" A Rossmann é uma rede de farmácias com mais de 3000 lojas em 7 países da Europa. O CFO da Rossmann fez uma reunião com todos os Gerentes de Loja e pediu para que cada um deles trouxesse uma previsão diária das próximas 6 semanas de vendas. Depois dessa reunião os gerentes de loja entraram em contato com time de Data Science e requisitaram uma previsão de vendas de suas lojas. "
- Descrição dos dados;
- Feature engeneering;
- Filtragem de variáveis;
- Análise exploratória de dados ( geração de insights );
- Preparação dos dados;
- Seleção de variáveis;
- Implementação de algoritmos de Machine Learning;
- Hiperparameter fine tunning;
- Interpretação e tradução do erro do modelo;
- Deploy do modelo em produção.
- As vendas das lojas são influenciadas por vários fatores, incluindo competição, promoções, feriados escolares e estaduais, sazonalidade e localidade.
- Com milhares de requisições de Gerentes de Lojas basedas nas suas próprias circunstâncias, a acurácia do resultado pode ser variada para cada uma das lojas.
H1) Lojas com maior sortimento de produtos deveriam vender mais. FALSA. Lojas com maior sortimento vendem MENOS.
H2) Lojas com competidores mais próximos deveriam vender menos. FALSA. Quanto maior a distancia dos competidores MENOR a venda.
H3) Lojas com competidores a mais tempo deveriam vender mais. Falsa. Lojas com competidores a mais tempo vendem MENOS.
H4) Lojas com promoções ativas por mais tempo deveriam vender mais. FALSA. Lojas com promoção ativa por mais tempo vendem MENOS, depois de um determinado período.
H6) Lojas com mais promoções consecutivas deveriam vender mais. FALSA. Lojas com mais promoções consecutivas vendem MENOS.
H7) Lojas abertas durante o feriado de Natal deveriam vender mais. VERDADEIRO. Lojas abertas durante o feriado de Natal vendem mais, em média.
H8) Lojas deveriam vender mais ao longo dos anos. FALSA Lojas Vendem MENOS ao longo dos anos
H9) Lojas deveriam vender mais durante o segundo semestre do ano. VERDADEIRO. Lojas vendem, em média, 4,62% a mais no segundo semestre.
H10) Lojas deveriam vender mais antes do dia 10 de cada mês. VERDADEIRO. Em média, lojas vendem 7,08% a mais antes do 10 dia de cada mês.
H11) Lojas deveriam vender menos durante os finais de semana. VERDADEIRO. Lojas vendem, em média, MENOS durante os finais de semana.
H12) Lojas deveriam vender menos nos feriados escolares VERDADEIRO. Lojas vendem menos nos feriados escolares, exceto no mes de Agosto.
Apesar do modelo Random Forest apresentar resultados ligeiramente melhores do que o os resultados obtidos com XGBoost, o modelo escolhido para ir para produção foi o modelo desenvolvido com base no XGBoost. Pareceu mais razoável utilizar um modelo mais simples, como o XGBoost, com exigçência computacional mais baixa em comparação ao Random Forest, mas que entrega resultados muito próximos dos resultados do modelo mais complexo.
Desempenho do modelo, graficamente:
- Qual é a previsão de vendas das lojas da Rossmann?
O resultado para as 1115 lojas da Rossmann que solicitaram a previsão de vendas, é que cada uma delas, em média, venda U$ 255.353,23 nas próximas 6 semanas. Valor que varia de U$ 95.360,91 a U$ 836.160,87 da loja que deve ter menor receita para loja que deve ter maior receita. O erro do modelo ficou em 13,3%, ou seja, na média o modelo erra a previsão 13,3% para cima ou para baixo do valor real. Abaixo gráfico com o desempenho do modelo: valor real de vendas em comparação com a previsão.
Expectativa de receita:
- O objetivo foi alcançado? Sim? Não? Por que?
Sim. Baseado na metodologia de desenvolvimento de projetos CRISP-DS, que prevê ciclos de iteração para otimização dos projetos, após a solicitação do CFO da Rossmann, foi possível entregar o primeiro ciclo de desenvolvimento com bons resultados.
- O que pode ser melhorado?
Durante o primeiro ciclo de iterações já foi possível observar razoáveis pontos de melhoria dos resultados. Na seção 7.0., que aborda os modelos de machine learning, como a variável resposta não é linear, é possícel ao utilizar, nos próximos ciclos, algoritmos de ML mais complexos, como SVM e Redes Neurais, obter erro menor do que o erro entregue pelo algoritmo XGBoost. Na subseção 8.1., da seção 8.0. onde é abordado o ajuste fino dos parâmetros, com a utilização da otimização bayseana, que exige maior capaciadade computacional, mas que seleciona os parâmetros até que os melhores sejam encontrados, também é possível obter erro menor do que o obtido com utilização do método Random Search. Por fim, uma das premissas assumidas diz que "Com milhares de requisições de Gerentes de Lojas basedas nas suas próprias circunstâncias, a acurácia do resultado pode ser variada para cada uma das lojas". Com essa premissa assumida, é razóvel que ao analizar aquelas lojas que obtiveram erro maior, de forma indivídual, se obtenha resultados de negócio mais vantajosos do que analisá-las em conjunto com as demais.
| Cristian Oliveira