客户背景与业务挑战
客户为欧洲领先的特种建筑材料分销商，在隔热、室内/屋顶/室外及空气处理领域占据强势地位，通过英国、爱尔兰及欧洲大陆多个站点运营，雇佣约9000人。公司面临关键定价问题：由于交易量和市场份额大，内部多系统支持不同CPQ流程，导致难以确定最佳交易/客户价格，缺乏价格控制机制。员工报价依赖直觉和经验，常导致低价或负利润销售，影响整体利润。
解决方案：机器学习智能价格计算器
为解决定价挑战，客户与SoftServe合作开发智能报价计算器。该计算器核心为机器学习引擎，基于历史数据、产品和客户特征计算最佳交易价格，同时分析外部定价影响因素（市场、需求、季节）。
项目描述与实施
- 数据准备：统一格式和单位，汇总返利、采购、库存及交易数据，筛选修正不一致信息。
- POC组件：包括算法（R/Shiny应用程序）、UI/UX设计。
- 智能定价方法：利用XGBoost分类器，在客户、网点、产品和数量层面进行机器学习建模，提供灵活价格建议以最大化利润。
- 需求预测：基于历史数据，分析客户需求趋势和季节性变化，优化营销规划。
POC结果与价值
- 需求预测交付价值：基于历史数据了解客户需求趋势，提高营销规划效率。
- 价格分解可视化：模拟竞争对手价格调整和返利，提供价格分解视图。
- MVP建议：包括方法概述、数据质量问题及定价结构建议。
技术栈
- 数据工具：R/Shiny, Python/iPython, XGBoost, Docker。
- 基础设施：Azure, SQL Server, SSIS。
关于我们
SoftServe作为数字权威机构，提供从概念到发布的端到端解决方案，在医疗保健、零售、媒体、金融服务等领域拥有专业知识，助力企业创新和优化业务。
