{"id":49861,"date":"2021-03-08T13:20:33","date_gmt":"2021-03-08T13:20:33","guid":{"rendered":"https:\/\/www.artefact.com\/?post_type=news&p=49861"},"modified":"2024-09-20T17:45:39","modified_gmt":"2024-09-20T16:45:39","slug":"sales-forecasting-in-retail-what-we-learned-from-the-m5-competition-published-in-medium-tech-blog","status":"publish","type":"blog","link":"https:\/\/www.artefact.com\/nl\/blog\/sales-forecasting-in-retail-what-we-learned-from-the-m5-competition-published-in-medium-tech-blog\/","title":{"rendered":"Verkoopprognoses in de detailhandel: wat we hebben geleerd van de M5-competitie"},"content":{"rendered":"

5 februari 2021
\nIn dit artikel geeft Data-wetenschapper Maxime Lutel een overzicht van zijn bevindingen van de M5-verkoopprognosewedstrijd, die bestond uit het voorspellen van toekomstige verkopen in verschillende Walmart-winkels. Hij loopt met u door onze oplossing en bespreekt welk machine-learningmodel het beste werkte voor deze taak.<\/p>\n<\/div>

<\/span><\/div><\/div><\/div><\/div><\/div>

Machine learning gebruiken om de zakelijke uitdagingen van retailers op te lossen<\/h2><\/div>

Nauwkeurige verkoopprognoses zijn essentieel voor detailhandelsbedrijven om de vereiste hoeveelheid op het juiste moment te produceren. Maar zelfs als het voorkomen van verspilling en tekorten een van hun belangrijkste zorgen is, hebben detailhandelaars nog veel ruimte voor verbetering. Tenminste, dat is wat mensen die bij Walmart werken denken, aangezien zij in maart 2020 een open data wetenschapsuitdaging lanceerden-... de M5-competitie<\/a>\u00a0- om te zien hoe ze hun voorspellingsmodellen konden verbeteren.<\/p>\n

De wedstrijd was gericht op het voorspellen van toekomstige verkopen op productniveau, gebaseerd op historische data. Meer dan 5000 teams van data liefhebbers en voorspellingsdeskundigen hebben maandenlang gediscussieerd over de methoden, kenmerken en modellen die het beste zouden werken om dit bekende machine learning probleem aan te pakken. Deze debatten brachten een aantal terugkerende problemen aan het licht die in bijna alle voorspellingsprojecten voorkomen. En nog belangrijker, ze brachten een grote verscheidenheid aan benaderingen aan het licht om ze aan te pakken.<\/p>\n

Dit artikel probeert een aantal\u00a0belangrijkste inzichten die uit de uitdaging naar voren kwamen<\/strong>. Bij Artefact geloven we in al doende leren, dus we besloten het erop te wagen en onze eigen oplossing te coderen om dit te illustreren. Laten we nu de hele prognosepijplijn doorlopen en onderweg stoppen om te begrijpen wat werkte en wat mislukte.<\/p>\n<\/div>

Probleemstelling: Hi\u00ebrarchische tijdreeksvoorspelling<\/h2><\/div>

De dataset bevat historische verkopen over 5 jaar, van 2011 tot 2016, voor verschillende producten en winkels. Er wordt wat extra informatie gegeven, zoals verkoopprijzen en kalendergebeurtenissen. Data is hi\u00ebrarchisch georganiseerd: winkels zijn onderverdeeld in 3 staten, en producten zijn gegroepeerd in categorie\u00ebn en subcategorie\u00ebn.<\/p>\n<\/div>

<\/span><\/div>

Het is onze taak om\u00a0de verkoop voorspellen voor alle producten in elke winkel, op de dagen direct na de beschikbare dataset<\/strong>. Dit betekent dat er 30 490 voorspellingen moeten worden gedaan voor elke dag in de voorspellingshorizon.<\/p>\n

Deze hi\u00ebrarchie zal onze modelkeuzes sturen, omdat interacties binnen productcategorie\u00ebn of winkels zeer nuttige informatie bevatten voor voorspellingsdoeleinden. Artikelen in dezelfde winkels en categorie\u00ebn kunnen namelijk een vergelijkbare verkoopevolutie hebben, of ze kunnen elkaar juist kannibaliseren. Daarom gaan we elk monster beschrijven aan de hand van kenmerken die deze interacties vastleggen, en\u00a0op machine learning gebaseerde benaderingen de voorkeur geven boven traditionele voorspellingen<\/strong>, om met deze informatie rekening te houden bij het trainen van het model.<\/p>\n<\/div>

Twee belangrijke uitdagingen: intermitterende waarden en een langere voorspellingshorizon<\/h2><\/div>

In dit stadium denkt u misschien dat het een heel gewoon voorspellingsprobleem is. U hebt gelijk en daarom is het interessant: het kan betrekking hebben op een groot aantal andere projecten, ook al heeft elke bedrijfstak zijn eigen kenmerken. Deze uitdaging heeft echter 2 belangrijke specifieke kenmerken die de taak moeilijker maken dan verwacht.<\/p>\n

De eerste is dat de tijdreeksen waarmee we werken veel intermitterende waarden hebben, d.w.z. lange perioden van opeenvolgende dagen zonder verkoop, zoals ge\u00efllustreerd op de grafiek hieronder. Dit kan het gevolg zijn van stock-outs of beperkte schapruimte in winkels. In elk geval bemoeilijkt dit de taak, omdat de fout enorm zal toenemen als de verkoop op een regelmatig niveau wordt voorspeld terwijl het product niet in de schappen ligt.<\/p>\n<\/div>

<\/span><\/div>

De tweede komt van de taak zelf, en meer precies van de\u00a0grootte van de voorspellingshorizon<\/strong>. Concurrenten moeten niet alleen voorspellingen voor de volgende week maken, maar voor een periode van 4 weken. Vertrouwt u liever op de weersvoorspelling voor de volgende dag of voor over 1 maand? Hetzelfde geldt voor verkoopvoorspellingen: een langere voorspellingshorizon maakt het probleem complexer omdat de onzekerheid toeneemt met de tijd.<\/p>\n<\/div>

Feature engineering - Modelleren van de drijvende factoren van verkoop<\/h2><\/div>

Nu we de taak die voor ons ligt hebben begrepen, kunnen we beginnen met het berekenen van kenmerken die alle fenomenen modelleren die de verkoopevolutie zouden kunnen be\u00efnvloeden. Het doel hier is om elke triplet Dag x Product x Winkel te beschrijven door een set indicatoren die de effecten van factoren zoals seizoensgebondenheid, trends of prijsstelling vastleggen.<\/p>\n<\/div>

Seizoensgebondenheid<\/h2><\/div>

In plaats van de verkoopdatum direct als voorspeller te gebruiken, is het meestal relevanter om deze te ontleden in verschillende kenmerken om de seizoensgebondenheid te karakteriseren: jaar, maand, weeknummer,\u00a0dag van de week<\/strong>... Dit laatste is bijzonder inzichtelijk omdat het probleem een sterke wekelijkse periodiciteit heeft: de verkoopvolumes zijn groter in het weekend, wanneer mensen meer tijd in supermarkten doorbrengen.<\/p>\n

Evenementen<\/strong>\u00a0zoals feestdagen of NBA finales hebben ook een sterke seizoensinvloed. Voor elke gebeurtenis is \u00e9\u00e9n kenmerk gemaakt, met de volgende waarden:<\/p>\n<\/div>