Retail Demand Forecasting: Cutting Waste with ML & Deep Learning

التنبؤ بالطلب في التجزئة وتحسين المخزون

تواجه متاجر التجزئة رهانًا يوميًا: طلب كمية زائدة من المنتجات القابلة للتلف يعني خسارتها، وطلب كمية أقل يعني نفاد الرفوف. بنيت وقارنت خمسة نماذج تنبؤ — XGBoost، وLightGBM، وCatBoost، ونموذج deep learning يعتمد على GRU — مقابل baseline بسيط يعتمد على متوسط الأسبوع الماضي. أفضل نموذج خفّض الخسائر الناتجة عن نفاد المخزون بنسبة ~30%، مقابل ارتفاع بسيط ومقبول في المخزون الزائد لبعض المنتجات — وهي مقايضة يفضلها أصحاب المتاجر فعليًا. النتيجة: توقع دقيق يوضح الكمية المطلوب تخزينها، لكل منتج وفي كل فرع.