Разработка автоматизированного пайплайна по прогнозу временных рядов числа бронирований

Современный бизнес нуждается в введении data-driven культуры, что подразумевает принятие решений на основе регулярно обновляющихся данных. В случае гостиничного бизнеса оптимальным решением является разработка автоматизированного пайплайна, который бы хранил, обрабатывал и анализировал регулярно обновляющиеся данные. Для такой задачи потребовались инструменты анализа временных рядов (модели ARIMA, ARIMAX), инструменты для работы с большим количеством признаков и декомпозированием (Prophet, Random Forest, LightGBM), а также разработка всей backend- части (БД PostgreSQL и СУБД DBeaver) и её автоматизация (Cron). Также было произведено обучение модели чувствительности спроса к ценовым параметрам среднего тарифа и объема траффика на сайте компании (IRF), и была проведена кросс-валидация на различных временных периодах. В итоге выбраны модель LightGBM для применения в разрезе каждой пары отеля и типа номеров, которые в совокупности показали наилучшую точность прогнозов по данным кросс-валидации. Эти модели автоматически размещаются в настроенные БД, обновляясь ежедневно, и имеют вид, готовый к использованию бизнес единицами.