Daniel Mazur

Odpowiada za prognozowanie popytu na poziomie sklepu zasilające uzupełnianie zapasów dla 140 sklepów i około 30 000 indeksów SKU.

• Zastąpił przestarzały potok statystyczny modelem hierarchicznym opartym na gradient boostingu, poprawiając WAPE na poziomie SKU z 34% do 24%.
• Usprawnienia prognoz obniżyły straty produktów łatwo psujących się o 18%, a braki na półce o 11%, co odpowiada szacunkowo 27 mln zł rocznie.
• Zbudował monitoring dryfu i automatyczny backtesting; ciche degradacje modelu wykrywane są w godzinach zamiast tygodni.
• Prowadzi kwartalny przegląd prognoz z kierownictwem łańcucha dostaw, tłumacząc zachowanie modelu na decyzje zakupowe.

Krótkoterminowe prognozowanie zapotrzebowania i produkcji OZE dla sprzedawcy energii bilansującego portfel 400 MW.

• Poprawił MAPE prognozy zapotrzebowania dzień naprzód z 4,1% do 2,9%, obniżając koszty bilansowania o około 5 mln zł rocznie.
• Zbudował probabilistyczny model produkcji fotowoltaicznej używany przez dział tradingu do doboru pozycji śróddziennych.
• Wprowadził wzorce feature store, które skróciły czas iteracji nowego modelu z tygodni do dni.

Analityka klientów i asortymentu dla klientów z handlu detalicznego.

• Zbudował model scoringu rezygnacji dla klienta telekomunikacyjnego, który podniósł konwersję kampanii retencyjnej 2,3-krotnie względem targetowania losowego.
• Zautomatyzował cotygodniowy stos raportowy dla klientów, uwalniając około jednego dnia pracy analityka tygodniowo.

Biblioteka w Pythonie implementująca rekoncyliację MinT i bottom-up z API zgodnym ze scikit-learn.

• Ponad 700 gwiazdek na GitHubie; według użytkowników używana w co najmniej czterech produkcyjnych stosach prognostycznych w handlu detalicznym.
• Zestaw benchmarków odtwarza opublikowane wyniki rekoncyliacji na trzech publicznych zbiorach danych.

Praktyczny wieczorny warsztat o prognozowaniu produkcyjnym, prowadzony dwa razy w roku w lokalnej społeczności danych.

• Przeszkolił ponad 90 praktyków w czterech grupach, ze średnią oceną 4,8/5.
• Wszystkie materiały udostępnione jako open source, w tym realistyczny syntetyczny zbiór danych spożywczych.