DareData Engineering

Description

Nos algorithmes de machine learning pour la prévision de la demande sont actuellement déployés dans deux marchés auprès de l’un des plus grands fabricants de boissons au monde. Nous avons élaboré des prévisions au niveau de la production, qui ont été utilisées, grâce aux méthodes MLOps éprouvées, à la fois pour l’activité en on-trade (restaurants, cafés, etc.) et pour l’activité en off-trade (commerce de détail). Nous avons obtenu une amélioration significative du MAPE actuel (Mean Absolute Percentage Error), en particulier pour l’activité en on-trade.

Solution

Nous avons testé des modèles SARIMAX et Prophet. Les modèles sont réentraînés afin d’éviter le surajustement et de capturer les changements significatifs de la demande des consommateurs. Nous avons utilisé les ventes, la météo, les matchs de football, les jours fériés et d’autres facteurs pour saisir la demande des consommateurs.

Résultats

Nous avons mis à disposition des modèles pour les deux entreprises, couvrant plus de 250 références chacune. Il est impossible de les déployer, sans méthodes MLOps adaptées et des pipelines CI/CD opérationnels.