Для обучения модели использовались данные о продажах, клиентах и складах, ассортиментной матрице и товарных остатках 
Дочерняя компания банка Сбер Бизнес Софт разработала модель прогнозирования спроса на основе искусственного интеллекта для одной из компаний на российском рынке FMCG, сообщает пресс-служба Сбера.
Для обучения модели использовались данные о продажах (количество проданных товаров и их стоимость), клиентах и складах, проведённых и планируемых промокампаниях, ассортиментной матрице и товарных остатках.
Прогнозирование осуществлялось в 10 разрезах: на уровне продаж каждого конкретного товара, по отдельным категориям и всему ассортименту, по месяцам и неделям и так далее. Наибольшую точность показал прогноз на уровне категорий. По сравнению с базовыми статистическими методами ML-модель Сбер Бизнес Софта показала 29-процентный прирост в качестве прогнозирования.
В ближайшее время Сбер Бизнес Софт планирует передать заказчику доступы к модели для её применения в промышленной эксплуатации.
Станислав Карташов, вице-президент, директор дивизиона «Корпоративные клиенты 360» Сбербанка:
«Прогнозирование спроса на товары — одна из самых перспективных сфер применения искусственного интеллекта, ведь алгоритмы, обученные на огромных массивах данных, видят больше закономерностей, чем статистические модели. Уверен, новое качество прогноза поможет компании повысить эффективность бизнеса и увеличить прибыль».
Источник: amurmedia.ru
