تحسينات في توقعات التعلم الآلي لمبيعات الأطعمة سريعة التلف في محلات البقالة الواقعية

التعلم الآلي هو أداة مفيدة لمجموعة واسعة من تطبيقات التوقع التي قد تختلف بشكل كبير في البيانات المتاحة والأساليب المناسبة. نقوم بإجراء تحقيق معمق للتعلم الآلي لتوقع الطلب والمبيعات في مجالات البيع بالتجزئة والبيع بالجملة. يساعد استخدام التعلم الآلي في هذه السيناريوهات على تحسين عملية الطلب وتقليل هدر الطعام من خلال إدارة المخزون والطلب بشكل محسن. على الرغم من دراسة هذه المشكلة من قبل عدة باحثين في الأدبيات، فإن قابلية إعادة إنتاج النتائج عادة ما تكون ضعيفة بسبب عدم توافر البيانات، وهناك إمكانية للميزات المتقدمة وطرق التنبؤ. نتعاون مع ثلاثة تجار تجزئة وتجار جملة كبار في النمسا يزودوننا ببيانات واقعية ورؤى حول عمليات أعمالهم. استنادًا إلى البيانات، نقترح، ونجمع، وننشئ مجموعة بيانات تحتوي على تركيبة جديدة من الميزات تشمل بيانات مبيعات واقعية طويلة الأمد وبيانات أعمال أخرى، وبيانات سياقية، وبيانات الطقس، وبيانات الحركة المستخلصة من أبراج الهاتف الخلوي. باستخدام هذه البيانات، نقترح مجموعة مع تقنيات التعلم الآلي المتقدمة لتحسين أداء التوقع في بيئات البيع بالتجزئة والجملة الواقعية المتنوعة. نقدم مجموعات بيانات مجهولة المصدر لتسهيل الأبحاث المستقبلية وقابلية إعادة إنتاج النتائج. تظهر تقييماتنا أن الجمع بين مجموعات البيانات الواسعة والخوارزميات الحديثة يحسن أداء توقعاتنا للمساعدة في توليد طلبات أكثر دقة. • تدمج بيانات المبيعات الواقعية للأطعمة سريعة التلف بشكل جيد مع تحسينات التعلم الآلي. • الميزات الجديدة تزيد من أداء التوقع لأنواع مختلفة من المنتجات. • إدراج البيانات المساعدة (الخارجية) يساعد في تحسين التوقعات. • تحليل شامل لتأثير الميزات ونهج التعلم الآلي يوفر رؤى هامة. • التوقع مناسب للأنظمة الواقعية؛ تم تحقيق التكامل في النموذج الأولي.