Bedarfs-Prognose für die Lager-Logistik eines Wiener FMCG-Distributors
Übersicht
Worum es bei diesem Projekt geht.
Du erhältst 3 Jahre Wochen-Verkaufs-Daten für rund 1.200 SKUs in 4 Lagern (rund 250.000 SKU-Lager-Wochen-Kombinationen) plus eine Promotion-Liste pro SKU und Woche. Implementiere eine hierarchische Prognose (z. B. mit MinT-Reconciliation oder TFT — Temporal Fusion Transformer) und reportiere weighted Mean Absolute Percentage Error (wMAPE) auf 3 Hierarchie-Ebenen (SKU, Kategorie, Total). Liefere die Pipeline, eine Auswertungstabelle, einen Roll-out-Plan (3 Seiten) für das Operations-Team und ein 1-seitiges Memo zur empfohlenen Pipeline-Frequenz.
Das Briefing
Was Du tust und was Du zeigst.
Baue eine hierarchische Bedarfs-Prognose mit Promotions-Berücksichtigung, die Out-of-Stocks messbar reduziert und für Operations onboarding-fähig ist.
Earning criteria — what you'll demonstrate
- Hierarchische Prognose-Methoden auf realen Verkaufs-Daten anwenden
- Promotions als externe Regressoren in Forecasting einbinden
- wMAPE als geschäftsrelevante Metrik korrekt aggregieren
- Eine Forecasting-Plattform für ein Operations-Team einführen
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenData Scientist
Hierarchische Bedarfs-Prognosen mit Promotions-Berücksichtigung sind Kerntagesgeschäft für Data Scientists in FMCG-Distributions-Stacks.
Dieses Projekt schärft
- time-series
- hierarchical-forecasting
- demand-forecasting
Maschinelles-Lernen-Ingenieur:in
Eine Forecasting-Plattform mit operativer Übergabe zu liefern, ist MLE-Tagesarbeit in produktionsnahen Forecasting-Stacks.
Dieses Projekt schärft
- python
- feature-engineering
- evaluation
Angewandte:r KI-Wissenschaftler:in
Prognose-Frequenz mit Rechen-Kosten und Operations-Effekt zu verbinden, ist Brückenarbeit zwischen ML und Supply-Chain-Operations.
Dieses Projekt schärft
- evaluation
- demand-forecasting
- hierarchical-forecasting
Noch eine Sache