Комментарии 4
... архитектором ИТ-систем управления товародвижением ...
гипотеза "Дни с нулевыми остатками по востребованным товарам" проверяется скриптом на SQL куда более эффективнее - минут за 20-30 если знаешь структуру данных( а архитектор по определению ее знает как и SQL)
Согласен, SQL применительно к исходным данным в ERP системе - это реалистичный альтернативный инструмент решения поставленной задачи.
В моём вариант с SQL я оценил как менее оптимальный по сравнению с выгрузкой подготовленных и отфильтрованных данных из аналитической системы с последующей обработкой на локальном компьютере при помощи Python.
Сыграли такие факторы:
Задача была существенно сложнее, чем просто найти дни с нулевыми остатками товара. Задача состояла в том, чтобы проверить связи между разными потенциальными причинами по графу причинности и итоговым фактом нулевого остатка товара для конкретной комбинации товар/магазин/день
Объем данных и структура хранения. Сырых данных в моем случае было не миллионы строк, а сотни миллионов. Кроме того, я как раз хорошо знаю структуру хранения данных в SAP ERP и, поверьте, она не простая. Можно сэкономить много сил и избежать целого класса ошибок интерпретации, если брать данные из аналитической системы, где данные уже разложены по кубам с продуманными бизнес-аналитиками и показателями.
Честно говоря странно....
То что вы описываете, мы делали еще в 2000-х силами foxpro и одного человека. Неужели за 20+ лет в торговые системы этот функционал так и не встроили? (Хоть возвращаться и самому делать)
Заголовок статьи намекает на то, что гипотезу будет проверять ИИ... По факту ии только код на питоне пишет...
Зачем вы это делаете сами? Какая цель? Не доверяете людям из it отдела? Они сделали бы пусть не одним, но тремя запросами sql: берем остатки по датам, ищем позиции и даты когда остаток нуль, сопоставляем приход. Полученную табличку начинаем анализировать хоть экселем, хоть питоном. Никаких миллионов строк там не будет, т к берутся только позиции с нулевым остатком, по которым было поступление товара. Можно разбить на категории, т к вы сами пишете, что причин out of stock может быть много и смотреть все данные вместе нет смысла. Нужно каждую группу и каждый товар анализировать.
Вообще, я не удивлен, если все так плохо обстоит. В мой регион (Калининград) пришла сеть "пятерочка", выкупив одного из двух местных крупных ретейлеров. Честно говоря, такого бардака в магазинах я давно не видел. Умудрились поломать, то что годами работало... С ужасом жду, когда они "ребрендят" оставшиеся магазины поглощенной сети. У них проблемы с остатками регулярные. И моя "гипотеза" (без всяких данных это можно предположить), что они тупо сократили размер склада (который уже был минимален) в магазинах и количество персонала, который и так не успевал. Никакие ИИ тут не помогут... В итоге имеем недомагазин, в котором каждый день чего то нет... Причем ходовых товаров. Даже сигареты часто отсутствуют. Это позор.
Солидно, не слыхал про курсор.
Мне нравиться пользоваться чатом в случае "Как работает данная функция, подскажи её синтаксис". Всё конечно можно прочитать в документации... но я плох в английском.
Как я освоил анализ табличных данных с программированием на русском