Путешествия: прогнозирование сезонного спроса

Ситуация: Ошибка прогноза спроса на летний сезон составила 22%, что привело к overbooking на 8% рейсов и недозагрузке на 15%. Потери — 800 млн ₽.

Авиакомпания с 200 маршрутами. Спрос зависит от сезона, праздников, курсов валют, визовых ограничений и конкурентных цен. Текущая модель — ARIMA на исторических данных.

Доступные данные

• bookings_historical: route_id, booking_date, flight_date, passengers, revenue, fare_class
• external_factors: date, route_id, exchange_rate, visa_changes, competitor_capacity, events
• search_demand: route_id, search_date, flight_month, search_volume, avg_price_shown
• capacity_plan: route_id, month, planned_flights, seats_available, actual_load_factor
• weather_tourism: destination, month, avg_temp, rainfall_mm, tourism_index

Задачи

• Сравнить точность текущей ARIMA vs. модели с внешними факторами.
• Определить, какие внешние сигналы дают наибольший прирост точности.
• Построить прогноз для следующего летнего сезона с доверительными интервалами.
• Предложить процесс пересмотра прогноза (rolling forecast) и триггеры для корректировки.
• Рассчитать экономику: стоимость ошибки прогноза в разных направлениях (over vs. under).

Все кейсы для подготовки → ← Все кейсы