Выдержка из работы:
ВВЕДЕНИЕ
Актуальность выбранной темы выпускной квалификационной работы обусловлена фактами, оказывающими существенное влияние на торговые сети и их деятельность.
Одним из таких факторов является повышение уровня конкуренции в торговых сетях из-за формирования больших объемов товаров. В постоянной борьбе за покупателя торговым сетям, реализующим доставку уже недостаточно просто предоставить качественные товары, необходима работа с потенциальным покупателем и формирование специальных предложений. Применение классических методов планирования требует затрат серьезных материальных и трудовых ресурсов что не всегда окупается, так как сменяемость ассортимента может стать достаточно частой с из-за смены приоритетов покупателя.
Работа с алгоритмами машинного обучения позволит в значительной мере снизить уровень трудозатрат и выполнять оптимальное планирование.
……………………………………….
Исследование технологий планирования доставки для сети магазинов, и разработка требований к информационной системе
Исследование возможностей применения технологий машинного обучения для оптимизации процессов планирования деятельности
Планирование деятельности компании строится с учетом существующих возможностей вместе с оценкой будущих изменений для поддержки уровня продаж и поиска его роста. Для оценки будущих изменений, связанных как с влиянием внешней среды, так и корректировкой внутренних бизнес-процессов применяются различные методы прогнозирования. Принятие управленческих решений должно основываться на определенных механизмах оценки будущих периодов путем определения ключевых показателей деятельности.
Для крупных торговых сетей таким базовым показателем является уровень продаж, которые определяется по разным категориям товаров с учетом меняющего покупательского спроса. Классические технологии работы связаны с применением статистических методов и различных экономических моделей наряду с выполнением предварительного SWOT, PEST и других видов анализа.
Статистический анализ в таких случаях предполагает применение базовых моделей, представленных чаще всего системами регрессионных уравнений. Такие уравнения задают связь ключевых показателей, характеризующих состояние торговой сети как экономической системы.
Модель взаимосвязи может быть задана на этапе разработки модели, а может выбираться в процессе. Однако спектр таких моделей и механизмы взаимосвязи определены заранее, так как их список ограничен. Наиболее часто применяется экстраполяция, определяющая тенденции развития на базе уже имеющихся данных за предыдущие периоды. Прямое применение экстраполяционных методов без дополнительных исследований и ограничений приводит к совершенно некорректным результатам, так что полученные тенденции развития экономической системы будут маловероятными [1].
Основой для построения такого рода прогнозов становятся временные ряды, представляющие собой упорядоченные во времени наборы ключевых показателей исследуемой экономической системы для определения тенденций ее развития [2].
Метод прогнозной экстраполяции использует следующее представление изменение показателя (1.1):
y_t=x_t+e_t, (1.1)
где x_t - регулярная детерминированная составляющая;
e_t - случайная составляющая.
Под регулярной детерминированной составляющей x_t понимают глобальную динамику развития, а оставшаяся часть e_t оценивает возникающие отклонения и вносит элемент случайности. При этом время является основной переменной, которая определяет уровень будущих изменений [3].
Данные для проведения экстраполяции получают путем расчета исследуемых ключевых показателей на основании данных прошедших периодов и подбора наиболее оптимальной функции, в качестве которой может выступать линейная, полиномиальная, экспоненциальная, логарифмическая и другие, и ее параметров с использованием, например, метода наименьших квадратов [4].
……………………………………….
СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ
1. Подкорытова О.А. Анализ временных рядов / О.А. Подкорытова, М.В. Соколов. – М.: Юрайт, 2022. – 268 с.
2. Кильдишев А.С. Анализ временных рядов и прогнозирование / А.С. Кильдишев, А.А. Френкель. – СПб.: Ленанд, 2021. – 104 с.
3. Келлехер Д.Д. Наука о данных. Базовый курс / Д.Д. Келлехер. – М. Альпина Паблишер, 2021. – 224 с.
4. Ларионова И.А. Статистический анализ данных с помощью пакета Statistica / И.А. Ларионова. – М.: НИТУ МИСиС, 2018. – 345 с.
5. Орлов Ю.Н. Нестационарные временные ряды: Методы прогнозирования с примерами анализа финансовых и сырьевых рынков / Ю.Н. Орлов, К.П. Осминин. – М. URSS, 2022. – 384 с.
6. Траск Э. Грокаем глубокое обучение / Э. Траск. – СПб.: Питер, 2019. – 352 с.
……………………………………….