Decathlon использует Chronos-2 для масштабирования прогнозирования спроса в розничной т...
Decathlon использует Chronos-2 для масштабирования прогнозирования спроса в розничной торговле 📝 Суть Decathlon, один из крупнейших мировых ритейлеров спортивных товаров, внедрил модель Chronos-2 от AWS для улучшения прогнозирования спроса. Это позволило сократить операционные расходы, время развертывания в новых регионах и повысить точность прогнозов, что привело к снижению складских затрат и увеличению продаж. 🔢 Факты • Decathlon, имеющий более 100 000 сотрудников и 400 миллионов пользователей по всему миру, выбрал Chronos-2 в качестве основного компонента своего стека для прогнозирования спроса после оценки различных фундаментальных моделей временных рядов. • Система прогнозирования Decathlon предсказывает еженедельное количество продаж для всех продуктов на двух критических горизонтах: 12-недельный горизонт для пополнения запасов и 52-недельный горизонт для долгосрочного планирования. • До внедрения Chronos-2 Decathlon использовал гибридный подход: Amazon SageMaker AI DeepAR для краткосрочного прогнозирования (1-16 недель) и экспоненциальное сглаживание Хольта-Винтерса для долгосрочного (17-52 недель), с еженедельным переобучением DeepAR. • В рамках оценки производительности моделей временных рядов (TSFM) Decathlon провел масштабное тестирование на своих розничных данных, охватившее 25 000 уникальных продуктов и 101 период. • Chronos-2, дообученный с использованием LoRA через AutoGluon, показал наименьшую ошибку прогнозирования на 12-недельных и 52-недельных горизонтах, превзойдя другие протестированные модели, включая работу в режиме zero-shot. • Архитектура Decathlon использует Amazon EC2 m6i.8xlarge для вывода на CPU и g5.4xlarge для дообучения на GPU, с еженедельным пакетным выводом, занимающим около 40-75 секунд для 7 000-15 000 временных рядов. • Процесс дообучения Chronos-2 с использованием LoRA происходит каждые 6 месяцев, а модели версионируются для каждой зоны поставок с помощью MLflow. • Внедрение Chronos-2 привело к снижению ошибки WAPE (Weighted Absolute Percentage Error) на 11-15 процентных пунктов на 12-недельном горизонте в регионах Юго-Восточной Азии и Латинской Америки. • Каждый процентный пункт улучшения WAPE на 12-недельном горизонте эквивалентен экономии 0,3 дня запасов, увеличению доступности продукта на 0,3 пункта и увеличению продаж на 0,4 пункта. • Время развертывания прогнозирования в новом регионе сократилось с примерно 6 месяцев до 2-3 месяцев, что значительно ускоряет выход на новые рынки. ⚖️ Почему это важно Внедрение Chronos-2 позволило Decathlon значительно улучшить точность прогнозирования спроса, сократить операционные расходы и ускорить выход на новые рынки. Это демонстрирует готовность фундаментальных моделей временных рядов для производственного использования в розничной торговле. ↗ Источник: https://aws.amazon.com/blogs/machine-learning/how-decathlon-runs-demand-forecasting-at-scale-with-chronos-2/