MODIS прогнозирует потребность распределения товаров с точностью 92% благодаря сервису AI Consulting

MODIS — федеральная сеть магазинов доступной модной одежды для всей семьи. Ежегодно ритейлер обслуживает более 63 000 000 покупателей в 143 магазинах по всей России.

Присутствие бренда в более чем 70 городах России обязывает ритейлера отдавать приоритет эффективной логистике и гибкому планированию ассортимента при сохранении доступных цен на товары. Заказчику был необходим удобный и недорогой инструмент краткосрочного прогнозирования спроса для оптимального распределения партий одежды определенных моделей, размера и цветов по торговым точкам с учетом переизбытка или нехватки товаров в конкретных магазинах.

Ранее работа по прогнозированию выполнялась аналитиками вручную: перед началом каждого сезона им было необходимо подготовить данные и составить прогноз. Это отнимало существенное количество времени. Дополнительным вызовом было составление более детального прогноза с учетом большего количества данных вплоть до цвета и размера моделей одежды в каждом конкретном магазине. Такой глубокий анализ данных и прогноз на их базе выполнять вручную было невозможно. От этого страдала точность прогноза.

От общих партнеров заказчик уже знал о Cloud.ru. Поскольку у компании была потребность в ML-сервисе, но трудовых и вычислительных ресурсов для самостоятельной разработки полноценных AI-продуктов не было, MODIS решил воспользоваться AI Consulting — услугой Cloud.ru по кастомизированной разработке и внедрению AI-сервисов на базе платформы ML Space.

Команда специалистов AI Consulting взялась за работу:

1. Выполнила анализ данных о товарах из 150 млн строк и 7 столбцов, а также данных о продажах за последние 4 года. Подготовила датасеты для обучения и валидации модели.
2. Провела обучение модели, предварительно протестировав 6 различных алгоритмов обучения с целью выбрать тот, который позволит добиться самой высокой точности.
3. Интерпретировала результаты прогнозирования, подготовив соответствующие графики и отчеты в удобном и понятном виде, и согласовала их с заказчиком.
4. Выдала заказчику доступы к модели в ML Space, инструкции по работе с моделью на платформе и провела демо по работе с сервисом в режиме реального времени.

Результатом работы стал облачный сервис, размещенный на платформе ML Space, позволяющий спрогнозировать в ближайшей перспективе спрос на товары в торговых точках, расположенных в разных климатических поясах РФ и с учетом всех возможных данных, которые ранее не удавалось обрабатывать вручную. Точность прогнозирования составляет от 80 до 92%.

Раньше в части магазинов некоторые модели товаров заканчивались, а в других оставались. Из-за этого ритейлер недополучал прибыль, поскольку в одних точках товаров, которые пользовались спросом, не было в продаже, а в других —нераспроданные сезонные вещи либо выставлялись с дисконтом, либо отправлялись на хранение до наступления сезона. С внедрением сервиса ситуация изменилась как в сторону увеличения выручки, так и в сторону сокращения трудозатрат персонала: каждый аналитик теперь экономит около 60 часов рабочего времени в год.

ML-модель, составляющая ядро сервиса, регулярно дополняется новыми данными и дообучается для достижения большей точности прогнозирования. Причем импортом данных на платформу и работой с ними занимаются рядовые аналитики без бэкграунда в машинном обучении. Руководство управления аналитики MODIS поясняет:

«Моделью пользуется наш аналитический отдел. Аналитики отмечают простоту и удобство использования платформы ML Space. Без особых знаний в Data Science они могут загружать данные, запускать обучение модели и оперативно получать результаты».