Hvad opgaven var
Hos Teradata arbejdede jeg på IKEAs globale forecasting på tværs af mere end 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
Prognoserne blev bygget til den planlægning af lager og forsyningskæde, der foregår på tværs af landene.
Arbejdet lærte mig, hvor hurtigt en teknisk stærk model bliver et organisatorisk spørgsmål om data, planlægning og ansvarlig brug.