يهدف هذا المشروع إلى بناء نظام ذكي للتنبؤ بالمبيعات لمتاجر وول مارت (Walmart). الهدف الرئيسي هو توقع المبيعات الأسبوعية لكل متجر وقسم لمساعدة الإدارة في تخطيط المخزون وتقليل الهدر التشغيلي.أبرز تفاصيل ومراحل المشروع:
البيانات والتحضير: تم الاعتماد على مجموعة بيانات مبيعات وول مارت بالتجزئة والتي تتكون من حوالي 421,000 سجل بعد دمج الملفات. شملت البيانات عوامل مؤثرة مثل درجة الحرارة، سعر الوقود، مؤشر أسعار المستهلك، والبطالة.
هندسة الميزات (Feature Engineering): قمنا بتطبيق تقنيات متقدمة شملت استخراج الميزات الزمنية، وإنشاء متغيرات التأخير (Lag Features)، وحساب إحصائيات النوافذ المتحركة (Rolling Window Statistics) لمساعدة النموذج على فهم الأنماط الموسمية.
النماذج والتقييم: قمنا باختبار نماذج تعلم الآلة التقليدية مثل (Linear Regression, Random Forest, XGBoost) بالإضافة إلى نماذج التعلم العميق مثل (LSTM, N-BEATS, TFT).
النتائج: حقق نموذج (XGBoost) الأداء الأدق والأكثر استقراراً في التنبؤ. كما أثبتت النتائج أن هندسة الميزات القوية مع نماذج تعلم الآلة التقليدية تفوقت على نماذج التعلم العميق بسبب قصر الإطار الزمني للبيانات التاريخية.
المخرجات: تم توفير منصة ويب ولوحة تحكم (Dashboard) تفاعلية لعرض التنبؤات والتحليلات.
