Прогнозирование и анализ данных

Фонд перспективных исследований, 2015 год

Конкурс для поиска лучшего отечественного коллектива, способного преодолеть существующие недостатки технологий распознавания лиц

Avito, 2015 год

Конкурс анализа данных, посвященный проблематике Uplift modelling для решения задачи распознавания отклика клиентов на маркетинговое предложение

Avito, 2014 год

Конкурс по распознаванию контактной информации на изображениях

Банк Траст, 2014 год

Внедрение системы прогнозирования поведения клиентов и оптимизации кампаний целевого маркетинга Sell4Cast

ОТП Банк, 2011 год

Конкурс анализа данных по решению задачи предсказания отклика клиентов на предложение новой услуги

Компания «Балтика», 2011 год

Автоматизация прогнозирования вторичных продаж

ММВБ, 2010 год

Система анализа финансовых рынков «САФРАН 3.0»

ГК «Лама», 2010 год

Внедрение системы автоматического формирования заказа на распредительном центре компании

ЗАО «НСС», 2009 год

Внедрение BI/CRM систем Forecsys & Teradata

ГК «Видео Интернешнл», 2009 год

Улучшения системы прогнозирования компании

ГК «Лама», 2009 год

Внедрение системы прогнозирования спроса и управления запасами Goods4Cast

Банк «Петрокоммерц», 2009 год

Система поддержки принятия кредитных решений

М-Видео, 2008 год

Оптимизации процессов планирования продаж и закупок товаров

Компания «Балтика», 2008 год

Внедрение системы прогнозирования спроса и планирования продаж

ГК «Комстар – ОТС», 2008 год

Поведенческая сегментация клиентов

ГУ-ВШЭ, 2007 год

Внедрение системы Антиплагиат

Сеть «Связной», 2007 год

Создание и внедрение ИС «Ценообразование»

Сеть «Связной», 2007 год

Внедрение системы прогнозирования спроса

X5 Retail Group, 2007 год

Объединение процессов ведения номенклатуры нескольких розничных торговых сетей

ГВЦ РАО «ЕЭС России», 2006 год

Анализ отраслевых данных энергетических компаний

AntiPlagiat.ru, 2005 год

Интернет-сервис анализа текстов на наличие заимствований

АП «Домодедово», 2005 год

Решение для имитационного моделирования транспортной сети аэропорта

Яндекс, 2005 год

Технология выявления взаимосогласованных структур сходства пользователей и ресурсов

ТД «Перекресток», 2005 год

Система прогнозирования потребительского спроса Goods4Cast

Брок-Инвест-Сервис, 2005 год

Анализ и сегментация клиентской базы

ОАО «МТС», 2004 год

Исследование поведенческой сегментации клиентов

Банк «Петрокоммерц», 2004 год

Система поддержки принятия кредитных решений

«Интер РАО ЕЭС», 2004 год

Автоматизированная система поддержки принятия решений на энергетических рынках «Aprel 1.0»

РАО «ЕЭС России», 2001 год

Автоматизированная система поддержки принятия решений «Форель 1.0»

ММВБ, 1999 год

Учебная имитационная торговая система «Имитрейд»

Правительство Москвы, 1998 год

Компания-заказчикПравительство Москвы

Сроки проекта:        июнь 1998 — март 1999

История проекта

Информационная система прогнозирования конъюнктуры товарных рынков г. Москвы «Мосторгпрогноз» была разработана в 1998 году по заказу Департамента Потребительского рынка и услуг Правительства Москвы. Системы была предназначена для получения кратко- и среднесрочных прогнозов объемов товарооборота потребительских товаров в соответствии с ассортиментной структурой товарооборота.

Основными предпосылками создания системы «Мосторгпрогноз» явились, с одной стороны, наличие потребности в качественном краткосрочном (1 квартал) и среднесрочном (1 год) прогнозе товарооборота в соответствии с ассортиментной структурой у Департамента потребительских рынков и услуг Правительства Москвы, с другой стороны, отсутствие автоматизированных средств адекватной обработки данных статистики.

Особенности проекта

Исходными данными ИС «Мосторгпрогноз» являются следующие поквартальные временные ряды:

  • товарооборот по группам и подгруппам продовольственных и непродовольственных товаров и общий объем товарооборота в денежном выражении в текущих ценах;
  • индексы цен по каждой товарной группе и подгруппе продовольственных и непродовольственных товарам и общий индекс цен;
  • расходы на территории г. Москвы в денежном выражении;
  • доходы москвичей в денежном выражении;
  • сводный индекс потребительских цен на товары и услуги.

Задача осложнялась незначительной длиной временных рядов (32-36 кварталов), а также наличием скачков товарооборота и индекса цен в силу кризисных явлений в экономике. Эксперты-экономисты были уверены в недостоверности исходной статистической информации.

Основа подхода

В качестве основного направления поиска решения было использовано выявление функциональных связей в массиве из значительного числа временных рядов. Кроме того, на этапе предварительной обработки данных проводилась верификация статистических данных и коррекция индексов цен.

Применение процедуры коррекции оказалось необходимым для получения возможности сравнения индексов цен последовательных кварталов.

Рабочий вид системы

Рис. 1. Цепной индекс цен непродовольственных товаров до коррекции
Рис. 1. Цепной индекс цен непродовольственных товаров до коррекции.
Рис. 2. Цепной индекс цен непродовольственных товаров после коррекции
Рис. 2. Цепной индекс цен непродовольственных товаров после коррекции.
Рис. 3. Товарооборот продовольственных товаров до коррекции.
Рис. 4. Товарооборот продовольственных товаров после коррекции
Рис. 4. Товарооборот продовольственных товаров после коррекции.