<h3>Правила участия</h3>

Нажимая кнопку &laquo;Участвовать&raquo; и/или &laquo;Отправить решение&raquo;, вы соглашаетесь <a href="https://storage.yandexcloud.net/ds-ods/files/data/docs/competitions/DataFusion2025/Rules_Data%20Fusion%20Contest_2025.pdf" rel="noopener noreferrer" target="_blank">с Правилами участия в соревновании Data Fusion Contest 2025</a>.

<h3>Постановка задачи</h3>

Необходимо решить задачу прогнозирования динамики денежных переводов клиентов банка. В роли временного ряда, который требуется прогнозировать, выступают переводы со счетов юридических лиц клиентов банка &mdash; другим юридическим лицам, агрегированные суммарно по неделям. Для обучения прогнозных моделей предоставляются транзакции за 2 года (118 недель, с 0 по 117 включительно), а горизонт прогнозирования &mdash; следующие 12 недель (с 118 по 129 включительно).

В данной задаче предстоит работать с данными юридических лиц: их транзакциями за 2 года, а также предоставленной информацией из профилей юридических лиц. У задачи имеется ряд весьма интересных особенностей для исследователей и практиков анализа данных:

<ul>
	<li>Юридические лица очень часто имеют счета сразу во многих банках. В данных задачи предоставлены транзакции юридических лиц по их уникальному ИНН, как от лица их счета в банке, так и выступающих в качестве контрагентов транзакций с другими клиентами банка.&nbsp;</li>
	<li>Транзакции между юридическими лицами отличаются от уже привычных для соревнований данных транзакций физических лиц. В них отсутствуют привычные MCC коды, но есть много другой информации, с которой можно работать.</li>
	<li>Данных для решения задачи предоставлено рекордное количество &mdash; более 250 миллионов транзакций. Осторожнее обращайтесь с памятью своих систем! 🤗️️&nbsp;</li>
</ul>

Для удобства работы с данными предоставляется глобальный календарь непрерывно идущих недель. Подробнее про структуру и особенности данных можно узнать на странице &ldquo;<a href="https://ods.ai/competitions/data-fusion2025-4cast/dataset" rel="noopener noreferrer" target="_blank">Данные</a>&rdquo;.&nbsp;

Задачи по прогнозированию повсеместно встречаются в рабочей практике компаний всех индустрий. На основании прогнозных моделей можно принимать самые различные решения для бизнеса, как на уровне конкретных клиентов, так и на уровне стратегии действий компании. Само прогнозирование имеет богатую историю подходов, моделей, научных школ и методологий, попробовать которые можно в рамках соревнования.&nbsp;

<h3>Формат решений</h3>

Это табличное соревнование с разметкой предоставленного вам .csv файла. Вам необходимо создать алгоритм, способный по предоставленным в рамках соревнования данным, создать новый табличный .csv файл с тремя столбцами:

<pre>
<code class="language-python">inn_id, week, predict
inn1000051, 118, 7430786
inn1000051, 119, 7430786
...
inn999886, 129, 19776084</code></pre>

<ul>
	<li><code>inn_id</code> &ndash; идентификатор юридических лиц, клиентов банка;</li>
	<li><code>week</code> &ndash; номер недели (периода прогнозирования), на которую сделан прогноз;</li>
	<li><code>predict</code> &ndash; предсказание вашего алгоритма.&nbsp;</li>
</ul>

Предсказания необходимо построить для всех 51,963 клиентов на все 12 недель (периодов прогнозирования) тестовых данных.&nbsp;

Примеры&nbsp;sample_submission.csv&nbsp;доступны на странице &ldquo;<a href="https://ods.ai/competitions/data-fusion2025-4cast/dataset" rel="noopener noreferrer" target="_blank">Данные</a>&rdquo;.

&nbsp;

<h3>Проверка решений</h3>

Решения проверяются автоматически путем сопоставления с известными истинными историческими значениями суммарных переводов клиентов банка со своих счетов. Истинные исторические значения в тестовых данных доступны только организаторам.

Метрика соревнования &mdash; средний RMSLE (Root Mean Squared Logarithmic Error) по клиентам:

&nbsp;

$$\overline{RMSLE} = \frac{1}{N} \sum_{i=1}^N \text{RMSLE}_i$$

$$RMSLE_{i} = \sqrt{\frac{1}{T} \sum_{t=1}^T (\log(1 + y_{it}) - \log(1 + \hat{\overline{y}}_{it} ))^2 }$$

$$\hat{\overline{y}}_{it} = max(0, \hat{y}_{it}) $$

$$\text{Где:}$$

$$N \text{ &mdash; число клиентов},$$

$$T \text{ &mdash; число периодов прогнозирования},$$

$$y_{it} \text{ &mdash; истинные значения временного ряда клиента i в период t},$$

$$\hat{y}_{it} \text{ &mdash; спрогнозированные значения временного ряда клиента i в период t}.$$

&nbsp;

Соотношение public/private в соревновании составляет 4/8:&nbsp;

<ul>
	<li>Первые 4 тестовые недели (с 118 по 121 включительно) используются для результатов на public лидерборде.&nbsp;</li>
	<li>Остальные 8 недель (с 122 по 129 включительно) используются для результатов на private лидерборде.</li>
</ul>

Обратите внимание, что если в качестве прогноза предоставляются отрицательные значения, то они принудительно зануляются.

Победители соревнования определяются по результатам на private лидерборде. Для private лидерборда можно выбрать до 2 финальных решений.

<h3>&nbsp;</h3>

<h3>Информация&nbsp;для участников</h3>

<ul>
	<li>В соревновании можно принимать участие из любой точки мира. Участники могут объединяться в команды до 4-х человек. Участвовать можно в любом количестве из предложенных задач и номинаций. Победители соревнования смогут получить денежные призы только на расчетные счета банков, зарегистрированных на территории Российской Федерации.&nbsp; Просим вас позаботиться об открытии счета в РФ заранее.</li>
	<li>Ответы на вопросы по всему Data Fusion Contest 2025 доступны&nbsp;на&nbsp;<a href="https://ods.ai/tracks/data-fusion-2025-competitions/faq" rel="noopener noreferrer" target="_blank">FAQ странице трека</a>.</li>
</ul>

<h3>Призовой фонд задачи 2, 4cast</h3>

1 место: 600 000 рублей 
2 место: 250 000 рублей 
3 место: 100 000 рублей

Спецноминация Companion:&nbsp;

1 место &mdash; 50 000 рублей 
2 место &mdash; мерч

Участникам необходимо решить задачу прогнозирования временных рядов для клиентов банка (юридических лиц) на основе их профилей и истории транзакций.

Public

Private

Val.Public

Val.Private

Данные

Rules

Нажимая &quot;Отправить&quot; я соглашаюсь с условиями <a href="https://storage.yandexcloud.net/ds-ods/files/data/docs/competitions/DataFusion2025/Rules_Data%20Fusion%20Contest_2025.pdf">Правил проведения онлайн-соревнования Data Fusion Contest 2025</a>

Privacy Policy and User agreement

Даю <a href="https://storage.yandexcloud.net/ds-ods/files/data/docs/competitions/DataFusion2025/Data_Fusion_2025_soglasie_pdn.pdf">согласие</a> Оператору&nbsp;на обработку ПДн&nbsp; (*)

email_promo

Даю согласие <a href="https://storage.yandexcloud.net/ds-ods/files/data/docs/competitions/DataFusion2025/Data_Fusion_2025_T1_soglasie_promo.pdf">Организатору</a>&nbsp;соревнования на получение информации рекламного характера

<a href="https://storage.yandexcloud.net/ds-ods/files/data/docs/competitions/DataFusion2025/Data_Fusion_2025_T1_soglasie_hr.pdf">Согласен</a> на сотрудничество по содействию мне в трудоустройстве

Благодарим за интерес к серии соревнований&nbsp;Data Fusion Contest 2025.

Заполните, пожалуйста, форму ниже.

Согласия, отмеченные&nbsp; (*) - обязательные.

#	Teams (101)	Average RMSLE	Last	Entries
1	IS	1.4459165103	16m	19
2	Andrey Kuznetsov	1.4470417596	16m	16
3	faas	1.4502487317	16m	25
4	Kirill Golubev	1.4547559141	16m	28
5	Хахатон	1.461443551	16m	61
6	Kirill Krivosheev	1.4670405742	16m	21
7	Alexander Dudin	1.4707130576	16m	66
8	Let me solo her	1.4791119821	16m	40
9	Строительство 503	1.4792567316	16m	33
10	Alexander Pavlov	1.4800993728	16m	76
11	Сергей 72	1.483317262	16m	102
12	Andrey Pedchenko	1.4844361033	16m	42
13	MrOverfit	1.4882645034	17m	17
14	xbar19	1.4953909851	17m	1
15	4ерепашкиНиндзя2Выжившие	1.4954930761	16m	48
16	feel the agi	1.4959701013	17m	21
17	Vladimir Testov	1.4994032372	16m	4
18	Anna Yurishcheva	1.5014834831	16m	36
19	Oranges	1.5019344115	16m	49
20	ml_square	1.5029622236	17m	5
21	Filer	1.5102108557	17m	43
22	Daniil Melnik	1.5121023008	17m	3
23	Mikhail Bokov	1.5131577042	16m	16
24	Raistlin	1.5161199507	16m	39
25	kizzy	1.5172912356	16m	17
26	ML_strom	1.5184945316	16m	34
27	перега сират	1.5191317604	17m	5
28	NansyJourney	1.5196900165	17m	11
29	ОЦРВ	1.5210490348	16m	18
30	NoFuture	1.5218560862	17m	23
31	Andrei Zakharov	1.5225972403	16m	27
32	Iev	1.5271952785	17m	13
33	MrUnderfit	1.5274741862	16m	24
34	Бесперспективняк	1.531291895	16m	26
35	Ilya Zhukov	1.5348860501	16m	8
36	Sergey Elis	1.5402949541	16m	14
37	Vladislav Kamanov	1.5462087904	16m	6
38	f24bceadd1bd2	1.5469030254	16m	34
39	Ivan Zhuravlev	1.5478782074	16m	17
40	Дмитрий Леонтьев	1.5498899042	17m	1
41	Roman Barilov	1.5515665548	16m	2
42	Eduard Araslanov	1.5541979198	16m	15
43	Artem Voronov	1.5562677952	16m	3
44	kvadro	1.5597423903	17m	5
45	Nikita Saik	1.56221935	16m	10
46	oxoG	1.5742148302	16m	10
47	Max Perepeliuk	1.5855470159	16m	8
48	Valerii Tsyban	1.5858152505	16m	17
49	oxyz	1.5988134491	16m	18
50	CapitainData	1.6033297161	17m	1