เล่าเบื้องหลังความสำเร็จ
โปรเจกต์นี้เป็นผลงานที่ผมภูมิใจมากครับ เพราะมันเริ่มต้นมาจากการแข่งขัน E-SAN PMU-B Coding & AI Competition โดยทีมของผมในชื่อ “Team Orange Cat” สามารถคว้า รางวัลชนะเลิศ ในหมวด Data Science มาครองได้สำเร็จ!
โจทย์ที่เราแก้
เราสร้าง Minimum Viable Product (MVP) สำหรับทำ Real-time Demand Sensing ครับ พูดง่ายๆ คือเราพยายามสร้างเครื่องมือที่ช่วยให้ธุรกิจรู้ล่วงหน้าว่า “พรุ่งนี้จะขายอะไรดี?” โดยดูจากปัจจัยรอบตัวที่เกิดขึ้นจริงในเวลานั้น
เราทำได้ยังไง?
- เชื่อมโลกข้อมูลเข้าด้วยกัน: ผมใช้ Python เขียน web crawlers และต่อ API เพื่อดึง Open Data ที่หลากหลายมาใช้ครับ ไม่ว่าจะเป็น:
- สภาพอากาศที่เปลี่ยนไป (Weather patterns)
- ข้อมูลประชากรศาสตร์ในพื้นที่
- ดัชนีทางเศรษฐกิจที่ส่งผลต่อการจับจ่าย
- ปั้นโมเดลอัจฉริยะ: เราเลือกใช้โมเดล XGBoost มาวิเคราะห์ปัจจัยภายนอกเหล่านี้ ร่วมกับข้อมูลยอดขายจริงๆ ของธุรกิจ เพื่อหาความสัมพันธ์ที่ซ่อนอยู่
ผลลัพธ์ที่ได้
เครื่องมือนี้ไม่ได้แค่ทำนายตัวเลขครับ แต่มันให้ Insight ที่ธุรกิจเอาไปใช้ได้ทันที ช่วยให้วางแผนสต็อกสินค้าและกำลังคนได้แม่นยำขึ้นมาก ลดความเสี่ยงในการขาดทุนจากของเหลือหรือเสียโอกาสตอนของขาดมือครับ
อาวุธที่ใช้ในงานนี้
- XGBoost: หัวใจหลักของการพยากรณ์
- Python: สำหรับการดึงข้อมูล (Web Scraping, APIs)
- Data Engineering Pipelines: สำหรับจัดการข้อมูลให้ไหลลื่น