CI-CD для данных и моделей на Airflow: как мы деплоим прогноз спроса в «Магните»
Привет, Хабр! Меня зовут Евстифеев Илья, я главный разработчик ML в команде MLOps FnR (Forecast & Replenishment) в MAGNIT TECH. Наша команда:Ислам Янгуразов
Побеждаем нестабильность данных
Привет, Хабр! Меня зовут Андрей Бирюков. Я — независимый эксперт в области ИТ и ИБ, преподаю в учебных центрах и пишу статьи и книги. Давайте на секунду представим почти реальную ситуацию: вы настроили модель прогнозирования спроса в ритейле. И сначала всё работало идеально, но потом наступила очередная «Черная пятница» (или локдаун, или новый конкурент на рынке) — и модель начала катастрофически ошибаться. То есть, данные изменились, модель устарела, а бизнес начал терять деньги. В этой статье мы посмотрим, какие проблемы возникают при таком изменении, и что с этим можно сделать.
Как мы за год собрали с нуля крупнейшую F&R-платформу для сети масштаба «Магнита»
33 000 магазинов, 46 РЦ сети «Магнит», 17 млрд прогнозов на 90 дней, 8 ПБ данных и ни одного готового решения, которое можно было бы просто взять с рынка. В 2024 году мы начали с нуля собирать собственную F&R-платформу (Forecast and Replenishment) для «Магнита» — систему прогнозирования спроса и пополнения.
Как построить прогноз, которому верит бизнес: от Excel до нейросетей за полгода
Когда ваш прогноз летит в помойку
Покоряем гору временных рядов: делаем прогноз для 200+ рядов с библиотекой Etna
Я работаю дата-сайентистом 5 лет и до сих пор испытываю боль, когда нужно сделать MVP по временным рядам. Начиная с того, как построить несколько графиков одновременно без «слипшихся» меток по осям, заканчивая поиском подходящего метода очистки ряда от аномалий. И всё это венчает цикл по каждому ряду с бесконечным жонглированием данными между numpy, pandas, sklearn, yet_another_library.
Архитектура высоконагруженной платформы Magnit F&R
О чем статья?В статье Создание собственной системы F&R в «Магните»: функциональный дизайн
Как я подчинил нейросети: личный опыт, принципы и рабочие техники
За два десятилетия в маркетинге я прошёл путь от ручной настройки рекламы до построения систем, где нейросети принимают решения, автоматизируют рутину и генерируют идеи. Сегодня нейросети — это не магия, а мощный инструмент, который приносит бизнесу миллионы.В этой статье я расскажу, как сделать ИИ своим союзником, объясню всё простым языком и поделюсь техниками, которые работают на практике.Мой путь: от экспериментов до миллиардных оборотов
Математическая оптимизация для бизнеса. Часть 2. Прогнозирование спроса, оптимизация ценообразования-промо-ассортимента
Продолжая ежегодную серию
Предиктивная аналитика в CRM
Как известно, под словом «аналитика» прячется многое. Но какое из множества ее направлений наиболее востребовано в CRM-системах? Пожалуй, это предиктивная аналитика, которая позволяет оценить воронку продаж, выявить слабые места в бизнес-процессах, определить новые каналы продвижения, оценить эффективность работы отдельных сотрудников и подразделений.Прогнозирование в CRM основано на анализе данных о поведении клиентов, сделках и взаимодействиях с менеджерами. Система учитывает динамику продаж за разные периоды, от прошлых до текущих заказов, чтобы построить точную модель.
