Точка старта
Сервис геоаналитики для начинающих предпринимателей
Не бизнес красит место, а место - бизнес.
Откройся правильно
Партнер
Создан в рамках проекта:
Гео-аналитика: моделирование и управление сетью розничных продаж
Актуальность
"Три самых важных аспекта при открытии собственного ресторана или кафе - это локация, локация и локация!"
  • Локация критически важна для успеха
    Исследования показывают, что заведения с удачной локацией живут в несколько раз дольше.

    Аналитики называют плохую локацию одной из главных причин поражения в бизнесе.
  • При выборке локации нужно учесть много факторов
    При выборе локации необходимо учитывать множество факторов: близость к конкурентам, плотность застройки, транспортную доступность, проходимость и т.д.
  • Факторы очень хитро взаимосвязаны
    В разных обстоятельствах особенности локации могут играть как в "плюс", так и в "минус". Например, рестораны дорогого сегмента желательно располагать рядом. Тогда как столовые лучше ставить подальше от конкурентов
  • Как начинающему предпринимателю в этом разобраться?
    Мы решили создать сервис, который анализируя множество слоев и модальностей геоинформации, поможет начинающему предпринимателю подобрать оптимальную локацию.
  • Выбери свою точку старта
    Наш сервис предлагает наглядную визуализацию геослоев с информацией о среднем чеке в локации, число POI, трафику и т.д.

    Кроме того, мы используем модели машинного обучения для предсказания самых оптимальных локаций.
Гипотезы
При создании ML моделей мы поставили перед собой задачу проверить несколько гипотез.
Создать растровый эмбеддер
Растровое представление естественно описывает как взаимное расположение объектов на карте, так и ествественные преграды, например реки и железные дороги. В рамках проекта мы хотели обучить растровый эмбеддер и оценить его влияние на метрики.
Применить Transformer архитектуру
В последнее время активно исследуется применение современных DL архитектур к табличными данными. В нашем сервисе мы хотели применить SOTA модель FT-Transformer
План работ
1
Научились работать с геоданными
Научились работать с geopandas, познакомились с системами координат и научились визуализировать несколько видов геосеток на интерактивных картах
2
Сформировали концепцию
Придумали бизнес-идею, изучили данные, сформулировали гипотезы и верифицировали их, используя доступные данные
3
Построили модели
Соединили несколько геомодальностей в одной модели и оценили их влияние на метрики, перебрали несколько архитектур и множество гиперпараметров, чтобы найти оптимальное решение
4
Создали веб-сервис
Разработали сервис с использованием Folium и Streamlit, продумали User Story для наших пользователей, оптимизировали скорость визуализации
Модели
Сравнение архитектур
В рамках проекта было построено опробовано типов архитектур, от CatBoost до FT-Transformer. Были протестированы модели как с и без использования растров.

К сожалению, в рамках проекта не удалось с помощью FT-CNN-Transformer побить MLP Ensemble.

Использование растров в модели FT-CNN-Transformer повышает на 20% R2 по сравнению с моделью без растров FT-Transformer.

FT-CNN-Transformer выучил интерпретируемые эмбеддинги
Связь между кластерами и городами
Веб-сервис
Выбор города и геослоев
В нашем сервисе можно выбрать несколько городов и геослоев, таких как средний чек, средняя аренда и т.д.
Персональная метрика
Поможет выбрать для вас оптимальную точку, исходя их ваших предпочтениях к конкуренции, величине арендной платы и среднему чеку.
Персональная метрика
Поможет выбрать для вас оптимальную точку, исходя их ваших предпочтениях к конкуренции, величине арендной платы и среднему чеку.
Фильтры на карте
Сконцентрируйте внимание на тех частях города, которые вам подходят по тем или иным параметрам.
Планы развития проекта
Повышения качества предсказаний
Мы будем продолжать работу над моделями машинного обучения и гео-данными для повышения точности предсказаний
Улучшение оболочки
Мы добавим многослойные тепловые карты, отображение бизнес метрик. Набор инструментов помогающий в развитии МСП
Масштабирование сервиса
Мы расширим количество городов и сфер бизнеса, для которых предоставляем предсказания
Руководители проекта
  • Юлий Шамаев
    Руководитель проекта, Lead DS
  • Алексей Пустынников
    Data Scientist
  • Лев Меркушов
    Data Scientist
Наша команда