Hvad opgaven var
Hos Teradata arbejdede jeg på IKEAs globale forecasting. De havde brug for salgsprognoser der faktisk var præcise — på tværs af over 30 lande med vidt forskellige markeder, fra Sverige til Japan.
Hvad jeg byggede
En forecasting-pipeline der kombinerede time series-algoritmer med lokal markedsforståelse. Systemet tog højde for nationale helligdage, lokale vejrforhold og sæsonmønstre der varierede fra land til land.
Teknologier
- Python & R til statistisk modellering
- Spark til distribueret databehandling
- Teradata til data warehousing
Hvad det betød
IKEA fik bedre prognoser, som betød bedre lagerstyring og færre situationer hvor populære varer var udsolgt.
