Q-commerce: прогноз спроса по часам систематически занижает вечер — курьеры недотрачивают смены, ETA в пик растёт

Ситуация: Почасовой прогноз спроса завышает утро и занижает вечерний пик: утром курьеры простаивают (paid idle 28%), вечером не хватает мощностей, ETA в пик вырос с 13 до 19 минут.

На прогнозе спроса строится планирование смен и слотов курьеров. Систематический сдвиг ведёт к недотрату оплаченных часов утром и просадке сервиса вечером. Нужно диагностировать смещение прогноза и связать его с расписанием.

Доступные данные

• demand_forecast: store_id, forecast_date, hour_of_day, predicted_orders, model_version
• orders_actual: order_id, store_id, created_ts, delivered_ts, eta_promised_min
• courier_slots: store_id, hour_of_day, planned_couriers, filled_couriers, idle_minutes
• weather_calendar: date, hour_of_day, temp_c, precipitation, is_holiday, is_payday

Задачи

• Уточнить горизонт и гранулярность прогноза, целевую метрику качества (MAPE/WAPE/bias) и как он попадает в планирование смен.
• Посчитать почасовой bias (predicted - actual) и WAPE, выявить систематическое смещение по часам и дням недели.
• Связать ошибку прогноза с недотратом смен утром (idle_minutes) и нехваткой курьеров вечером (orders на курьера, рост ETA).
• Проверить пропущенные факторы: payday, погода, праздники, локальные акции — недоучтённые драйверы вечернего спроса.
• Предложить как чинить: переобучение с признаками, отдельная модель пика, асимметричная функция потерь, и пересчёт планирования слотов.

Все кейсы для подготовки → ← Все кейсы