Модели глубокого обучения для прогнозирования спроса в ритейле.

Достижение высокой точности прогнозирования спроса в розничной торговле является одним из важных инструментов увеличения прибыли компании. Улучшение процесса прогнозирования позволяет уменьшить инвестиции на хранении и дополнительную транспортировку, повысить доступность товаров на полке магазина и общую лояльность клиентов, более корректно спланировать загрузку персонала и техники. Кроме этого, будущие прогнозы могут служить отправной точкой в формировании стратегических действий по изменению ситуации на рынке в долгосрочной перспективе. Целью ВКР является разработка системы прогнозирования спроса для Компании Х, которая является одним из лидеров на российском рынке продуктовых сетей. Основная часть работы состоит из трех глав. Первая глава представлена обзором современных технологий решения задачи прогнозирования спроса. Вторая глава посвящена детальному описанию условию задачи прогнозирования спроса в Компании Х с указанием бизнес метрик для оценки качества моделей в терминах точности и денежном эквиваленте, описанию существующих данных вместе с этапами их обогащения. В третьей главе приводится список протестированных архитектур нейронных сетей и интерпретация полученных результатов, также описывается возможная архитектура индустриального решения и всего бизнес-процесса получения прогноза для расчета рекомендаций к заказу производителям товаров.