Реліз 4.0. SMART Demand Forecast: побудова прогнозу стала ще зручнішою

Сучасна система прогнозування попиту SMART Demand Forecast використовує багатофакторні моделі, складні алгоритми та аналізує величезний обсяг даних, щоб надавати точні результати. Саме тому ми постійно працюємо над тим, щоб ви могли будувати точні прогнози легко і швидко, а складні процеси лишити системі. Зміни в інтерфейсі, вдосконалення моделей, додавання нових можливостей – це все постійне вдосконалення для кращих результатів вашого бізнесу.

Оновлення SMART Demand Forecast зроблять процес прогнозування ще зручнішим та точнішим. Нові функції та покращення спрямовані на підвищення рівня користувацького досвіду, спрощення налаштувань та оптимізацію алгоритмів прогнозування. Завдяки впровадженню цих оновлень користувачі зможуть швидше та легше отримувати точні прогнози, що допоможе їм приймати більш обґрунтовані та ефективні рішення для управління бізнесом.

У цій статті ми розглянемо нові можливості у роботі з системою.

Вдосконалено роботу з аномаліями: додане ручне коригування та три режими перегляду

На сторінці «Обробка аномалій» було додано можливість ручного коригування згладжування аномалій. Ви можете вносити зміни в аномалії на всіх доступних продуктових та бізнесових рівнях, після чого відбувається перерахунок інших залежних значень.

Окрім цього, тепер ви можете перемикатися між різними режимами у головній панелі та переглядати інформацію за вибраний період: тиждень, місяць чи рік. Розбиття масиву даних на менші частини полегшує їх перегляд і пошук. Новий підхід у роботі з аномаліями покращує такі метрики як Time to Interactive (TTI) і First Contentful Paint (FCP), тим самим забезпечує зручну роботу з великими масивами аномалій.

Додано ручне коригування результату прогнозу

Ви можете внести зміни до результату прогнозу в ручному режимі на сторінці «Моделювання». Коригування застосовується на всіх доступних продуктових та бізнесових рівнях. Система автоматично розподіляє внесені зміни до найнижчого рівня прогнозу. Така можливість в управлінні прогнозом підвищує рівень релевантності даних відповідно до будь-яких змін у компанії чи на ринку.

Імплементовано автоматичне розпізнавання найкращої моделі

В системі ви можете побачити оптимальну модель, яку SMART Demand Forecast автоматично рекомендуватиме за її метриками валідаційних періодів. Вибрану модель ви зможете знайти у списку з відповідною позначкою, яка буде її вирізняти з-поміж інших. У такий спосіб ви економите час на визначенні оптимального варіанту серед запропонованих. Тепер аналіз не буде відбирати забагато часу, і ви зможете швидше та ефективніше будувати прогноз.

Додано можливість коригування умов для проведення промокампаній

Тепер ви можете змінювати налаштування промокампаній, такі як дата початку та завершення, товар, магазин, тип промо, регулярна й промоціна та знижка – безпосередньо в інтерфейсі системи. Зміни зберігаються в системі після перевірки та застосування введених значень. Такий підхід значно економить час на внесення змін, адже більше не потрібно заново завантажувати CSV-файли з оновленими даними. Відтепер планування промокампаній стає гнучкішим, а отже – ефективнішим.

Створено нові фільтри та сортування для таблиці аномалій

На сторінці «Обробка аномалій» ви можете здійснювати швидку фільтрацію та сортування за параметрами «магазин» і «товар». Фільтрація допомагає групувати дані, що робить їх більш структурованими та легшими для аналізу.

Додано кабінет Data Science для навчання моделі

Для навчання моделей виділено окремий простір, де ви можете вибрати групи факторів на вкладці DS Settings. Аналітики та команди Data Science мають ще один інструмент, який дозволяє досягти більшої точності прогнозів. Це зменшує час на експерименти та підвищує ефективність адаптації системи під конкретні бізнес-процеси.

Додано можливість вибрати формат дати та часу

Для зручного користування системою ви можете налаштувати потрібний часовий пояс для синхронізації часу на вашому пристрої чи в регіоні, де ви працюєте. Для налаштування часу перейдіть у Налаштування користувача > Налаштування профілю та виберіть потрібний формат.

Імплементовано перевірку аналогів для товарів та магазинів з недостатньою історією

У вас є можливість отримати інформацію про те, наскільки коректно був встановлений аналог з іншої категорії для певного товару або магазину. Така автоматична перевірка дозволяє мінімізувати помилки та забезпечити якість прогнозування. Завдяки цьому функціоналу підвищується точність та надійність встановлення аналогів.

Покращено роботу перемикачів і фільтрів в таблицях та модальних вікнах.

У разі отримання запиту з новими умовами фільтрації скасовуються всі попередні запити, лишаючи в роботі лише актуальні параметри. Скасування надлишкових запитів покращує швидкість роботи системи, а також допомагає спеціалістам в роботі з фільтрами. Тепер ви можете швидко змінювати параметри та отримувати оновлені результати, не витрачаючи час на ручне скасування запитів.

Удосконалено роботу алгоритму Isolation Forest

У вас є можливість використовувати додаткові фактори з Універсальної Структури Даних для пошуку аномалій. В системі доступний перемикач для використання додаткових факторів під час пошуку аномалій алгоритмом Isolation Forest, який ви можете активувати. Ця опція дозволить точніше й гнучкіше визначати справжні аномалії в продажах, враховуючи різноманітні чинники, такі як ціна, характеристики товару та магазину тощо.

Спрощено роботу з груповими елементами

Тепер у вас є можливість згортати та розгортати групові елементи інтерфейсу на різних сторінках системи. Налаштування зберігаються автоматично, і ви зможете їх використовувати під час наступного входу в систему. Це допомагає організувати інтерфейс відповідно до ваших потреб, швидко знаходити важливу інформацію та працювати з потрібними даними.

Додано новий блок «Погодні фактори» (Volume Building Block)

Для навчання та скорингу моделі тепер доступні фактори погоди. Все, що системі необхідно – це наявність даних про геолокацію торгових точок. В ці фактори входять опади, температура, вологість та інші характеристики погоди. Нова можливість зможе значно підвищити якість прогнозування для сезонних товарів.

Додана базова модель прогнозування Baseline

Для навчання й оцінки побудови прогнозу тепер доступна нова базова модель – бейзлайн (Baseline), яка працює на базі лінійної регресії. Модель має основний набір факторів з УСД і не обтяжена розрахунком додаткових факторів, що дозволяє їй навчатись і видавати результат в рази швидше за традиційні моделі в системі. Такий підхід особливо актуальний для побудови трендів – швидкий результат з окресленою кількістю параметрів, що є класичним методом початкової аналітики під час планування довгострокових кампаній.

Впроваджено новий підхід до використання Azure Spot Instances

Система SMART Demand Forecast тепер може суттєво зекономити свої ресурси Azure Databricks, які залучені у важкі процеси навчання та оцінки моделей прогнозування. Цей підхід полягає в утриманні обчислювальних ресурсів у певній спільній ресурсній групі, де ціни значно нижчі через невеликий шанс передати ці ресурси більш привілейованим користувачам. Процеси в системі від цієї передачі ніяк не страждають. Це дозволяє економити час на процесах навчання та оцінювання та отримувати якісніший функціонал без підвищення вартості.

Покращено якість коду ML-ядра рішення

У рамках поточного релізу були протестовані та впроваджені роботи з покращення коду фреймворків Databricks, Azure Machine Learning. Реалізовані автоматичні пайплайни для стилізування коду відповідно до Pep-8 стандарту. Проведені роботи з покращення ефективності коду та CI/CD-процесів. Система стала ще стабільнішою та надійнішою в роботі.

Оптимізовано рішення в частині Back-end

Впроваджено зміни з розділу Domain Driven Design та обробки статусів, мікросервісу доступу до Azure Data Factory. Ці покращення несуть оптимізаційний характер і, як результат – покращують користувацький досвід під час роботи з системою.