IMI tim pobednik IBM Datathona 2019
Tim Deep Vortex iz Kragujevca, koji su činili Branko Arsić (IMI), Lazar Krstić (IMI), Marko Stojanović (IMI, Logispin Serbia) i Aleksa Radosavčević (ComTrade Digital Services), je u konkurenciji od 13 timova osvojio prvo mesto na IBM Data Science hakatonu. Naše kolege su time dobile priliku da svoje rešenje prezentuju na IBM Think Summit-u koji je organizovan 10. septembra u Crown Plazi u Beogradu. Tim je takođe osvojio i novčanu nagradu od 3000 eura i karte za Data Science 5.0 konferenciju.
Institut savremenih nauka u saradnji sa kompanijama IBM i Nelt je 7-8. septembra u ICT Hub-u u Beogradu organizovao IBM Datathon. Tema takmičenja je bila "Credit Risk Scoring in Distribution Network". Za potrebe takmičenja, kompanije Nelt i CubeTeam su obezbedile realne podatke, dok je IBM obezbedio svoje alate na kojima su učesnici imali priliku da rade 24 časa.
Datathon zadatak
Kao najveća logistička i distributivna kompanija u jugoistočnoj Evropi, Nelt posluje sa preduzećima različitih veličina, potreba i politika. Kako bi održao odličnu saradnju sa njima, Nelt prilagođava svoj pristup kako bi zadovoljio potrebe klijenata. Povremeno dolazi do situacije da klijenti kupe više proizvoda nego što mogu da distribuiraju, i samim tim ulaze u izazov da ispoštuju dogovorene rokove plaćanja.
Cilj takmičenja je razvoj softvera koji određuje dobrobit, stabilnost i kapacitet klijenata, kako bi Nelt lakše mogao da odluči koja ponuda je najbolja za svakog klijenta. Time bi se postigli nabolji mogući rezultati za sve male i velike kompanije sa kojima Nelt sarađuje. Kako bi zadatak bio zanimljiviji, kompanija Cube je obezbedila eksterne podatke o finansijskom poslovanju i vlasničkoj strukturi klijenata.
O pobedničkom rešenju
Tim Deep Vortex je kreirao model najveće tačnosti primenom Feature Engineering i Feature Selection tehnika nad raspoloživim podacima, nakon čega su iskorišćeni određeni algoritmi za klasterizaciju i klasifikaciju podataka. Predloženo rešenje je bilo jednako precizno prilikom predviđanja svih nivoa rizika i osmišljeno na takav način da se stvori ravnoteža između različitih potreba unutrašnjih zainteresovanih strana, odeljenja za finansije i odeljenja prodaje. Više detalja možete pronaći na prezentaciji tima sa IBM Think Summit-a [link].
Tim Deep Vortex iz Kragujevca, koji su činili Branko Arsić (IMI), Lazar Krstić (IMI), Marko Stojanović (IMI, Logispin Serbia) i Aleksa Radosavčević (ComTrade Digital Services), je u konkurenciji od 13 timova osvojio prvo mesto na IBM Data Science hakatonu. Naše kolege su time dobile priliku da svoje rešenje prezentuju na IBM Think Summit-u koji je organizovan 10. septembra u Crown Plazi u Beogradu. Tim je takođe osvojio i novčanu nagradu od 3000 eura i karte za Data Science 5.0 konferenciju.
Institut savremenih nauka u saradnji sa kompanijama IBM i Nelt je 7-8. septembra u ICT Hub-u u Beogradu organizovao IBM Datathon. Tema takmičenja je bila "Credit Risk Scoring in Distribution Network". Za potrebe takmičenja, kompanije Nelt i CubeTeam su obezbedile realne podatke, dok je IBM obezbedio svoje alate na kojima su učesnici imali priliku da rade 24 časa.
Datathon zadatak
Kao najveća logistička i distributivna kompanija u jugoistočnoj Evropi, Nelt posluje sa preduzećima različitih veličina, potreba i politika. Kako bi održao odličnu saradnju sa njima, Nelt prilagođava svoj pristup kako bi zadovoljio potrebe klijenata. Povremeno dolazi do situacije da klijenti kupe više proizvoda nego što mogu da distribuiraju, i samim tim ulaze u izazov da ispoštuju dogovorene rokove plaćanja.
Cilj takmičenja je razvoj softvera koji određuje dobrobit, stabilnost i kapacitet klijenata, kako bi Nelt lakše mogao da odluči koja ponuda je najbolja za svakog klijenta. Time bi se postigli nabolji mogući rezultati za sve male i velike kompanije sa kojima Nelt sarađuje. Kako bi zadatak bio zanimljiviji, kompanija Cube je obezbedila eksterne podatke o finansijskom poslovanju i vlasničkoj strukturi klijenata.
O pobedničkom rešenju
Tim Deep Vortex je kreirao model najveće tačnosti primenom Feature Engineering i Feature Selection tehnika nad raspoloživim podacima, nakon čega su iskorišćeni određeni algoritmi za klasterizaciju i klasifikaciju podataka. Predloženo rešenje je bilo jednako precizno prilikom predviđanja svih nivoa rizika i osmišljeno na takav način da se stvori ravnoteža između različitih potreba unutrašnjih zainteresovanih strana, odeljenja za finansije i odeljenja prodaje. Više detalja možete pronaći na prezentaciji tima sa IBM Think Summit-a [link].
