Études de cas

Vooban a développé un algorithme de prédiction des ventes basé sur des techniques de machine learning. Le modèle a été déployé sur la plateforme cloud Microsoft Azure et celui-ci s’exécute automatiquement à chaque semaine. Le modèle effectue simultanément deux types de prédictions, à savoir le nombre de commandes à venir ainsi que le nombre de transactions qui sera complété avec succès.

Chaque fois que le code s’exécute, l’algorithme récupère les données les plus récentes en lien avec les produits analysés auprès de diverses sources internes en utilisant une base de données. Le modèle de prévision des ventes est également entraîné sur une variété de données externes comme Statistiques Canada qui ont un impact important sur la vente de foyers (par exemple : la météo). De plus, le client a accès à un tableau de bord interactif qui lui permet de visualiser les prévisions de ventes émises par l’algorithme qu’il peut ensuite comparer avec les prévisions de son équipe de ventes.

Afin de s’assurer de la fiabilité du modèle d’IA, nous avons effectué une série de tests rétrospectifs. Cela consiste à d’abord entraîner le modèle sur des données provenant d’années précédentes, puis de le tester avec une autre année pour laquelle les données de ventes réelles sont disponibles. Ceci permet d’établir une comparaison entre les prédictions du modèle et les ventes réelles pour une grande sélection de produits tout en s’assurant que les prévisions émises par le modèle sont fiables.