ML-модель прогнозирования спроса и автозаказа для розничной сети из 450 супермаркетов

Проблема и бизнес-вызов

Из-за ошибок ручного заказа скоропортящейся продукции списания достигали 6.4%, а дефицит популярных товаров на полках приводил к потере 9% потенциальной выручки.

Реализованное ИИ-решение

Построили ансамбль моделей машинного обучения на базе CatBoost и Temporal Fusion Transformers. Модель учитывает 120+ факторов: историю чеков, погоду, локальные праздники, дни выдачи зарплат и цены конкурентов.

Достигнутые бизнес-результаты

Технологический стек

Хотите аналогичный результат?

Мы изучим процессы вашей компании и предложим архитектуру внедрения с оцифрованным ROI.