[外包接案使用調查]
公告 如何發案 如何接案 幫助中心軟體程式設計
【解決的問題】 把歷史交易紀錄轉成未來 7 天各商品的備貨參考,協助店家在備料量與剩餘浪費之間做判斷。本專案整理 10 萬筆以上 POS 資料,將預測模型整合進可操作的網頁系統。 【我的角色】 技術主導與研究開發:資料整理、特徵設計、模型比較、網頁及資料庫整合;兩位同學協助企劃書。我負責把分析流程串成可以使用的系統,而非只交付單一模型。 【技術與實作流程】 ・資料層:彙整交易紀錄,納入天氣、節慶、歷史銷售延遲值與滾動統計,形成多品項預測資料。 ・模型層:以 Python 建立 XGBoost、LSTM 與集成預測流程,比較模型輸出及實際銷量,提供未來 7 天的備貨依據。 ・應用層:使用 Flask 建置網頁流程、MySQL 整合資料庫,將分析結果連到操作介面。 ・評估方式:以歷史資料比較預測與實際銷量,再透過店內短期試行觀察可用性與廢棄情形;不把曲線貼合度直接當成商業成效。 【成果與適用範圍】 麵包店一週試行記錄廢棄率下降 21.5%,屬特定店家、特定一週的觀察,不代表所有商品或未來案件均有相同結果。展示圖為歷史資料的實際銷量與模型預測比較。 【可延伸合作】 交易資料清理、銷售預測、模型比較、分析報表、資料庫串接,以及把分析結果做成網頁功能。歡迎說明現有資料格式、需要預測的品項與決策用途,先確認資料品質及驗收指標,再討論範圍與報價。
歷史銷量與模型預測比較;非未來成效保證
Andy