Andrei Dumitrescu

Responsabil de prognoza cererii la nivel de magazin, care alimentează reaprovizionarea pentru 140 de magazine și aproximativ 30.000 de coduri de produs.

• Am înlocuit un pipeline statistic vechi cu un model ierarhic cu gradient boosting, îmbunătățind WAPE la nivel de produs de la 34% la 24%.
• Îmbunătățirile de prognoză au redus risipa de perisabile cu 18% și lipsurile din stoc cu 11%, echivalentul a aproximativ 6 milioane EUR pe an.
• Am construit monitorizarea derivei și backtesting automat; degradările silențioase ale modelelor sunt detectate în ore, nu în săptămâni.
• Conduc evaluarea trimestrială a prognozelor cu conducerea lanțului de aprovizionare, traducând comportamentul modelelor în decizii de achiziție.

Prognoză pe termen scurt a consumului și a producției regenerabile pentru un furnizor de energie cu un portofoliu de 400 MW.

• Am îmbunătățit MAPE pentru prognoza de consum day-ahead de la 4,1% la 2,9%, reducând costurile de echilibrare cu aproximativ 1,2 milioane EUR pe an.
• Am construit un model probabilistic de producție solară folosit de biroul de tranzacționare pentru dimensionarea pozițiilor intraday.
• Am introdus tipare de feature store care au scurtat iterația pe modele noi de la săptămâni la zile.

Analiză de clienți și sortiment pentru clienți din retail.

• Am construit un model de scoring pentru churn la un client telecom, care a crescut conversia campaniilor de retenție de 2,3 ori față de țintirea aleatorie.
• Am automatizat raportarea săptămânală către clienți, eliberând aproximativ o zi de analist pe săptămână.

Bibliotecă Python care implementează reconcilierea MinT și bottom-up, cu un API compatibil scikit-learn.

• Peste 700 de stele pe GitHub; folosită în cel puțin patru stack-uri de prognoză retail în producție, conform utilizatorilor.
• Suita de benchmark reproduce rezultate publicate de reconciliere pe trei seturi de date publice.

Atelier practic de seară despre prognoza în producție, organizat de două ori pe an într-o comunitate locală de date.

• Peste 90 de practicieni instruiți în patru serii, cu o notă medie de 4,8/5.
• Toate materialele sunt open source, inclusiv un set de date sintetic realist pentru retail alimentar.