Prédiction des volumes de ventes des produits de grande consommation

Dans le cadre de ce challenge, les soumissions seront évaluées sur la base de l'erreur \(\text{RMSLE}\) (Root Mean Squared Logarithmic Error) :

Où :

• \(n\) est le nombre de prédictions attendues (cf. détails par la suite)
• \(\hat{y}_i\) est la prédiction du volume de ventes
• \(y_i\) est le volume réel de ventes

L'évaluation s'applique uniquement aux prédictions attendues, c.-à-d. pour lesquelles au moins une vente réelle (du produit par le point de vente en question) a bien été constatée le jour même ou dans les six jours précédents. Dans le cas contraire, la prédiction ne sera pas pénalisée et n'entrera pas dans le calcul du score.

Les prédictions de non-ventes (c.-à-d. prédictions de quantités nulles) sont considérées comme étant implicites. Autrement dit, lorsqu'une prédiction attendue est absente du fichier de soumission, cela est équivalent à avoir prédit 0 à la place.

L'exemple (simplifié) de la figure ci-dessous illustre ce processus d'évaluation.

Dans l'exemple, deux ventes réelles d'un article ont été constatées le 07/02/2019 et le 20/02/2019. Par conséquent, il y a 14 prédictions pénalisables (attendues) au total: celles du 7 au 13 février (relatives à la vente du 7 février et aux non-ventes des six jours suivants) et celles du 20 au 26 février (correspondant au 20 février et aux non-ventes des six jours suivants).

Le fichier de soumission contient quant à lui trois prédictions de vente.

La première prédiction entre dans le calcul du score, puisqu'elle correspond à un jour où une vente réelle s'est produite.

La deuxième prédiction n'est, quant à elle, pas pénalisée car elle ne fait pas partie des prédictions attendues (aucune vente réelle le jour même ou sur les six jours précédents).

En l'absence d'une prédiction explicite pour le 20 février, celle-ci est considérée comme une prédiction nulle (de non-vente) et elle est prise en compte dans le calcul du score.

Enfin, la dernière prédiction entre en compte pour le calcul du score, puisqu'elle fait partie des 14 prédictions attendues.

Format des soumissions

Le fichier soumis doit contenir deux colonnes, la première (id) correspondant à l'identifiant de la prédiction et la deuxième (qte) à la quantité prédite.

L'identifiant de la prédiction (colonne id) est obtenu par concaténation de l'identifiant du point de vente, suivi par celui du produit puis par la date au format YYYYMMDD en utilisant le symbole de trait de soulignement (_) comme séparateur : <id_point_de_vente>_<id_produit>_<date>.

Toutes les quantités prédites (colonne qte) doivent obligatoirement être exprimées sous forme de nombres entiers.

Le fichier doit avoir un en-tête et utiliser la virgule (,) comme séparateur. Il doit ressembler à l'exemple suivant :

id,qte
1_1_20190101,3
1_2_20190101,1
1_3_20190101,6
...

Le non respect du format attendu (noms des colonnes, séparateur, ...) pourra provoquer le rejet de la contribution, qui ne sera alors pas évaluée.

Compte tenu du volume des données manipulées, il est fortement conseillé de compresser votre fichier (format .zip) avant de le soumettre.

Dates clés:

• 6 mai 2021 : lancement du challenge.
• 18 juin 2021 (minuit) : clôture du challenge.
• Du 20 au 27 juin 2021 : mise à disposition des codes sources par les 10 premiers du classement du challenge.
• 30 juin 2021 : annonce des gagnants.