Đội thi 50% Wibu sử dụng học máy để dự đoán giá nông sản, hỗ trợ các bên liên quan trong quá trình ra quyết định, đồng thời dự báo nhu cầu của thị trường.
Theo chị Phạm Anh Thư, thành viên đại diện nhóm 50% Wibu, Mô hình "Dự đoán giá nông sản xuất khẩu bằng học máy" giúp xác định chính xác giá bán sản phẩm tại thị trường xuất khẩu; so sánh với các nước khác và trong thị trường nước xuất khẩu; tính toán tiền thuế phải nộp cũng như doanh thu, lợi nhuận. Đồng thời dự báo số lượng nhu cầu của thị trường xuất khẩu trong những đợt sau, tránh sản xuất thừa hoặc thiếu.
Giải pháp phù hợp với người nông dân, khi có thể kiểm soát giá bán nông sản, góp phần điều chỉnh chiến lược xuất nhập khẩu; giúp các cơ quan nhà nước kiểm soát được lượng hàng xuất khẩu, nhập khẩu tới các nước, kiểm soát được chất lượng hàng xuất khẩu và nhập khẩu, có thông tin đầy đủ để quy hoạch các vùng trồng hợp lý (về số lượng, chất lượng, các tiêu chuẩn...), phản ứng kịp thời khi có biến động từ thị trường (tăng/giảm đơn đặt hàng đột ngột). Các công ty logistic cũng được hưởng lợi bởi giải pháp có thể hỗ trợ quá trình ra quyết định chính xác.
Tính năng cơ bản của sản phẩm
Dữ liệu
Thống kê số liệu nhập khẩu từng loại hàng hóa (mật ong, tiêu, hồi, quế...) của từng nước (Mỹ, Italy, Nhật...) và từng khu vực (Đông Nam Á, EU...)
Dùng các phương pháp phân tích dữ liệu và học máy để dự đoán sản lượng giá bán sản phẩm theo ngày.
Thống kê sản lượng xuất khẩu của từng vùng trồng. Ví dụ: Hỗ trợ phân tích dữ liệu ra quyết định lượng nông sản của các vùng này có đảm bảo đủ đơn đặt hàng cho khách hàng không? Nếu không, cần tăng sản lượng (nâng cấp giống cây, tăng diện tích) của vùng trồng hiện có hay cần đăng ký vùng trồng mới...
Thu thập dữ liệu
Data về tổng lượng nông sản xuất khẩu tới nước đó bao gồm:
Date: Ngày dữ liệu được ghi lại.
Open: Giá mở cửa trong ngày.
Cao: Giá tối đa đạt được trong phiên giao dịch.
Low: Giá giao dịch thấp nhất trong phiên.
Đóng: Giá kết thúc của thị trường.
Khối lượng: Số lượng hợp đồng được giao dịch trong suốt phiên.
Mã chứng khoán: Biểu tượng báo giá thị trường riêng biệt cho hàng hóa tương lai.
Hàng hóa: Cho biết loại hàng hóa mềm mà hợp đồng tương lai liên quan đến (ví dụ: ca cao, cà phê).
Như các mô hình học máy khác, dữ liệu quá khứ được thu thập và chia thành 2 phần, dữ liệu huấn luyện, dữ liệu test. Sau khi học máy đạt được độ chính xác nhất định, sử dụng dữ liệu thời gian thực điền vào mô hình để dự đoán dữ liệu tương lai.
Hình thức
Sản phẩm được hoạt động dưới hình thức một ứng dụng có tích hợp mô hình học máy dự báo giá bằng mô hình hồi quy tuyến tính cho từng sản phẩm.
Quá trình máy học này có thể áp dụng cho nhiều lĩnh vực, từ dự đoán giá cổ phiếu đến phát hiện gian lận tín dụng và thậm chí trong lĩnh vực y học để chẩn đoán bệnh.
Cách thức vận hành
Mô hình tạo thuật toán hồi quy tuyến tính và phân tích dữ liệu dựa trên các dữ liệu quá khứ đã thu thập ở trên.
Mô hình lấy các dữ liệu ở trên theo thời gian thực, dựa vào đó tiên đoán xu hướng tiếp theo và giá bán ước lượng của hàng hóa vào ngày, tuần sau, đưa ra output là con số ước lượng và biểu đồ.
Khách hàng quan sát dữ liệu do máy đưa ra và ra quyết định phù hợp.