Dự báo đơn hàng cho công ty chuyển phát nhanh

Bài toán

Mỗi tháng thì team KAM sẽ gửi một bảng forecast lượng đơn hàng ngày (cần lấy, cần giao) ở từng khu vực cho team planing để họ sắp xếp tài xế cho phù hợp. Nếu không có forecast hoặc forecast sai lệch nhiều thì sẽ bị overcap và ảnh hưởng đến hiệu suất cũng như phạt tiền.

Để giải quyết thì tôi sử dụng model SARIMAX với tham số p,d,q tự động từ thư viện pmdarima. Input sẽ là dữ liệu lịch sử từng ngàycủa của từng khu vực, các feature liên quan thời vụ và sự kiện (ngày big sale hoặc nghỉ lễ).

Quy trình

  1. Tải dữ liệu pickup / delivery của từng ngày theo từng khu vực.
  2. Tải dữ liệu event gồm ngày big sale (Shopee/Lazada/TikTok) và ngày nghỉ lễ.
  3. Làm sạch dữ liệu.
  4. Merge dữ liệu và bổ sung feature.
  5. Cấu hình riêng cho pickup và delivery.
  6. Chạy model forecast.
  7. Đưa vào Google Sheets.
  8. Điều chỉnh thủ công những ngày/khu vực cần thiết.

Khó khăn và giải pháp

Cấu hình model

Model SARIMAX có một bộ hệ số là p,d,q. Ở góc độ người làm DA thì việc chọn ra hệ số phù hợp chưa phải chuyên môn. Mặc dù tôi đã thử các cách tính thủ công như tài liệu, nhưng không thấy được sự cải tiến nhiều của model.

Giải pháp: Sau đó tôi thấy rằng người ta có thư viện tự đông chọn hệ số dựa theo dữ liệu đưa vào, tôi quyết định dùng thư viện đó để nó tự tính hệ số cho từng tỉnh thành.

Pickup và delivey có sự khác nhau trong cấu hình, vì delivery có độ trễ so với pickup. Ví dụ như ngày big sale là 09/09 thì tác động mạnh đến pickup trong cùng ngày 09/09 và ± 1 ngày, nhưng đối với delivery thì sẽ tác động đó 1-3 ngày do chuyển hàng từ hub pickup → linehaul → hub delivery.

Giải pháp: Thêm shift event cho delivery thêm 3 ngày giảm dần.

Sự thay đổi bất thường của sàn MTĐT

Họ có thể báo trước hoặc không báo trước. Nhưng cuối cùng thì tôi sẽ điều chỉnh trên Google Sheets, sau đó báo cáo lại với team planing về sự thay đổi.

Một số trường hợp phải điều chỉnh thủ công

  1. Những ngày event nhưng volume chưa tăng đủ theo mức dự kiến → Cần phải tăng thủ công thêm.
  2. Những ngày nghỉ lễ đôi lúc lại có lượng volume nhỏ → Cần phải đưa về 0.

Kết quả

Forecast duy trì tỷ lệ chính xác trên 80% mỗi tháng. Được đo bằng công thức:

Weighted Mean Percentage Error (WMPE)=∑|ActualVolume−ForecastVolume|∑ActualVolume\text{Weighted Mean Percentage Error (WMPE)} = \frac{\sum |ActualVolume – ForecastVolume|}{\sum ActualVolume}

Phục vụ cho team planing có kế hoạch chuẩn bị tài xế phù hợp.

Công nghệ sử dụng
Chia sẻ