Daniel Salminen

Vastaa myymäläkohtaisesta kysyntäennustamisesta, joka ohjaa täydennystä 140 myymälässä ja noin 30 000 tuotenimikkeelle.

• Korvasi vanhan tilastollisen putken gradient-boosting-hierarkiamallilla ja paransi tuotenimiketason WAPE:a 34 prosentista 24 prosenttiin.
• Ennusteparannukset vähensivät tuoretuotteiden hävikkiä 18 % ja loppuunmyyntejä 11 %, arvoltaan noin 6 miljoonaa euroa vuodessa.
• Rakensi ajautumisen seurannan ja automaattisen taaksepäintestauksen; hiljaiset mallin heikkenemiset havaitaan nyt tunneissa viikkojen sijaan.
• Vetää neljännesvuosittaisen ennustekatsauksen toimitusketjun johdon kanssa ja kääntää mallin käyttäytymisen ostopäätöksiksi.

Lyhyen aikavälin kuormitus- ja uusiutuvan energian ennustaminen energiayhtiölle, joka tasapainotti 400 MW:n portfoliota.

• Paransi vuorokausimarkkinan kuormitusennusteen MAPE:a 4,1 prosentista 2,9 prosenttiin ja leikkasi tasepoikkeamakustannuksia noin 1,2 miljoonaa euroa vuodessa.
• Rakensi probabilistisen aurinkotuotantomallin, jota kaupankäyntipöytä käytti päivänsisäiseen positiomitoitukseen.
• Otti käyttöön piirrevaraston mallit, jotka lyhensivät uuden mallin iteraatioajan viikoista päiviin.

Asiakas- ja valikoima-analytiikkaa vähittäiskaupan asiakkaille.

• Rakensi teleoperaattoriasiakkaalle poistuma-pisteytysmallin, joka nosti asiakaspitokampanjan konversiota 2,3-kertaiseksi satunnaiseen kohdennukseen verrattuna.
• Automatisoi viikoittaisen asiakasraportoinnin, mikä vapautti noin yhden analyytikkopäivän viikossa.

Python-kirjasto, joka toteuttaa MinT- ja alhaalta-ylös-sovituksen scikit-learn-yhteensopivalla rajapinnalla.

• Yli 700 GitHub-tähteä; käyttäjien raporttien mukaan käytössä vähintään neljässä tuotannon vähittäiskaupan ennustepinossa.
• Vertailusarja toistaa julkaistut sovitustulokset kolmella julkisella datajoukolla.

Käytännönläheinen iltatyöpaja tuotannon ennustamisesta, järjestetään kahdesti vuodessa paikallisessa datayhteisössä.

• Kouluttanut yli 90 ammattilaista neljässä ryhmässä, keskiarvo 4,8/5.
• Kaikki materiaalit avoimen lähdekoodin, mukaan lukien realistinen synteettinen päivittäistavaradatajoukko.