| # Python | # Spark | # Flask | # MySQL | # AWS |
| # SQL | # Hadoop | # Django | # PostgreSQL | # Azure |
| # VBA | # Kafka | # SQLite | # GCP | |
| # Flink | # MongoDB | # cloud on-premises |
| time: | March 2022 – July 2023 |
| role: | Senior Data Scientist |
| company: | UNIVIO |
The project for the S…A store chain involved 785 stores in the network. The goal of the project was to increase the efficiency of hourly employee leasing.
Employees were hired through a body leasing agency to assist the stores with inventory or receiving deliveries. The problem was that it was difficult to predict the size of the delivery, and exact delivery times were unknown since deliveries were made on an as-needed basis rather than following a set schedule.
My goal was to create a system that would predict delivery times and sizes, allowing for the proper number of workers to be ordered from the body leasing agency at the right time. An additional benefit was that it removed the responsibility for making accurate decisions from the management. The model was designed to autonomously decide when and how many workers would be needed in the near future.
PROJECT IMPLEMENTATION
The system consisted of seven regression and classification models. These models predicted the future stock levels in the stores, with forecasts covering a 7-day period. After analyzing the data, the system sent information to the supermarket chain’s headquarters about the demand for goods. Based on the forecasted delivery size, the system calculated the labor force required to unpack the delivery and stock the shelves.
The project was completed successfully, and the system operated flawlessly, with an efficiency estimated at 70% (coefficient of determination).
PROJEKT: INTELIGENTNE ZARZĄDZANIE BODY LEASING
Projekt dla sieci sklepów S…A dotyczył 785 sklepów w tej sieci. Celem projektu było zwiększenie efektywności leasingu pracowników na godziny.
Pracownicy byli zatrudniani przez agencję body leasing, aby pomagać sklepom w inwentaryzacji lub przyjmowaniu dostaw. Problem polegał na tym, że rzadko można było przewidzieć wielkość dostawy, a dokładne czasy dostaw były nieznane, ponieważ dostawy odbywały się na bieżąco, w zależności od zapotrzebowania, a nie zgodnie z harmonogramem.
Moim celem było stworzenie systemu, który przewidywałby czas i wielkość dostaw, co umożliwiłoby zamówienie odpowiedniej liczby pracowników z agencji body leasing w odpowiednim czasie. Dodatkową korzyścią było zdejmowanie odpowiedzialności z osób decyzyjnych za trafność podejmowanych decyzji. Model miał samodzielnie decydować, kiedy i ilu pracowników będzie potrzebnych w najbliższym czasie.
REALIZACJA PROJEKTU
System składał się z siedmiu modeli regresji i klasyfikacji. Modele te przewidywały przyszły poziom asortymentu w sklepach, a prognozy obejmowały okres 7 dni. Po dokonaniu analizy, system wysyłał informacje do centrali sieci supermarketów na temat zapotrzebowania na towary. Na podstawie prognozowanej wielkości dostawy system obliczał zapotrzebowanie na siłę roboczą, która miała rozpakować dostawę i umieścić towary na półkach.
Projekt został zrealizowany, a system działał bezbłędnie, z efektywnością szacowaną na 70% (współczynnik determinacji).