Prévisions des coûts moyen d’intervention
-
Secteur d'activité
Assurance -
Contexte client
Le client dispose de prévision -
Enjeux client
Prédire le prix moyen d'intervention par groupe de produit (120 prédictions), par mois et sur 18 mois -
Contexte technologique
- SGBD : MS SQL Server 2016
- Python 3.6
- Frameworks : Pandas, Scikit-Learn, FBProphet, XGBoost
-
Délais
15 jours -
Résultat
Entre 4 et 7% d'erreur sur la prédiction à 18 mois (cross-validation), pour les 3 principales catégories de produit. Modèle en production, réentraîné tous les mois
Méthode: pour les prévisions des coûts moyens d’intervention grâce à des prédictions de séries temporelles, couplage avec données de jours fériés, nombre de jours ouvrés par mois, et autres variables calendaires.
