Переваги використання Data Science в харчовому виробництві.

Data Science – це сфера дослідження, що вивчає проблеми аналізу, обробки даних у цифровій формі, статистичні та аналітичні методи, методи інтелектуального аналізу та додатки штучного інтелекту для роботи з даними, а також методи проектування і розробки баз даних, що включає в себе багатокомпонентний аналіз. Найпростіший Data Science – це змінне середнє, що вираховується методом задавання часового інтервалу та обирання середнього показника продажів.

У результаті цього ви маєте можливість спрогнозувати прибутковість виробництва на наступний день. Але цей метод не враховує багато компонентів (тренди, сезони, погода тощо), тому він і має назву змінне середне. Data Science в широкому сенсі враховує всі деталі й дає більш точний показник ефективності. На підготовчому етапі проекту (Discovery) клієнт має висловити всі свої очікування. Таким чином команда підбирає багатокомпонентне рішення, враховуючи індивідуальні бажання клієнта, наближуючись у кінці до рішень Data Science.

Data Science відповідає за нормалізацію даних, урахування найрізноманітніших факторів, що можуть вплинути на продажі, використовуючи різні алгоритми прогнозування й дає показник до 80% якості. Детально було розглянуто CRISP methodology – стандарт, що описує процеси й підходи до аналітичних даних, що використовується в промислових data mining проектах, незалежно від конкретного завдання та індустрії.

Проблеми, які легко вирішує Data Science:

• прогнозування продажів;

• аналітика;

• боротьба з відтоками.

Про спікера

Євген Медведський – гуру мобільного світу дистрибуції з 17річним досвідом у IT сфері, продемонстрував як здобутки IWIS можуть трансформувати складні процеси в галузі дистрибуції в прибуткові.