Как мы увеличили точность прогноза на 22% и сэкономили 300 млн рублей для дистрибьютора автоэмалей
Внедрили модель машинного обучения для прогнозирования спроса, что позволило сэкономить 300 млн рублей за счет оптимизации закупок и складских остатков.
Задача
Крупный продавец лакокрасочных покрытий с ассортиментом более 600 SKU столкнулся с затовариванием неликвидами и дефицитом ходовых позиций, что приводило к упущенной выгоде в полмиллиарда рублей в год.
Решение
Разработали и внедрили модель машинного обучения, которая на основе исторических данных и внешних факторов (курс валют, сезонность, маркетинговые активности) автоматически генерирует и регулярно обновляет прогнозы спроса, интегрированную в рабочие процессы компании.
Результат
Точность прогнозирования выросла на 22% и достигла 89%. Компания сэкономила 300 млн рублей за счет оптимизации закупок и складских остатков, а также автоматизировала заказ популярных товаров.
Похожие кейсы
Контроль комплектации аэрозольной продукции в «Арнест» с помощью компьютерного зрения
Автоматизирован мониторинг выпадения баллонов из коробок для АО «Арнест» → 100% точность выявления некомплекта
Мобильное приложение для оценки качества краба
Разработано мобильное приложение на основе нейросети для определения процента наполнения крабовой конечности мясом с точностью 99%.
HR чат-бот для Норникеля
Разработан HR чат-бот в ВКонтакте для сбора резюме и анкет соискателей — за два месяца получено 245 анкет
Автоматический контроль намотки сверхпроводящего кабеля с помощью компьютерного зрения
Автоматизирован контроль намотки ВТСП-кабеля с точностью детекции дефектов 99%.
АО «НПО «Аконит»: машинное зрение ML Sense для контроля качества труб на линии резки
Автоматизирован визуальный контроль труб на линии резки с помощью машинного зрения, что снизило аварии на 80%.
Внедрение платформы видеоаналитики (CV моделей)
Разработано решение для анализа производственного процесса — mAP достиг 85%