Общая информация

Проект представляет собой сервис-помощник для увеличения прибыли маленьких офлайн-ритейлеров продуктов питания. Он ориентирован на владельцев небольших магазинов, которым важно быстро понимать спрос, правильно планировать закупки и принимать решения без привлечения отдельного финансового аналитика. Основная идея проекта заключается в том, чтобы дать малому бизнесу легковесный, понятный и простой в настройке инструмент, который не просто показывает статистику, а помогает увеличивать прибыль за счёт прогнозирования и рекомендаций. В основе решения лежат методы машинного обучения, которые используются для анализа продаж, расчёта ключевых бизнес-показателей и формирования рекомендаций по закупкам и управлению ассортиментом.

Новизна проекта заключается в сочетании простоты использования, легкости интеграции и современных ML-подходов. В отличие от тяжеловесных ERP и аналитических систем, сервис нацелен именно на малый офлайн-бизнес и адаптирован под пользователей без глубоких технических или экономических знаний. Практическая значимость проекта состоит в том, что он может использоваться для прогнозирования спроса, оптимизации закупок, сокращения излишков и предотвращения дефицита товаров, а значит - напрямую влиять на прибыль магазина.

Функционал проекта

Функционал сервиса строится вокруг сбора, анализа и интерпретации бизнес-данных магазина. Система получает данные о продажах, остатках и закупках, обрабатывает их и формирует понятные рекомендации для пользователя. Ключевая часть проекта - ML-модель, которая анализирует данные, прогнозирует спрос и помогает определить, какие товары и в каком объёме следует закупать. Для работы этой модели предусмотрены этапы сбора и предобработки данных, подбора алгоритмов, тестирования моделей и развёртывания API для взаимодействия с другими компонентами системы. Серверная часть проекта отвечает за основную бизнес-логику: хранение данных в базе, обработку запросов, авторизацию и регистрацию пользователей по JWT, логирование, кэширование через Redis, интеграцию с внешними сервисами и документирование API. Backend служит центральным связующим звеном между веб-интерфейсом, мобильным приложением, ML-моделью. Для взаимодействия пользователя с системой предусмотрено веб-приложение и Android-приложение. Веб-приложение выступает как основной пользовательский интерфейс: через него пользователь получает доступ к аналитике, рекомендациям и данным сервиса. Мобильное приложение предназначено для владельцев магазинов, которым важно отслеживать показатели с телефона. Оно позволяет просматривать продажи, остатки товаров, прогнозы спроса и рекомендации по закупкам, а также получать уведомления о важных событиях: снижении остатков, росте спроса и необходимости пополнения запасов. Также в проекте предусмотрены тестирование, проверка безопасности, настройка CI/CD, контейнеризация и развёртывание всей инфраструктуры через Docker Compose.

Команда проекта

Команда проекта состоит из студентов 1 курса, объединённых общей целью создать прикладной цифровой продукт для малого бизнеса.

Распределение ролей в команде выглядит следующим образом. Никита отвечает за управление командой, архитектурное проектирование и участие как во frontend, так и в backend разработке. Денис занимается backend-разработкой на Go, проектированием серверной архитектуры, контейнеризацией, настройкой PostgreSQL, JWT, Docker Compose и интеграцией backend с другими сервисами. Самир отвечает за backend на C# и разработку интеграции с 1С, включая подключение к 1С, фоновые сервисы и обмен данными через API. Идель специализируется на ML/DL, рекомендательных системах и проектировании ML-архитектуры. Аскар отвечает за автоматизированное тестирование, CI/CD-процессы и контроль качества системы. Радмир занимается мобильной разработкой, силён в Python, C/C++, Kotlin и высокопроизводительных вычислениях, что делает его важным участником для задач, связанных с производительными алгоритмами и технической оптимизацией проекта.

На страницу проекта