A Dataracing 2022 versenyen hazai vállalatok adatainak elemzésére nyílik lehetőséged különféle data science eszközökkel. A megoldandó üzleti probléma a hazai vállalatok egy csoportjába tartozó cégek exportteljesítményének előrejelzése. A data science megoldások létrehozásához szükséges anonimizált adatokat a verseny egyik társszervezője, a Magyar Nemzeti Bank biztosította. Az adatelemzési cél, hogy az egyes cégek múltbeli beszámolókban megadott adatai, illetve egyéb statisztikái, mérőszámai alapján a versenyzők gépi tanulási eszközökkel előre jelezzék az egyes cégek következő évi exportból származó bevételeit.  

Mennyire jelezhető előre az egyes cégek üzleti teljesítménye? Milyen szinten lehet becsülni a múltbeli adatok alapján a várható export értékét? Milyen elemzési trükkök vethetők be egy ilyen adathalmaz esetén? Mely algoritmusok a legalkalmasabbak a feladat megoldása során? Ilyen és ehhez hasonló kérdésekre keressük a választ.

A verseny során hazai vállalatok adatait elemezheted. Az adathalmazban több mint 30.000 hazai cég különféle tulajdonságait találod: a cégek székhelyétől kezdve egészen a létszám és árbevétel információkig. A versenyadatok nem publikusak, azokat a versenyen kívül megosztani, publikálni tilos. Az adathalmaz nem fedi le a teljes magyar cégállományt, valamint a benne található értékeket torzítottuk, hogy a cégek tényleges azonosítását megakadályozzuk. 

Az adathalmazban egy sor egy céget reprezentál. A rendelkezésre álló értékek a 2014-2016 időszakban minden évben felvételre kerültek, ezt az időszakot teljes mértékben rendelkezésre bocsájtjuk. Az adathalmazban előfordulhat hiányzó érték, ennek kezelését a versenyzőre bízzuk. 

A cél felügyelt gépi tanulási módszerek segítségével előre jelezni a cégek 2017-es exportforgalmát reprezentáló oszlop értékeit ezer Forintban. 

A versenyen a célváltozó előrejelzéséhez elsősorban a publikált adathalmaz további oszlopait (bemenő változók) lehet használni. Lehetőség van külső adatok bevonására is, azonban ezen adatoknak minden esetben nyilvánosan hozzáférhető adatoknak kell lenniük. 

Az adathalmazt két részre bontottuk: tanító és tesztadatokra. Mindkettő táblázatos struktúrában megjelenő adatban ugyanazon leíró változók szerepelnek, a tanító halmazban jelen van a célváltozó is, míg a teszthalmazból hiányzik. A cél, hogy a gépi tanulás eszközeivel a tanító adathalmazon felügyelt módon tanított modellekkel a teszthalmaz célváltozóját jelezzük előre.

A verseny egyfordulós.

• A verseny indulása: 2022. április 11.
• A megoldások beadásának végső határideje: 2022. június 19. 12:00
• A nyertesek értesítése: 2022. június 24. 12:00-ig
• A nyertes megoldások bemutatása: 2022. június 27-30.

A versenyre való regisztrációval és részvétellel a versenyzők elfogadják és magukra érvényesnek tekintik az alábbi szabályokat, valamint a regisztráció során megismert hivatalos versenyszabályzatot: 

• Résztvevőként csak egyszer regisztrálhatok a versenyre. A megoldás elkészítéséhez dolgozhatok csapatban másokkal együtt, viszont díjazás esetén egyedül én leszek feltüntetve és díjazva a versenyben. 
• A megoldáshoz használt forráskódjaimat, fájlokat a verseny időtartama alatt nem osztom meg más versenyzőkkel. A megoldáshoz használt forráskódjaimat, fájlokat a verseny időtartama alatt nem osztom meg publikusan sem. 
• A megoldásomat úgy készítem el, hogy annak eredménye a szervezők kérésére újra lefuttatható, reprodukálható legyen. Vállalom, hogy a forráskódot, fájlokat kérésre megosztom a verseny szervezőivel. 
• Elfogadom, hogy a versenyhez csak kereskedelmi forgalomban lévő, vagy nyilvánosan elérhető szoftvereket, programnyelveket használok. 
• Elfogadom, hogy a verseny során velem megosztott adatokat, információkat semmilyen platformon nem osztom meg, nem másolom vagy publikálom.
• Elfogadom, hogy a versenyadatokat (tanító és teszthalmaz) csak a versenyen való részvételhez, megoldások beküldéséhez használhatom fel. Beleegyezem, hogy a versenyadatok bármilyen lehetséges kiszivárgásáról, vagy illetéktelenek hozzáféréséről a verseny szervezőit azonnal értesítem a hello@dataracing.hu e-mail címen. 
• Elfogadom, hogy a versenyben a megoldásaim a teszthalmaz privát és publikus részén külön lesznek kiértékelve és a nyilvános Leaderboardon a verseny alatt csak egy hozzávetőleges helyezést láthatok. Elfogadom, hogy a versenyen elért eredményeim a beküldött megoldásaim a teszthalmaz nem nyilvános részén való kiértékeléséből jönnek létre. 
• Elfogadom, hogy a verseny szervezői a versennyel kapcsolatos információkról, a versenyen elért eredményemről a regisztrációkor megadott e-mail címen értesítsenek. 
• Ha a versenyhez külső forrásból vett adatokat vonok be, elfogadom, hogy ezen adatok csak publikusan hozzáférhető adatok lehetnek és a megoldás fájljaimban pontosan megjelölöm ezen külső adatok forrását.  
• Elfogadom, hogy amennyiben valamelyik nyertesként az erre vonatkozó értesítő e-mailre nem reagálok egy héten belül, vagy nem szeretnék a potenciális nyertesek között szerepelni, akkor potenciális nyertesként nem illet meg díjazás. Ilyen esetben elfogadom, hogy a verseny szervezői az eredmények alapján más potenciális nyerteseket díjazzanak. Ha potenciális nyertesként a beküldött megoldásomat nem tudom reprodukálni, és/vagy nem osztom meg a szervezőkkel a kért forráskódjaimat a kért határidőig, akkor elfogadom, hogy nem illet meg díjazás és a verseny szervezői más versenyzőket díjazhatnak. 
• Elfogadom, hogy a versenyszabályzat bárminemű megsértése, doppingvétség, csalás esetén a verseny szervezői kizárhatnak a versenyből és ha potenciális nyertes vagyok, nem illet meg díjazás.