Онлайн-хакатон по поиску и анализу данных от Северстали и McKinsey

Большие данные в металлургии: онлайн-хакатон от «Северстали» и McKinsey

Кто может участвовать

• Во-первых, анализ данных или разработка – это ваша профессия или хобби.
• Во-вторых, участвовать можно как одному человеку, так и команде до 5 человек.
• В-третьих, для получения приза в команде должен быть хотя бы один гражданин РФ старше 18 лет.

Задачи для участников

Задача 1. Управление ликвидностью

• Провести исследование данных по затратам на энергоресурсы за несколько лет, проанализировать возможности обогащения внешними данными, определить значимые факторы влияния, построить прогнозную модель с пошаговым разъяснением принципов построения.
• На выходе – понятный как для аналитика, так и для бизнес-пользователя Jupyter Notebook с подробным Exploratory Data Analysis (EDA).

• Какие закономерности движения денежных потоков в разрезе балансовых единиц удалось выделить в результате EDA? Какие связи были найдены при исследовании?
• Можно ли предположить, в какие дни будут происходить транзакции в будущем? Проверьте свои результаты на имеющихся данных, какой МАРЕ у вас получился?
• Попробуйте составить график движения денежных средств на основе выявленных закономерностей на 1-2 квартал 2021 года (будет предложен пример).
• Какие данные могли бы, на ваш взгляд, помочь построить более точный прогноз? Предложите схему сбора новых данных: частота, гранулярность и другие необходимые параметры. Отразите в презентации, как вы предполагаете использовать эти данные для решения задачи.

• «Северсталь» непрерывно улучшает качество планирования, что дает возможности более эффективно распределять финансовые ресурсы и экономить на финансовых затратах.
• Наша задача на этом хакатоне – найти инсайты для увеличения точности прогноза доходов и расходов по статьям ликвидности.

Задача 2. Мониторинг цен

• Разработать инструмент, помогающий специалисту планировать цену на закупку запасных частей к спец. технике.
• Подойти к задаче творчески: создать инструмент прогнозирования в будущем либо "сервис-шпаргалку" пользователю с анализом конкретных товаров и вариантов определения цен (should cost model).
• В задаче предстоит разработать принципы алгоритмического мэппинга имён и характеристик товаров, исследовать зависимости между данными.
• На выходе – воспроизводимый код и презентация сервиса.

• Вы разработали инструмент, который позволит специалисту на основе внутренних и внешних факторов планировать цену на закупку. Расскажите, какие внешние данные вам удалось собрать? Как на ваш взгляд эти данные могут повлиять на планирование и мониторинг цен на товары?
• Как будет выглядеть процесс использования инструмента для специалиста по планированию? Опишите бизнес-процесс с иллюстрациями.
• Разработанный инструмент должен позволять как визуализировать данные по товарам, так и выгружать данные в Excel для «быстрого» построения отчета. Продемонстрируйте варианты информативной визуализации и подготовьте код для формирования отчета, а также пример отчета.
• Каких внутренних данных не хватает для улучшения качества планирования?

• «Северсталь» массово обрабатывает десятки товарных групп при планировании бюджетов на закупку. Для увеличения скорости и точности обработки рассматривается альтернативный сценарий планирования цен на закупку по наиболее популярным категориям товаров с использованием алгоритмов, основанных на поиске данных.

Задача 3. Автоматический поиск поставщиков

• Задача состоит из нескольких блоков:

1. разработка алгоритма для парсинга товаров
2. исследование возможных данных во внешних источниках
3. разработка программы подготовки информации в требуемом разрезе (товар vs поставщик vs рейтинг поставщика)

• На выходе – воспроизводимый код и презентация сервиса.

• Опишите ваше решение в таком разрезе: список найденных факторов, алгоритм поиска этих факторов во внешней среде, критерии ранжирования по ним контрагентов в связке с каждым товаром (возможно, не все факторы релевантны всем товарам). Опишите бизнес-процесс с иллюстрациями.
• В рамках вашего решения должна быть дополнена информация о контрагенте, принадлежащем к номенклатуре. В частности, это могут быть ИНН/КПП, юр. адрес, статус, фин. показатели, отзывы о компании и др.
• Какие инсайты по поиску информации о поставщиках и подходы для проведения ранжирования вы нашли?
• Разработанный инструмент должен позволять визуализировать данные по поставщикам с привязкой (с учетом ранжирования) к товарам.

• Автоматизация процесса поиска, первичной проверки и базового ранжирования поставщиков в разрезе каждой товарной группы – задел в сторону дополнительной прозрачности в принятии решений по закупкам и упрощения бизнес-процесса.

Задача 4. Анализ контрагентов

• Провести исследование имеющихся данных и попробовать спрогнозировать просрочку по контрагенту, предложить, как обогатить модель иными данными.
• На выходе – понятный как для аналитика, так и для бизнес-пользователя Jupyter Notebook с подробным Exploratory Data Analysis (EDA) и воспроизводимым кодом решения, предобработки, моделирования, а также выводами.
• С нас — данные по контрагентам за 2 года, список показателей для анализа, выборка для обучения модели.

• Вам представлены данные за разные годы с различным набором информации. Проведите EDA, постарайтесь определить и визуализировать взаимосвязи и выделите самые значимые факторы, опишите свои выводы. 
• Возможно ли на данных за предыдущие годы спрогнозировать по контрагенту на следующий год: a) факт просрочки; б) просрочку более 30 дней; с) просрочку в диапазоне от 60 до 90 дней?
• Какие дополнительные данные можно было бы добавить для повышения точности прогноза?

• Повышение точности прогнозирования просрочек позволяет более точно планировать доходность и возможные риски.

Когда можно приступать?

Что получают участники?

• 700 000 рублей – общий призовой фонд хакатона.
• 4 приза по 100 тыс. рублей за лучшее решение каждого трека
• 200 тыс. рублей получит лучшее решение всего хакатона, а 100 тыс. рублей – лучшее решение по версии участников.
• 160 наборов мерча получат участники по итогам отборочного этапа.
• 5 плюшевых маскотов уйдут победителям конкурса.