Создание системы прогнозирования продаж с помощью технологий машинного обучения

«Такеда Россия» («Такеда Фармасьютикалс») входит в состав Takeda Pharmaceutical Company Limited. Более 30 000 сотрудников Takeda работают для улучшения качества жизни пациентов, взаимодействуя со специалистами здравоохранения более чем в 70 странах. Компания имеет 23 производственных предприятия в 16 странах мира, которые выпускают высококачественные лекарственные препараты для нужд пациентов всего мира.

Предпосылки проекта:

Несмотря на то, что в компании уже было внедрено решение для прогнозирования спроса на различные лекарственные препараты, сотрудники не могли оперативно пользоваться его результатам из-за длительного процесса прогнозирования, неточного выбора моделей и узкой функциональности. В частности, в решении использовались простые временные ряды и не было возможности учитывать дополнительные факторы, влияющие на будущие продажи.

Задачи проекта:

Результаты проекта:

• Главным преимуществом нового сервиса стала возможность более точно прогнозировать не только месячные показатели, но и вести краткосрочное планирование продаж по неделям;
• Сотрудники отдела продаж и маркетинга «Такеда Россия» могут загружать историю с данными по продажам брендов, выбирать параметры прогнозирования, выгружать результаты в удобной форме или анализировать данные на встроенных в систему графиках;
• Сервис развернут в облачной среде Microsoft Azure, что позволило избежать инвестиций в дополнительное аппаратное оборудование;
• Алгоритмы сервиса, разработанного с использованием библиотек машинного обучения Python, композиций авторегрессионных моделей и моделей градиентного бустинга над решающими деревьями, позволили значительно увеличить скорость расчета и получения данных;
• Полученные в ходе первого этапа проекта результаты помогли компании более качественно спрогнозировать продажи конкретных брендов на будущий финансовый год, выстроив на основе полученных данных бренд-план и скорректировав действия отдела продаж;
• Решение позволит собирать информацию о закономерностях в истории продаж фармацевтической компании, и на основании этих данных прогнозировать в будущем эффективность работы каждого маркетингового канала. Это даст бизнесу ощутимое преимущество для того, чтобы оптимизировать расходы на продвижение, не сокращая объема продаж.