რელიზი 4.0. SMART Demand Forecast: პროგნოზის შექმნა ახლა კიდევ უფრო მოსახერხებელია

მოთხოვნის პროგნოზირების უახლესი სისტემა SMART Demand Forecast იყენებს მრავალფაქტორიან მოდელებს, რთულ ალგორითმებს და აანალიზებს უზარმაზარ მონაცემებს ზუსტი შედეგების მისაღებად. ჩვენ მუდმივად ვმუშაობთ იმის უზრუნველსაყოფად, რომ თქვენ შეძლებთ ზუსტი პროგნოზების გაკეთებას მარტივად და სწრაფად, რითაც სისტემას უტოვებთ რთულ პროცესებს. ინტერფეისის ცვლილებები, მოდელების გაუმჯობესება, ახალი ფუნქციების დამატება – ეს ყველაფერი მუდმივი გაუმჯობესებაა თქვენი ბიზნესის უკეთესი შედეგებისთვის.

SMART Demand Forecast-ის განახლებაში პროგნოზირების პროცესი კიდევ უფრო მოსახერხებელი და ზუსტია. ახალი ფუნქციები და გაუმჯობესებები მიზნად ისახავს მომხმარებლის გამოცდილების გაუმჯობესებას, კონფიგურაციის გამარტივებას და პროგნოზირების ალგორითმების ოპტიმიზაციას. ამ განახლებებით მომხმარებლებს შეეძლებათ სწრაფად და მარტივად მიიღონ ზუსტი პროგნოზები, რაც მათ დაეხმარება მიიღონ სრული ინფორმაცია და ეფექტური ბიზნეს გადაწყვეტილებები.

ამ სტატიაში განვიხილავთ სისტემასთან მუშაობის ახალ შესაძლებლობებს.

გაუმჯობესებული მუშაობა ანომალიებთან: ხელით კორექტირება და სამი ნახვის რეჟიმი

ანომალიის დამუშავების გვერდზე დაემატა ანომალიის დამუშავების ხელით რეგულირების შესაძლებლობა. თქვენ შეგიძლიათ შეიტანოთ ცვლილებები ანომალიებში ყველა ხელმისაწვდომი პროდუქტისა და ბიზნესის დონეზე, რის შემდეგაც სხვა დამოკიდებული მნიშვნელობები ხელახლა გამოითვლება.

გარდა ამისა, ახლა შეგიძლიათ მთავარ პანელზე სხვადასხვა რეჟიმების და ინფორმაციის ნახვა არჩეული პერიოდისთვის: კვირა, თვე ან წელი. მონაცემთა ნაკრების დაყოფა უფრო მცირე ნაწილებად აადვილებს ვიზუალიზაციას და ძიებას. ანომალიებთან მუშაობის ახალი მიდგომა აუმჯობესებს ისეთ მეტრებს, როგორიცაა Time to Interactive (TTI) და First Contentful Paint (FCP), რითაც უზრუნველყოფს მოსახერხებელ მუშაობას ფართო მასშტაბით.

საპროგნოზო შედეგის ხელით კორექტირება

თქვენ შეგიძლიათ ხელით დაარეგულიროთ პროგნოზის შედეგი მოდელირების გვერდზე. კორექტირება ვრცელდება ყველა ხელმისაწვდომი პროდუქტისა და ბიზნესის დონეზე. სისტემა ავტომატურად ანაწილებს ცვლილებებს პროგნოზის ყველაზე დაბალ დონეზე. პროგნოზის მართვის ეს უნარი ზრდის მონაცემთა შესაბამისობის დონეს კომპანიის ან ბაზრის ნებისმიერი ცვლილების შესაბამისად.

საუკეთესო მოდელის ავტომატური იდენტიფიცირება

სისტემაში შეგიძლიათ იხილოთ ოპტიმალური მოდელი, რომელსაც SMART Demand Forecast ავტომატურად გირჩევთ მისი ვალიდაციის პერიოდის მეტრიკის საფუძველზე. თქვენ შეგიძლიათ იპოვოთ შერჩეული მოდელი სიაში შესაბამისი ნიშნით, რომელიც გამოარჩევს მას. ამრიგად, დაზოგავთ დროს შემოთავაზებულ ვარიანტთა შორის ოპტიმალური ვარიანტის განსაზღვრაზე. ახლა ანალიზს დიდი დრო არ დასჭირდება და თქვენ შეძლებთ პროგნოზის უფრო სწრაფად და ეფექტურად აშენებას.

სარეკლამო კამპანიების პირობების რეგულირების შესაძლებლობა

ახლა თქვენ შეგიძლიათ შეცვალოთ სარეკლამო კამპანიების პარამეტრები, როგორიცაა დაწყების და დასრულების თარიღები, პროდუქტი, მაღაზია, პრომო ტიპი, რეგულარული და სარეკლამო ფასი და ფასდაკლება – პირდაპირ სისტემის ინტერფეისში. პარამეტრები შეინახება სისტემაში შეყვანილი მნიშვნელობების გადამოწმებისა და დანერგვის შემდეგ. ეს მიდგომა დაზოგავს მნიშვნელოვან დროს ცვლილებების შეტანისას, რადგან აღარ გჭირდებათ CSV ფაილების ხელახლა ატვირთვა განახლებული მონაცემებით. ახლა სარეკლამო კამპანიების დაგეგმვა გახდება უფრო მოქნილი და, შესაბამისად, ეფექტური.

ახალი ფილტრები და დახარისხება ანომალიების ცხრილისთვის

ანომალიების დამუშავების გვერდზე, შეგიძლიათ სწრაფად განახორციელოთ გაფილტვრა და დახარისხება მაღაზიისა და პროდუქტის პარამეტრების მიხედვით. გაფილტვრა უზრუნველყოფს ჯგუფური მონაცემების სტრუქტურიზებას და აადვილებს ანალიზს.

მონაცემთა მეცნიერების მაგიდა მოდელის ტრენინგისთვის

ცალკე ადგილია გამოყოფილი სასწავლო მოდელებისთვის, სადაც შეგიძლიათ აირჩიოთ ფაქტორების ჯგუფები DS პარამეტრების ჩანართზე. ანალიტიკოსებს და მონაცემთა მეცნიერების გუნდებს აქვთ კიდევ ერთი ინსტრუმენტი, რომელიც დაეხმარება მათ პროგნოზის სიზუსტის მიღწევაში. ეს ამცირებს ექსპერიმენტების დროს და ზრდის სისტემის კონკრეტულ ბიზნეს პროცესებთან ადაპტაციის ეფექტურობას.

თარიღისა და დროის ფორმატის არჩევის შესაძლებლობა

სისტემის მოსახერხებელი გამოყენებისთვის, შეგიძლიათ დააკონფიგურიროთ სასურველი დროის ზონა მოწყობილობაზე ან იმ რეგიონში, სადაც მუშაობთ დროის სინქრონიზაციისთვის. დროის დასაყენებლად გადადით მომხმარებლის პარამეტრებში > პროფილის პარამეტრებში და აირჩიეთ სასურველი ფორმატი.

ანალოგების შემოწმება არასაკმარისი ისტორიის მქონე პროდუქტებისა და მაღაზიებისთვის

შეგიძლიათ მიიღოთ ინფორმაცია იმის შესახებ, თუ რამდენად სწორად არის კონფიგურირებული ანალოგი სხვა კატეგორიიდან კონკრეტული პროდუქტისთვის ან მაღაზიისთვის. ეს ავტომატური შემოწმება ამცირებს შეცდომებს და უზრუნველყოფს პროგნოზის ხარისხს. ამ ფუნქციის გამოყენებით, იზრდება ანალოგების კონფიგურაციის სიზუსტე და საიმედოობა.

გადამრთველების და ფილტრების გაუმჯობესებული მუშაობა ცხრილებსა და მოდალურ ფანჯრებში

ახალი ფილტრაციის პირობებით მოთხოვნის გაგზავნისას, ყველა წინა მოთხოვნა უქმდება, რის გამოც მხოლოდ შესაბამისი პარამეტრები მოქმედებს. ზედმეტი მოთხოვნების აღმოფხვრა აუმჯობესებს სისტემის სიჩქარეს და ეხმარება სპეციალისტებს ფილტრებთან მუშაობაში. ახლა თქვენ შეგიძლიათ სწრაფად შეცვალოთ პარამეტრები და მიიღოთ განახლებული შედეგები მოთხოვნების ხელით გაუქმების დროს დროის დაკარგვის გარეშე.

Isolation Forest ალგორითმის გაუმჯობესება

თქვენ შეგიძლიათ გამოიყენოთ დამატებითი ფაქტორები მონაცემთა უნივერსალური სტრუქტურიდან ანომალიების მოსაძებნად. სისტემას აქვს გადამრთველი დამატებითი ფაქტორების გამოსაყენებლად ანომალიების ძიებისას Isolation Forest ალგორითმის გამოყენებით, რომლის გააქტუყრებაც სურვილისამებრ შეგიძლიათ. ეს ვარიანტი საშუალებას მოგცემთ უფრო ზუსტად და მოქნილად გამოავლინოთ გაყიდვების ნამდვილი ანომალიები, სხვადასხვა ფაქტორების გათვალისწინებით, როგორიცაა ფასი, პროდუქტისა და მაღაზიის მახასიათებლები და ა.შ.

გამარტივებული მუშაობა ჯგუფურ ელემენტებთან

ახლა თქვენ შეგიძლიათ ჩამოშალოთ და გააფართოვოთ ჯგუფის ინტერფეისის ელემენტები სისტემის სხვადასხვა გვერდებზე. პარამეტრები ინახება ავტომატურად და შეგიძლიათ გამოიყენოთ ისინი შემდეგ ჯერზე შესვლისას. ეს გეხმარებათ მოირგოთ ინტერფეისი თქვენი საჭიროებების მიხედვით, სწრაფად იპოვოთ მნიშვნელოვანი ინფორმაცია და იმუშაოთ თქვენთვის საჭირო მონაცემებთან.

ახალი “ამინდის ფაქტორების” მოცულობის სამშენებლო ბლოკი

ამინდის ფაქტორები ახლა უკვე ხელმისაწვდომია მოდელის ვარჯიშისა და ქულების მისაღებად. სისტემას სჭირდება მხოლოდ მონაცემები გაყიდვების პუნქტების გეოლოკაციაზე. ეს ფაქტორები მოიცავს ნალექებს, ტემპერატურას, ტენიანობას და ამინდის სხვა მახასიათებლებს. ახალ ფუნქციას შეუძლია მნიშვნელოვნად გააუმჯობესოს სეზონური საქონლის პროგნოზირების ხარისხი.

საბაზისო პროგნოზირების მოდელი

პროგნოზის მშენებლობის ტრენინგისა და შეფასებისთვის, ახლა უკვე ხელმისაწვდომია ახალი საბაზისო მოდელი, რომელიც მუშაობს ხაზოვანი რეგრესიის საფუძველზე. მოდელს აქვს ფაქტორების ძირითადი ნაკრები UDS-დან და არ არის დატვირთული დამატებითი ფაქტორების გაანგარიშებით, რაც საშუალებას აძლევს მას მოამზადოს შედეგები ბევრჯერ უფრო სწრაფად, ვიდრე სისტემაში არსებული ტრადიციული მოდელები. ეს მიდგომა განსაკუთრებით აქტუალურია ტენდენციების შესაქმნელად- სწრაფი შედეგი გარკვეული რაოდენობის პარამეტრებით, რაც საწყისი ანალიტიკის კლასიკური მეთოდია გრძელვადიანი კამპანიების დაგეგმვისას.

ახალი მიდგომა Azure Spot Instances-ის გამოყენებისთვის

SMART Demand Forecast-ს ახლა შეუძლია მნიშვნელოვნად დაზოგოს თქვენი Azure Databricks რესურსები, რომლებიც ჩართულია ტრენინგისა და პროგნოზირების მოდელების შეფასების რთულ პროცესებში. ეს მიდგომა მოიცავს გამოთვლითი რესურსების შენახვას კონკრეტულ საზიარო რესურსების ჯგუფში, სადაც ფასები მნიშვნელოვნად დაბალია ამ რესურსების უფრო პრივილეგირებული მომხმარებლებისთვის გადაცემის მცირე შანსების გამო. სისტემაში მიმდინარე პროცესები ამ ტრანსფერს არანაირად არ განიცდის. ეს საშუალებას გაძლევთ დაზოგოთ დრო ტრენინგისა და შეფასების პროცესებზე და მიიღოთ გაუმჯობესებული ფუქნციონალი ხარჯების გაზრდის გარეშე.

გადაწყვეტილების ML ძირითადი კოდის გაუმჯობესებული ხარისხი

როგორც მიმდინარე გამოშვების ნაწილი, ტესტირება და დანერგვა განხორციელდა Databricks-ის ჩარჩოსა და Azure Machine Learning-ის კოდის გასაუმჯობესებლად. დანერგილია ავტომატური ფაიფლაინები სტილის კოდისთვის Pep-8 სტანდარტის შესაბამისად. სამუშაოები ჩატარდა კოდირების და CI/CD პროცესების ეფექტურობის გაუმჯობესების მიზნით, შესაბამისად სისტემა გახდა კიდევ უფრო სტაბილური და საიმედო.

გადაწყვეტილების ოპტიმიზაცია back-end-ის თვალსაზრისით

ცვლილებები Domain Driven Design და სტატუსის დამუშავების განყოფილებიდან, Azure Data Factory-ზე წვდომის მიკროსერვისიდან განხორციელდა. ეს გაუმჯობესებები ოპტიმიზაციის ხასიათს ატარებს და, შედეგად, აუმჯობესებს მომხმარებლის გამოცდილებას სისტემასთან მუშაობისას.