مسرّع ترحيل Alteryx إلى Databricks: كيف حسّنت Emulus للمشروبات دقة توقع الطلب في الأردن

18 Nov 202610 Min Readviews 0comments 0
مسرّع ترحيل Alteryx إلى Databricks: كيف حسّنت Emulus للمشروبات دقة توقع الطلب في الأردن — Pulse Convert

مسرّع ترحيل Alteryx إلى Databricks: كيف حسّنت Emulus للمشروبات دقة توقع الطلب في الأردن

― 210 مسارات Alteryx، منها 28 مساراً تنبؤياً لتوقع الطلب، انتقلت بمساعدة مسرّع Pulse Convert إلى Spark SQL وPySpark وMLflow خلال 10 أسابيع، فارتفعت دقة التوقع على مستوى الصنف والمنطقة من 71% إلى 84%

نبذة عن العميل

تنتج وحدة المشروبات في Emulus المياه المعبأة والعصائر والمشروبات الغازية في الأردن، وتوزعها على أكثر من 18,000 نقطة بيع في عمّان والزرقاء وإربد والعقبة وبقية المحافظات، إضافة إلى التصدير لدول الجوار.

التحدي

  • فريق التخطيط المكون من 11 محللاً يعتمد على 210 مسارات Alteryx، منها 28 مساراً تستخدم الأدوات التنبؤية لتوقع الطلب الأسبوعي.
  • النماذج التنبؤية تعمل على عينة من البيانات بسبب حدود جهاز المحلل، وتُدرّب على مستوى الصنف الوطني فقط لا على مستوى المنطقة.
  • دقة التوقع لا تتجاوز 71%، ما يسبب فائضاً في بعض المناطق ونفاداً في أخرى، خصوصاً في الصيف ورمضان.
  • لا يوجد سجل لإصدارات النماذج ونتائجها، فيصعب معرفة سبب تغير الأداء.
  • تمتلك المجموعة منصة Databricks لفريق التحليلات المركزي.

الحل ودور Pulse Convert

  1. التحليل: حلل المسرّع ملفات Alteryx وصنّف المسارات: 142 لتجهيز البيانات، و40 للتقارير، و28 تنبؤية.
  2. البيانات: نُقلت مصادر المبيعات والشحنات والأسعار والعروض الترويجية إلى Unity Catalog، وأضيفت بيانات الطقس اليومية وتقويم المواسم.
  3. تجهيز البيانات: تحولت 142 مساراً إلى Spark SQL ودفاتر PySpark، بنسبة تحويل آلي 85%، مع شيفرة مُعلّقة يفهمها المحللون.
  4. النماذج التنبؤية: أعيد بناء نماذج التوقع في Python بمكتبات التنبؤ الحديثة، ودُرّبت على كامل البيانات بدلاً من عينة، وعلى مستوى الصنف والمنطقة.
  5. MLflow: سُجلت كل تجربة ونموذج في MLflow وسجل النماذج في Unity Catalog، مع مقارنة الأداء قبل اعتماد أي إصدار.
  6. تمكين المحللين: مكتبة قوالب SQL وورش عمل قصيرة، واستخدام المساعد الذكي لكتابة الاستعلامات.
  7. المخرجات: تُكتب التوقعات إلى جداول Delta يقرؤها فريق التخطيط في Power BI.

النتائج

  • ارتفعت دقة توقع الطلب على مستوى الصنف والمنطقة من 71% إلى 84%.
  • انخفض المرتجع من نقاط البيع بسبب انتهاء الصلاحية بنسبة 19%.
  • تقلص زمن تشغيل التوقع الأسبوعي من 5 ساعات إلى 20 دقيقة.
  • انخفضت تكاليف الترخيص بنسبة 56%.
  • أصبح لكل نموذج سجل كامل بالإصدارات والبيانات والأداء.

يقول مدير التخطيط في وحدة المشروبات لدى Emulus: "كنا نتوقع الطلب للأردن كله ثم نوزعه على المناطق تقديرياً. اليوم يتوقع النموذج لكل منطقة، والفرق ظهر في الصيف الأول مباشرة."

الأسئلة الشائعة

A.لا، معظم العمل بـ SQL وقوالب جاهزة.
A.تُنشأ دفاتر Python مقابلة، ثم يُراجع النموذج ويُقارن قبل الاعتماد.
A.تتبع التجارب والإصدارات والأداء لكل نموذج.
A.عادة بين 8 و14 أسبوعاً.

ابدأ الآن

إثبات مفهوم مجاني (PoC)
Microsoft Solution Partner

مسرّع ترحيل Alteryx إلى Databricks وMLflow

تحويل مسارات العمل اليدوية والنماذج التنبؤية في Alteryx إلى خطوط معالجة PySpark ونماذج MLflow مُدارة، لتوفير التراخيص وتسريع وقت التشغيل.

دقة تحويل آلية أولية 70%–90%إثبات مفهوم مجاني لـ 5 مسارات Alteryx معقدةتحويل خوارزميات التنبؤ إلى MLflow ونماذج قابلة للتوسعتشغيل يومي مؤتمت دون الحاجة لحواسيب مكتبية
مقدم من: Office Solution AI Labs (شريك حلول مايكروسوفت المعتمد للبيانات والذكاء الاصطناعي)
#العربية#Alteryx#Databricks#MLflow#توقع الطلب#المشروبات#الأردن#دراسة حالة

Contact Us

Advance Analytics of next generation

We are an authorized implementation partner of Snowflake, Databricks, Amazon, Automation Anywhere, Denodo, DataDog, New Relic, and Elastic.

Copyrights © 2026 Office Solution AI Labs