Case studies

Prognoza liczby klientów sklepu

Czas trwania:
Technologie:
6 miesięcy (w dwóch falach)
Microsoft SQL Server, R, H2O

Problem:

Jeden z wiodących marketerów z branży retail w Polsce potrzebował krótkoterminowych prognoz liczby klientów dla lepszego planowania pracy sklepów.


Rozwiązanie:

Wykorzystując nowoczesne algorytmy uczenia maszynowego, przygotowano modele prognozujące ruch w sklepach
z wyprzedzeniem 10- i 30-dniowym. Prognozy dostarczane
są codziennie w formie interaktywnych dashboardów oraz
alertów emailowych

Efekty:

  • Prognoza ruchu w każdym sklepie (dokładność na poziomie około 5% przy wyprzedzeniu 30 dni)
  • Zrozumienie jakie 4 główne czynniki  i w jaki sposób wpływają na ruch w sklepie
  • Identyfikacja 3 najważniejszych promocji wpływających na ruch
    w sklepach
  • Możliwość identyfikacji z 30-dniowym wyprzedzeniem dni
    o podwyższonym obciążeniu ruchem

Źródła danych:

  • Systemy transakcyjne
  • Baza danych pogodowych
  • Kalendarz akcji promocyjnych