Case Study
/
AI & Big Data
Предиктивная аналитика для Fashion-ритейла
Разработка и внедрение системы автоматического прогнозирования спроса и оптимизации складских запасов для федеральной сети магазинов одежды.
Ниша / Сфера
Ритейл (Fashion & Apparel)
Срок реализации
5 месяцев (2024–2025)
Статус
В эксплуатации
Цели и задачи
Глобальная цель:
Минимизировать объем «замороженного» капитала в неликвидных остатках и исключить дефицит популярных позиций в пиковые сезоны.
1
Интеграция данных из 1С, CRM и внешних источников (погода, праздники).
2
Создание модели ML для прогноза спроса с точностью не ниже 85%.
3
Автоматизация формирования заявок на пополнение складов.
4
Визуализация отчетности для байеров и топ-менеджмента.
Стек технологий
Python (Pandas, Scikit-learn)
XGBoost / CatBoost
PostgreSQL
Docker
Tableau
Airflow
Команда проекта
Project Manager
Data Scientist
Data Engineer
BI Analyst
Результаты (KPI)
Рост прибыли
+18.4%
Увеличение чистой прибыли за счет исключения Out-of-stock ситуаций.
Складские запасы
-30%
Сокращение излишков товаров на складах и в магазинах сети.
Точность прогноза
92%
Средняя точность предсказания спроса на уровне SKU/Магазин/День.