Predicción de éxitos en oportunidades comerciales

Bueno, ya ¡dame la data!

Se entregan dos datasets:

• Entrenamiento con la variable objetivo.

• Validación, que es idéntico al primero, pero sin la variable objetivo.

El dataset de evaluación consiste en todas las oportunidades que fueron creadas en los últimos cuatro meses sobre los que se cuenta información.

Dataset prueba

• Primer submit subiendo este archivo se registran en la competencia.

Descripción

Diccionario de variables

• ID: id único del registro (Entero).
• Región: región de la oportunidad (Categórica).
• Territory: territorio comercial de la oportunidad (Categórica).
• Pricing, Delivery_Terms_Quote_Approval: variable que denomina si la oportunidad necesita aprobación especial de su precio total y los términos de la entrega (Binaria).
• Pricing, Delivery_Terms_Approved: variable que denomina si la oportunidad obtuvo aprobación especial de su precio total y los términos de la entrega (Binaria).
• Bureaucratic_Code_0_Approval: variable que denomina si la oportunidad necesita el código burocrático 0 (Binaria).
• Bureaucratic_Code_0_Approved: variable que denomina si la oportunidad obtuvo el código burocrático 0 (Binaria).
• Submitted_for_Approval: variable que denomina si fue entregada la oportunidad para la aprobación (Binaria).
• Bureaucratic_Code: códigos burocráticos que obtuvo la oportunidad (Categórica).
• Account_Created_Date: fecha de creación de la cuenta del cliente (Datetime).
• Source: fuente de creación de la oportunidad (Categórica).
• Billing_Country: país donde se emite la factura (Categórica).
• Account_Name: nombre de la cuenta del cliente (Categórica).
• Opportunity_Name: nombre de la oportunidad (Categórica).
• Opportunity_ID: id de la oportunidad (Entero).
• Sales_Contract_No: número de contrato (Entero).
• Account_Owner: vendedor del equipo comercial responsable de la cuenta cliente (Categórica).
• Opportunity_Owner: vendedor del equipo comercial responsable de la oportunidad comercial (Categórica).
• Account_Type: tipo de cuenta cliente (Categórica).
• Opportunity_Type: tipo de oportunidad (Categórica).
• Quote_Type: tipo de presupuesto (Categórica).
• Delivery_Terms: términos de entrega (Categórica).
• Opportunity_Created_Date: fecha de creación de la oportunidad comercial (Datetime).
• Brand: marca del producto (Categórica).
• Product_Type: tipo de producto (Categórica).
• Size: tamaño del producto (Categórica).
• Product_Category_B: categoría 'B' del producto (Categórica).
• Price: precio (Decimal).
• Currency: moneda (Categórica).
• Last_Activity: fecha de la última actividad (Datetime).
• Quote_Expiry_Date: fecha de vencimiento del presupuesto (Datetime).
• Last_Modified_Date: fecha de ultima modificación en la oportunidad (Datetime).
• Last_Modified_By: usuario responsable de la última modificación en la oportunidad (Categórica).
• Product_Family: familia de producto (Categórica).
• Product_Name: nombre del producto (Categórica).
• ASP_Currency: moneda del precio promedio (Categórica).
• ASP: (Average Selling Price) precio promedio a la venta (Decimal).
• ASP_(converted)_Currency: moneda del precio promedio convertido en la variable (Categórica)
• ASP_(converted): precio promedio a la venta convertido a otra moneda (Decimal).
• Planned_Delivery_Start_Date: límite inferior del rango previsto para la fecha de entrega (Datetime).
• Planned_Delivery_End_Date: límite superior del rango previsto para la fecha de entrega (Datetime).
• Month: mes-año de Planned_Delivery_Start_Date (Fecha).
• Delivery_Quarter: trimestre de Planned_Delivery_Start_Date (Categorica).
• Delivery_Year: año de Planned_Delivery_Start_Date (Fecha).
• Actual_Delivery_Date: fecha real de la entrega (Datetime).
• Total_Power: potencia del producto (Entero).
• Total_Amount_Currency: moneda del monto total (Decimal).
• Total_Amount: monto total (Decimal).
• Total_Taxable_Amount_Currency: moneda del monto gravado total (Categórica).
• Total_Taxable_Amount: monto gravado total (Categórica).
• Stage: variable target. Estado de la oportunidad (Categórica).
• Prod_Category_A: categoría 'A' del producto (Categórica).
• Total_Power_Discreet: categorización de la variable Total Power en bins (Categórica).

Evaluación

La calificación de la competencia se logra, en un 50%, con el resultado de las predicciones. La métrica elegida para el set de validación es la función de Logistic Loss (Log Loss).

En el tablero se puede ver la evaluación de la solución propuesta en una muestra del set de validación. Esta muestra puede variar durante la competencia. El total del conjunto de datos de validación se reserva hasta el final de la competencia.

El 50% restante se obtiene presentando un informe donde se deberá explicar qué tratamiento hicieron en los datos y una explicación sobre el modelo propuesto. La nota la otorga un jurado ad-hoc de especialistas en el tema evaluando el informe.

Una de las variables que se encuentra en los datasets de entrenamiento y test genera un problema conocido como target leakage, detectarla y explicar el motivo por el cual no debe utilizarse para predecir sumará muchos puntos en el informe. No detectarla puede llevar a penalizaciones severas.

Las predicciones se deben enviar en un archivo CSV sin encabezado conteniendo solamente la identificación de la oportunidad (Opportunity_ID) del dataset de valuación y la columna de predicciones (score). A continuación, se muestran tres filas de un archivo de predicciones típico:

Opportunity_ID, score

10689, 0.33

10690, 0.9853289

10691, 0.70956707

etc.

El jurado podrá requerir reproducir el puntaje correspondiente al último intento registrado en la competencia.

---

Informe

En esta competencia vamos a aceptar los informes de todos los participantes que deseen entregarlo, no hay límite por la posición en el ranking. No olviden que el informe tiene un peso enorme en el score final (50%).

El período para entregar el informe es del 8/7/2020 al 14/7/2020 (inclusive). Se debe enviar un mail a metadata@fundacionsadosky.org.ar que contenga:

• Encabezado: competencia ALIX informe.
• Un archivo adjunto con el informe. El nombre del archivo debe ser su nombre de usuario, por ejemplo "datosky.zip". En caso de necesitar mandar más de un archivo utilizar algún sistema de compresión.
• En el cuerpo del mail pueden escribir lo que gusten, aunque si quieren expresar alguna cuestión relacionada al informe ponerlo en el informe.

Por favor les pedimos que respeten el formato

Guía

Pueden entregar el informe en el formato que gusten, sin embargo, les dejamos una guía que seguramente los ayudará a sumar más puntos:

De más deseable a menos deseable:

1. Notebook (Jupyter).
2. PDF.
3. Presentación en diapositivas.

Contenido:

• Detalle del análisis exploratorio realizado.
• ¿Cuáles variables utilizaste? ¿Cuáles dejaste afuera?
• ¿Qué modelo utilizaste? ¿Cómo ajustaste los parámetros del mismo?
• ¿Qué aprendizajes te dejó?
• ¿Qué valor agrega tu modelo al cliente?
• ¿Qué le recomendarías al cliente si fueras un consultor trabajando para él?
• Si hubieras tenido más tiempo, ¿Qué cosas mejorarías? ¿Qué idea te gustaría probar?