Parcourir les catégories
Explorer
Fiverr Pro
Français
$
USD
Je vais concevoir un modèle de prévision de la demande et d'optimisation des stocks
Concevez des modèles ML personnalisés pour la prévision de la demande et l'optimisation des stocks
Data Scientist quantitatif et doctorant en physique spécialisé dans la prévision de séries temporelles, la modélisation de la demande et les moteurs de décision d'inventaire. J'aide les entreprises à ...
À propos de ce service
Ce service comble le fossé entre les prévisions statistiques brutes et le flux de trésorerie réel de l'entreprise. Au lieu de fournir des graphiques génériques, il propose une chaîne de prévision complète et un moteur de décision qui indique précisément aux clients quoi et quand réapprovisionner.
Concept central et positionnement
- Le problème qu'il résout : Élimine les ruptures de stock coûteuses sur les articles à forte rotation et évite que le capital de travail ne soit immobilisé dans des stocks morts.
- La méthodologie : Teste plusieurs modèles de séries temporelles (LightGBM, ARIMA, lissage exponentiel et baselines) sur différentes lignes de produits pour déterminer celui qui offre la meilleure précision avant de passer commande.
- Le livrable : Une configuration sans friction qui génère des rapports Excel clairs ainsi qu’un tableau de bord web interactif Streamlit pour la modélisation de scénarios (délais de livraison, stock de sécurité et points de réapprovisionnement), sans nécessiter de maintenance de base de données côté client.
Envoyez-moi un échantillon de vos données de ventes historiques, et je réaliserai un audit préliminaire pour démontrer combien nous pouvons améliorer la précision de votre prévision avant que vous passiez commande.
Langage de programmation:
Python
Frameworks:
Scikit-learn
•
Panda
Outils:
Jupyter Notebook
Mon portfolio
FAQ
Traduction automatique
Pourquoi testez-vous plusieurs modèles ?
Aucun modèle unique ne remporte systématiquement la mise sur tous les produits. Les SKUs simples ou saisonniers fonctionnent souvent mieux avec des modèles statistiques comme ARIMA ou Holt-Winters, tandis que les lignes complexes ou multi-catégories bénéficient de l'apprentissage automatique LightGBM. En backtestant plusieurs approches sur vos données historiques, je prouve mathématiquement laquelle est la plus efficace.
Quelles données dois-je fournir pour commencer ?
Un ensemble de données simple de ventes historiques et d'inventaire (pour la modélisation de l'inventaire) couvrant au minimum les 18 derniers mois, au format CSV ou Excel, comprenant la date, l'ID du produit/SKU et la quantité vendue. Les calendriers promotionnels seraient un plus.
Puis-je tester votre méthodologie avant de m'engager dans un projet complet ?
Oui. Le package Basic sert d'audit de précision de prévision à faible risque. Vous pouvez envoyer un échantillon de vos données historiques, et je backtesterai 3 à 4 modèles pour démontrer combien de précision peut être améliorée par rapport à votre baseline actuel avant de déployer à l'ensemble de votre catalogue.
