Прогнозирование
Модель оценивает будущий показатель по истории и текущим условиям: спрос, срок выполнения заказа или нагрузку. Прогноз можно использовать в планировании и обновлять по мере поступления данных.
Машинное обучение · Прогнозы · Оптимизация
Разработка ML-моделей для бизнеса
Разрабатываем модели машинного обучения под задачи компании: прогнозируем показатели, подбираем рекомендации и обнаруживаем аномалии. Для планирования ресурсов соединяем прогнозы с алгоритмами оптимизации.
- Источники
- История операций, события, справочники
- Результат
- Прогнозы, рекомендации, назначения
- Внедрение
- В ваши базы, CRM и сервисы
Где машинное обучение помогает бизнесу
Персональные рекомендации
Система подбирает товары и предложения с учётом предпочтений клиента и контекста. Результат оцениваем по показателям продукта, например среднему чеку или конверсии, а не только по метрикам модели.
Оптимизация и поиск аномалий
Алгоритмы помогают распределять ресурсы с учётом ограничений, а модели — находить необычные события в потоке данных. Конкретное действие системы задаём исходя из процесса компании.
Как доводим модель до внедрения
01
Выбираем показатель результата
Разбираем текущее решение и определяем, что должно измениться: время выполнения, число ошибок, затраты или выручка. Фиксируем исходный уровень, с которым будем сравнивать разработку.
02
Проверяем данные
Изучаем историю, пропуски, дубли и правила расчёта показателей. Выделяем данные для проверки так, чтобы модель оценивалась на примерах, которых она не видела при обучении.
03
Обучаем и сравниваем
Сравниваем модель с текущим подходом и простым базовым решением. Оцениваем ошибки на разных сегментах и проверяем, какую пользу улучшение прогноза даёт в рабочем процессе.
04
Запускаем и отслеживаем качество
Подключаем расчёты к вашим системам. Настраиваем наблюдение за входящими данными и результатами: при изменении процесса или поведения клиентов модели может понадобиться обновление.
Из нашей практики
Проекты Good Machines
Рекомендации в корзине
Для сервиса доставки мы разработали персональную подборку блюд и дополнений. Модель учитывает предпочтения клиента, состав корзины и время покупки. Результат проекта — рост среднего чека на 3–5%.
Прогноз времени доставки
Одинаковый срок для всех заказов не отражал загрузку кухни, адрес и доступность курьеров. Мы разработали модель, которая рассчитывает время приготовления и доставки для каждого заказа. Прогноз виден клиенту и оператору и обновляется по мере выполнения.
Распределение заказов и курьеров
Мы автоматизировали формирование рейсов и пересчёт назначений при изменениях. Алгоритм учитывает сроки, маршрут и вместимость. Это освобождает время диспетчера от ручного формирования и пересчёта рейсов.
От данных до рабочего расчёта
Подготавливаем данные, обучаем модель, проверяем качество и подключаем расчёты через API или по расписанию. Документируем входные данные и формат результата. Условия передачи исходного кода, обученной модели и дальнейшего сопровождения согласуем до начала работ.
На сроки и стоимость влияют состояние данных, частота расчётов, требования к качеству и сложность интеграции. Для первой оценки достаточно описать текущий процесс, желаемый результат и доступную историю. После изучения данных отдельно оцениваем разработку, внедрение и эксплуатацию.
Вопросы до начала работ
Сколько данных нужно для обучения?
Универсального числа нет. Оно зависит от задачи, разнообразия ситуаций и частоты редких событий. Проверим доступную историю и оценим, достаточно ли её для полезной модели.
Как понять, что модель приносит деньги или экономит ресурсы?
Заранее выбираем бизнес-показатель и способ сравнения. Для рекомендаций это может быть A/B-тест, для планирования — сопоставление затрат и качества выполнения при одинаковых условиях.
Нужно ли переобучать модель после запуска?
Это зависит от того, как меняются данные и процесс. Отслеживаем качество и согласуем условия обновления: по расписанию или при заметном изменении показателей.
Обсудим вашу задачу
Расскажите, какой процесс хотите изменить, какие данные есть и как планируете использовать результат. Разберём задачу и предложим подход к разработке.
Обсудить задачу