Reto a desarrollar en la primera fase online del Hackathon 2021 edition para optar a un puesto para la segunda fase final que se celebrará el 10 de Diciembre en Barcelona (La Llotja de Mar).

La solución aquí propuesta obtuvo el 8º mejor resultado, logrando así estar entre los 40 mejores aspirantes y lograr una plaza para la fase final.

Reto a desarrollar para la fase online Akadelivers es una empresa de reparto a domicilio especializada en la entrega de paquetes en menos de 1 hora, lo que se denomina (Q-commerce = Quick commerce) Esta empresa tiene una aplicación móvil con la que sus usuarios pueden elegir entre un catálogo de productos de tiendas locales de su ciudad y que les sean entregados en menos de 10 minutos a la dirección que deseen.

Cuando un usuario pide un pedido a través de Akadelivers se le cobra directamente el coste total (coste del producto + gastos de servicio + gastos de envío). Una vez el usuario ha pagado un producto, el repartidor que se encuentre más próximo a la tienda que tiene el producto se acerca a esta, paga el producto, lo recoge y lo lleva a la dirección que el usuario ha elegido. Akadelivers se lo llevara a la dirección indicada.

• ¿Cuáles son los 3 paises en los que más pedidos se realizan?

• ¿Cuáles son las horas en las que se realizan más pedidos en España?

• ¿Cuál es el precio medio por pedido en la tienda con ID 12513?

• Teniendo en cuenta los picos de demanda en España, si los repartidores trabajan en turnos de 8horas.

  • Turno 1 (00:00-08:00)
  • Turno 2 (08:00-16:00)
  • Turno 3 (16:00-00:00)

• Qué porcentaje de repartidores pondrías por cada turno para que sean capaces de hacer frente a los picos de demanda. (ej: Turno 1 el 30%, Turno 2 el 10% y Turno 3 el 60%).

• Realiza un modelo predictivo de machine learning a partir del dataset 'train.csv' en el cual a partir de las variables predictoras que se entregan en el dataset 'test_X' se pueda predecir si el pedido se cancelará o no (columna 'final_status')

Entregar las predicciones en un csv a parte. La calidad de la predicción se medira a partir del f1-score(macro).

Fecha de entrega máxima: 22 Noviembre 2021 23.59h UTC

Datasets Variables del dataset:

order_id: Número de identificación del pedido.

local_time: Hora local a la que se realiza el pedido.

country_code: Código del pais en el que se realiza el pedido.

store_address: Número de tienda en a la que se realiza el pedido.

payment_status: Estado del pedido.

n_of_products: Número de productos que se han comprado en ese pedido.

products_total: Cantidad en Euros que el usuario ha comprado en la app.

final_status: Estado final del pedido (este será la variable 'target' a predecir) que indicara si el pedido será finalmente entregado o cancelado. Hay dos tipos de estado:

• CanceledStatus: La entrega se ha cancelado.
• DeliveredStatus: La entrega se ha realizado correctamente.