Добрый день! Проект был очень амбициозный, и его сроки даже команде внедрения казались нереальным, поэтому мы не торопились с пресс-релизом и обещаниями по срокам. Как только появилась уверенность в функционале, все магазины были проинформированы и снабжены новыми инструкциями. Очень сожалеем о том, что не имели возможности дать нашим клиентам информацию раньше.
Причина в том, что в начале года многие западные компании ушли из России. Так произошло и с нашим вендором. Он отказал нам в поддержке системы, и она перестала работать. Так как система размещалась на облачных серверах вендора, и у нас не было доступа ни к базе, ни к коду, мы не могли самостоятельно возобновить работу этого решения.
К нашему большому сожалению, это привело к тому, что программа лояльности была недоступна нашим покупателям. Но мы приложили все усилия к тому, чтобы возобновить её работу в кратчайшие сроки, насколько это было возможно. Обычно системы такого масштаба внедряются от года и более. Мы же смогли возобновить работу лояльности за 4 месяца.
Cпасибо за интересный пример из вашего опыта, да, товары имеют классификацию, как правило, это древовидная иерархия категорий и т.д. В рамках этих групп можно решать задачу ценообразования. Там, где невозможно определить коэффициенты — нет достаточной статистики или возможности найти похожие товары для восстановления коэффициентов, подобные модели не используются. В таких случаях используются стандартные подходы ценообразования (по наценкам, рынку и т.д.). По поводу кросс-эффектов и товаров заменителей – как правило данные эффекты можно наблюдать при значительных изменениях цены, в этом случае можно добавлять дополнительные ограничения в систему, штрафные функции и т.д. Собственно, этими и подобными вопросами занимаются в ценообразовании.
Да, верно, данные солверы по-разному подходят к решению оптимизационной задачи, именно поэтому они были выбраны для сравнения, чтобы показать разницу в производительности, в будущих статьях мы обратим больше внимания на эти моменты. По поводу аналитического решения - такой задачи мы себе не ставили, т.к. на практике система уравнений сложнее.
Спасибо за отзыв! В конкретном примере приводятся фиксированные значения параметров. Если мы правильно поняли вопрос, то товары с сильно случайным поведением параметров нуждаются в уточнении через набор статистики, либо для них лучше использовать стандартные процессы ценообразования.
Спасибо за отзыв и интересный вопрос! Если вы применяете подобный подход (а бывают разные), то необходим контролирующий процесс. Можете смотреть разницу прогноза спроса и факта, и далее развивать дополнительную логику корректировки модели.
Использовать устаревшую систему, которую сам разработчик отказался развивать - само по себе странное и рискованное решение, что может стать достаточно серьезной проблемой из-за ограничения поддержки, нежели чем иметь актуальное решение. А с учетом того, что в компании достаточно большой уровень экспертизы в области поддержки и развития SAP решений, а так же CAR развернут on-premise, то новая система существенно расширяет наши возможности в части оптимизации, аналитики и запуска новых сервисов
Бутстреп и стратификация решают две разные задачи. С помощью стратификации мы снижаем дисперсию, что приводит к увеличению чувствительности тестов, а с помощью бутстрепа оцениваем стандартное отклонение и строим доверительные интервалы.
Да, эти методы могут использоваться вместе, но стоит обратить внимание, что если вы используете бутстреп для стратифицированной выборки, то и бутстрепить следует стратифицированно.
Потому что мы исследуем не стандартное отклонение выборки, как в вашем примере, а стандартное отклонение выборочного среднего. Дисперсия выборочного среднего в раз меньше дисперсии случайной величины.
соответственно стандартное отклонение будет в раз меньше
Долю мы заранее не знаем. Предполагаем, что у учеников Школы выше шансы, чем в среднем со стороны, так как они получат знания в рамках Школы и покажут себя «в деле» на домашних заданиях.
1. Тестирование, собеседование и занятия будут проходить онлайн.
2. Возраст значения не имеет. Необходимо пройти тестирование и собеседование. Мы полагаем, что для успешного прохождения необходимы знания первых двух курсов технического ВУЗа.
3. По ML необходимы базовые общие знания.
В тесте по Python проверяются базовые знания следующих примитивов: декораторы, контекстные менеджеры, области видимости, множественное наследование, работа с атрибутами объектов, а также базовый синтаксис и встроенные типы данных.
Статистика: мат ожидание, условная вероятность, комбинаторика, плотность распределения: подбор параметров / выбор для практической задачи, гипотезы / p-value.
Анонсы распространяются в разных каналах в разное время согласно плану РК. Тестирование продлится до 16 марта. У каждого кандидата будет время и возможность его пройти.
Добрый день! Проект был очень амбициозный, и его сроки даже команде внедрения казались нереальным, поэтому мы не торопились с пресс-релизом и обещаниями по срокам. Как только появилась уверенность в функционале, все магазины были проинформированы и снабжены новыми инструкциями. Очень сожалеем о том, что не имели возможности дать нашим клиентам информацию раньше.
Здравствуйте! Согласны - функционал нахождения карты лояльности по номеру телефона действительно очень важный, и мы его обязательно вернём.
Здравствуйте! Можете, пожалуйста, уточнить, с какими именно проблемами Вы столкнулись при использовании программ лояльности?
Добрый день!
Причина в том, что в начале года многие западные компании ушли из России. Так произошло и с нашим вендором. Он отказал нам в поддержке системы, и она перестала работать. Так как система размещалась на облачных серверах вендора, и у нас не было доступа ни к базе, ни к коду, мы не могли самостоятельно возобновить работу этого решения.
К нашему большому сожалению, это привело к тому, что программа лояльности была недоступна нашим покупателям. Но мы приложили все усилия к тому, чтобы возобновить её работу в кратчайшие сроки, насколько это было возможно. Обычно системы такого масштаба внедряются от года и более. Мы же смогли возобновить работу лояльности за 4 месяца.
Cпасибо за интересный пример из вашего опыта,
да, товары имеют классификацию, как правило, это древовидная иерархия категорий и т.д.
В рамках этих групп можно решать задачу ценообразования.
Там, где невозможно определить коэффициенты — нет достаточной статистики или возможности найти похожие товары для восстановления коэффициентов, подобные модели не используются. В таких случаях используются стандартные подходы ценообразования (по наценкам, рынку и т.д.).
По поводу кросс-эффектов и товаров заменителей – как правило данные эффекты можно наблюдать при значительных изменениях цены, в этом случае можно добавлять дополнительные ограничения в систему, штрафные функции и т.д. Собственно, этими и подобными вопросами занимаются в ценообразовании.
Да, верно, данные солверы по-разному подходят к решению оптимизационной задачи, именно поэтому они были выбраны для сравнения, чтобы показать разницу в производительности, в будущих статьях мы обратим больше внимания на эти моменты.
По поводу аналитического решения - такой задачи мы себе не ставили, т.к. на практике система уравнений сложнее.
Спасибо за отзыв!
В конкретном примере приводятся фиксированные значения параметров.
Если мы правильно поняли вопрос, то товары с сильно случайным поведением параметров нуждаются в уточнении через набор статистики, либо для них лучше использовать стандартные процессы ценообразования.
Спасибо за отзыв и интересный вопрос! Если вы применяете подобный подход (а бывают разные), то необходим контролирующий процесс. Можете смотреть разницу прогноза спроса и факта, и далее развивать дополнительную логику корректировки модели.
Использовать устаревшую систему, которую сам разработчик отказался развивать - само по себе странное и рискованное решение, что может стать достаточно серьезной проблемой из-за ограничения поддержки, нежели чем иметь актуальное решение. А с учетом того, что в компании достаточно большой уровень экспертизы в области поддержки и развития SAP решений, а так же CAR развернут on-premise, то новая система существенно расширяет наши возможности в части оптимизации, аналитики и запуска новых сервисов
@Hadron_coll, здравствуйте.
Бутстреп и стратификация решают две разные задачи. С помощью стратификации мы снижаем дисперсию, что приводит к увеличению чувствительности тестов, а с помощью бутстрепа оцениваем стандартное отклонение и строим доверительные интервалы.
Да, эти методы могут использоваться вместе, но стоит обратить внимание, что если вы используете бутстреп для стратифицированной выборки, то и бутстрепить следует стратифицированно.
@yorko, здравствуйте.
Потому что мы исследуем не стандартное отклонение выборки, как в вашем примере, а стандартное отклонение выборочного среднего. Дисперсия выборочного среднего в
раз меньше дисперсии случайной величины.
соответственно стандартное отклонение будет в
раз меньше
Здравствуйте,
Политику можно изучить по ссылке.
На текущий момент мы действуем в рамках заранее согласованных планов по Школе и стажировкам.
Здравствуйте,
Долю мы заранее не знаем. Предполагаем, что у учеников Школы выше шансы, чем в среднем со стороны, так как они получат знания в рамках Школы и покажут себя «в деле» на домашних заданиях.
Здравствуйте,
Стажировка будет онлайн.
Здравствуйте,
1. Тестирование, собеседование и занятия будут проходить онлайн.
2. Возраст значения не имеет. Необходимо пройти тестирование и собеседование. Мы полагаем, что для успешного прохождения необходимы знания первых двух курсов технического ВУЗа.
3. По ML необходимы базовые общие знания.
В тесте по Python проверяются базовые знания следующих примитивов: декораторы, контекстные менеджеры, области видимости, множественное наследование, работа с атрибутами объектов, а также базовый синтаксис и встроенные типы данных.
Статистика: мат ожидание, условная вероятность, комбинаторика, плотность распределения: подбор параметров / выбор для практической задачи, гипотезы / p-value.
Здравствуйте,
Анонсы распространяются в разных каналах в разное время согласно плану РК. Тестирование продлится до 16 марта. У каждого кандидата будет время и возможность его пройти.
Да, будет на https://www.facebook.com/X5technology
Сортировка в «правильном» порядке, просто сначала цифры, если речь про S3.
Нам кажется, что в форме радара информация более читаема и структурна) + в оригинале радар интерактивный.
В Х5 действительно своя сильная команда ML, и она, в том числе, делает задачи 5POST.
В данном случае помимо модели, требовалась автоматизация связанных бизнес-процессов, которая была выполнена единой командой.
Так как важно было начать разработку как можно быстрее, то приняли решение привлечь технологического партнера.
Вся документация и исходный код остаются в Х5, поэтому вопрос стоимости владения остро не стоит.