的销售数据并获得更新的预测——一个我们的分析师可以运行的脚本或轻量级界面，导出为可以在Excel中打开或输入到我们的规划过程中的格式。首选技术栈是Python。请告诉我们您所做的类似预测项目，您如何处理季节性和促销，以及在这些数据上可以期待的现实准确性。
— 按SKU、商店和渠道的3-4年销售历史
— 明确考虑季节性、假期和促销的影响
— 按类别分解的准确性指标（MAPE、MAE、偏差）
— 我们的分析师可以访问的每月再训练
— 干净、文档化的Python代码和清晰的商业总结
任务的本质是一个时间序列模型，预测未来几周和几个月的个别产品和产品组的需求。它必须明确考虑季节性（我们有明显的年度和每周周期）、假期以及促销和折扣的影响：忽视营销活动的简单模型对我们毫无用处。我们期待诚实的数据预处理和清理、特征工程、几种方法的比较，以及用准确性指标——MAPE、MAE和偏差——按类别分解的清晰评估，以便我们了解预测在哪些方面可以信任，在哪些方面仍需人工控制。用简单的商业语言简要描述结果对我们来说与代码本身同样重要。
同样重要的是，预测实际上可以每月使用，而无需数据科学家的持续参与。我们需要一种简单可重复的方法来上传最新的销售数据并获得更新的预测——一个我们的分析师可以运行的脚本或轻量级界面，导出为可以在Excel中打开或输入到我们的规划过程中的格式。首选技术栈是Python。请告诉我们您所做的类似预测项目，您如何处理季节性和促销，以及在这些数据上可以期待的现实准确性。
— 按SKU、商店和渠道的3-4年销售历史
— 明确考虑季节性、假期和促销的影响
— 按类别分解的准确性指标（MAPE、MAE、偏差）
— 我们的分析师可以访问的每月再训练
— 干净、文档化的Python代码和清晰的商业总结
软件开发 现金, 银行转账
