Создание системы прогнозирования продаж с помощью технологий машинного обучения
О проекте
Takeda
Рекомендательное письмо
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
-
Создание новой системы, которая бы могла оперативно и более глубоко анализировать как текущие продажи, так и поведение покупателей на рынке;
-
Автоматизация процесса и повышение скорости получения результатов;
-
Анализ дополнительных факторов, влияющих на качество прогнозов;
-
Подготовка оптимальных параметров моделей для каждого бренда с разбивкой по территориям, месячным и недельным показателям;
-
Применение матричного метода моделирования на недельных прогнозах для демонстрации нового подхода;
-
Разработка удобного интерфейса для загрузки данных, выбора параметров и запуска расчета прогнозных данных.
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.
Остались вопросы? Пишите на data@korusconsulting.ru
И подписывайтесь на наш телеграм-канал про аналитику и данные Analytics
Now
Консультация от экспертов в области аналитики данных
Оставьте заявку, и с вами свяжутся наши эксперты и проконсультируют вас в ближайшее время.
