Daan Kramer

Verantwoordelijk voor vraagvoorspelling op winkelniveau die de aanvulling aanstuurt voor 140 winkels en ongeveer 30.000 SKU’s.

• Verving een verouderde statistische pijplijn door een gradient-boosted hiërarchiemodel, waarmee de WAPE op SKU-niveau daalde van 34% naar 24%.
• Voorspelverbeteringen verlaagden de bederfelijke derving met 18% en de nee-verkoop met 11%, geschat op 6 miljoen euro per jaar.
• Bouwde driftmonitoring en geautomatiseerde backtesting; stille modeldegradaties worden binnen uren gedetecteerd in plaats van weken.
• Leidt de kwartaalevaluatie van de voorspellingen met de leiding van supply chain en vertaalt modelgedrag naar inkoopbeslissingen.

Kortetermijnvoorspelling van belasting en duurzame opwek voor een energieleverancier die een portefeuille van 400 MW balanceert.

• Verbeterde de MAPE van de day-aheadbelastingvoorspelling van 4,1% naar 2,9%, wat de balanceringskosten met ongeveer 1,2 miljoen euro per jaar verlaagde.
• Bouwde een probabilistisch model voor zonneproductie dat de handelsdesk gebruikt voor intraday-positiebepaling.
• Introduceerde feature-storepatronen die de iteratietijd voor nieuwe modellen terugbrachten van weken naar dagen.

Klant- en assortimentsanalyse voor retailklanten.

• Bouwde een churn-scoringmodel voor een telecomklant dat de conversie van retentiecampagnes 2,3 keer verhoogde ten opzichte van willekeurige targeting.
• Automatiseerde de wekelijkse klantrapportage, wat ongeveer een analistendag per week vrijmaakte.

Python-bibliotheek die MinT- en bottom-upreconciliatie implementeert met een scikit-learn-compatibele API.

• Meer dan 700 GitHub-sterren; volgens gebruikers ingezet in minstens vier productievoorspelstacks in retail.
• De benchmarkset reproduceert gepubliceerde reconciliatieresultaten op drie openbare datasets.

Praktische avondworkshop over voorspelling in productie, twee keer per jaar georganiseerd bij een lokale datacommunity.

• Leidde meer dan 90 professionals op over vier lichtingen, gemiddeld beoordeeld met 4,8/5.
• Alle materialen open-source, inclusief een realistische synthetische dataset uit de boodschappensector.

Scriptie over hiërarchische reconciliatiemethoden voor vraagvoorspelling in retail.

Certificering over het ontwerp, de deployment en de monitoring van ML-pijplijnen op beheerde cloudinfrastructuur.