Inspiration
La nostra inspiració ha estat la creixent tendència de intel·ligència artificial i models predictius per millorar l'eficiència dels sistemes de tractament de dades.
What it does
El nostre projecte SigSer gestiona i analitza dades reals per generar alertes que mantenen a Inibsa informat de les tendencies i necesitats comercials dels seus clients. Generem les alertes mitjançant models predictius que iteren sobre un pipeline de dades escalable.
Hem entrenat 4 models de machine learning:
- Un model de K-means clustering para estructurar cada client segons el seu patró de compra.
- Un model de survival analysis que estima els dies que falten per que un client leal compri productes comodity.
- Un model de CUSUM que detecta desviacions sostingudes entre el consum observat i el consum esperat. Es fa servir per generar altres senyals.
- Un model de isolation forest per detectar anomalies en el patró històric de compra de cada client.
How we built it
Hem netjat, normalitzat i centralitzat les dades en CSV per tal de facilitar l'entrenament dels models de Machine Learning per inferir conclusions útils. Utilitzem els resultats per generar senyals comercialment rellevants. Aquestes senyals s'emmagatzemen localment en una base de dades sqllite i es filtren. Finalment les mostrem en una pàgina web de javascript on el backend és gestionat per django en forma de api i lògica adicional.
Challenges we ran into
Vam tenir problemes netajant, normalitzant i gestionant les dades reals. Degut a les incoheréncies i inconsistències que poden presentar.
Accomplishments that we're proud of
Estem orgullosos d'haver creat un sistema de predicció coherent i mostrar-lo de manera clara i útil pel negoci.
What we learned
Hem aprés a integrar pipelines d'entrenament de machine learning en un entorn real mantenint una interfície clara.
What's next for Inibsa-CargoletsCode
Aquest projecte es tangible,extensible, escalable i sobretot aporta valor inmediat i aplicable.
Log in or sign up for Devpost to join the conversation.