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