Business case

Polski dystrybutor chemii budowlanej potrzebował wsparcia w projekcie związanym z prognozowaniem sprzedaży na podstawie wykorzystywanych danych o sprzedaży z kluczowymi elementami składowymi sklepów, produktów, dat i kosztów transakcji.

Głównym wyzwaniem, przed którym stanął zespół TIDK było zintegrowanie danych transakcyjnych z danymi zewnętrznymi i wyciągnięcie z nich wiedzy. Niezbędne okazały się zaawansowane algorytmy Machine Learning oraz Deep Learning. Dzięki tym zabiegom udało się określić optymalną ścieżkę horyzontu prognozy, dostosować plany sprzedaży i oczekiwania dotyczące przychodów, by podejmowanie decyzji było efektywniejsze, a planowanie skrócone do niezbędnego minimum.

Rozwiązanie:

• Analiza danych, charakterystyki procesu, potrzeb biznesowych i potencjalnych dodatkowych źródeł danych do prognozy,
• Ustalenie workflow dla procesu prognozowania sprzedaży,
• Opracowanie algorytmu Machine Learning oraz weryfikacja potencjału nowych źródeł,
• Warsztaty i szkolenia dla zespołu klienta.

Efekt: