Разработка настольного приложения для прогнозирования выручки и списаний магазина сети Жизньмарт

О проекте

Разрабатывается настольное приложение для прогнозирования ключевых показателей розничного магазина, таких как выручка и списания. Основой расчётов станут временные ряды, агрегированные из нескольких источников (офлайн-продажи, акции, погодные условия и др.). В рамках проекта необходимо проанализировать значимые факторы, разработать модель прогнозирования и реализовать её в виде программного продукта. Планируется использование методов машинного обучения и статистического анализа для точного прогнозирования на заданный временной интервал.

Цель

Автоматизировать процесс прогнозирования ключевых показателей розничного магазина, используя исторические данные и временные ряды для повышения точности бизнес-решений.

Результат

Настольное приложение, анализирующее временные ряды из различных источников и прогнозирующее показатели выручки и списаний с заданной точностью.

Инструкция:

1. Установите все необходимые модули

   • Установите сервис с прогнозом [https://github.com/Forvi/lifemarch-model-forecaste]

   git clone https://github.com/Forvi/lifemarch-model-forecaste.git
   

   • Установите клиент [https://github.com/ChityaVerepanov/LifeMarchML]

   git clone https://github.com/ChityaVerepanov/LifeMarchML.git
   

2. Запустите каждый модуль отдельно

   • Сервис прогноза

   cd lifemarch-model-forecaste
   

   pip install -r requirements.txt
   

   fastapi dev main.py
   

   • Клиент

   cd LifeMarchML
   

   ng build --base-href ./ && electron .
   

3. Установить Docker/docker-compose

4. В директории проекта выполнить команды:

./gradlew bootJar

docker-compose up

7. Перейти на http://localhost:8080/swagger-ui/index.html

Обзор

2025-06-19.19-57-00.mp4