какую сторону идти. Есть данные продаж (8тыс товаров) за последние 3-4 года с timestamp точным до секунды. Есть данные со стабильными продажами, где еженедельно есть продажи, есть товары, где может быть 1 продажа в месяц. Основная задача: организовать контроль и поддержание складских остатков. Я пробовал несколько моделей для предсказания продаж, но достойного результата не добился (accuracy 40% в лучшем случае). Являются ли нейронки подходящими для такой задачи или стоит идти в сторону регрессий? Может быть у кого то опыт был подобных систем?
Я оттуда выгружаю обороты и остатки, но их система мне не нравится
Да она никому не нравится
Поэтому и ищу методы для управления остатками
А обычная статистика не катит? Среднее/максимальное по сезонам, по месяцам, привязка к колебаниям валютного курса... Это касательно поддержания остатков, а контроль - это уже надо организовывать на местах
Да, это хорошо работает обычно. Сейчас заказываем именно по конечному остатку и средние продажи за период. Но зачастую это приводит к перенасыщенности склада. Плюс есть товары с отвратительными продажами, где много нулей в данных.
Попробовать нейронку натравить дело одного дня Timestamp как входные данные будет полезен нейронке в плане сезонно-зависимых продаж, это уже может увеличить точность.
Я пробовал catboost регрессор, но массив данных короткий (200 недель примерно). Единственное что я придумал это перейти к скользящему среднему, чтобы снизить колебания и сгладить график. Проучилось что-то вроде этого
Обсуждают сегодня