Аннотация
ВВЕДЕНИЕ 6
ГЛАВА 1 ОБОСНОВАНИЕ НЕОБХОДИМОСТИ ПРОВЕДЕНИЯ
ПРОГНОЗИРОВАНИЯ ОБЪЁМА ПРОДАЖ И ВЫБОР МЕТОДА ПРОГНОЗИРОВАНИЯ 8
1.1 Развитие малого и среднего предпринимательства 8
1.2 Обзор инструментов для планирования и прогнозирования деятельности
малых и средних предпринимательств 13
1.3 Методы применимые к прогнозированию и планированию объёма продаж
в малых и средних предпринимательствах 19
1.4 Экономические показатели для прогнозирования объёма продаж 25
ВЫВОД ПО ГЛАВЕ ПЕРВОЙ 26
ГЛАВА 2 СОЗДАНИЕ РЕГРЕССИОННОЙ МОДЕЛИ ДЛЯ ПРОГНОЗИРОВАНИЯ
ОБЪЕМА ПРОДАЖ 28
2.1 Машинное обучение 28
2.1.1 Алгоритмы методов машинного обучения 29
2.1.2 Алгоритм градиентного бустинга 29
2.1.3 Алгоритм бутстрэп-агрегирование (бэггинг) 30
2.1.4 Алгоритм случайного леса 30
2.2 Описание данных 31
2.3 Предварительная обработка и анализ данных 33
2.4 Построение модели случайного леса 41
2.5 Построение модели градиентного бустинга 48
2.6 Построение модели бэггинга 51
2.7 Сравнение оценок и выбор модели 53
ВЫВОД ПО ГЛАВЕ ВТОРОЙ 54
ГЛАВА 3 КОММЕРЦИАЛИЗАЦИЯ ПРОЕКТА 55
3.1 Описание проекта 55
3.2 Анализ конкурентов 56
3.3 План развития 60
3.4 Производственный план 61
3.4.1 Общие требования 61
3.4.2 Требования к защите информации от несанкционированного доступа .. 62
3.4.3 Требования к функциям (задачам) сайта 63
3.4.4 Эскизы страниц 64
3.4.5 Этапы разработки веб-сервиса 67
3.5 Преимущества сервиса по прогнозированию объёма продаж 68
ВЫВОД ПО ГЛАВЕ ТРЕТЬЕЙ 68
ЗАКЛЮЧЕНИЕ 70
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 71
В наши дни малый и средний бизнес являются самыми активно развивающимися сферами экономики. От уровня их развития зависит гибкость и приспосабливаемое^ экономики страны к нестабильной экономической обстановке.
Большую часть организаций малого и среднего бизнеса составляют торговые предпринимательства. Для того чтобы быть конкурентоспособными организациями они должны обладать современными инструментами для ведения бизнеса. В настоящее время существует большое множество наборов таких инструментов, но не все организации могут себе позволить приобретение таких инструментов. Причиной тому высокая стоимость и необходимость экспертных знаний при работе с ними.
Один из важных факторов успешной деятельности торговых организации является точное прогнозирование объёмов продаж. С помощью качественно составленного прогноза можно распределять эффективно ресурсы внутри организации и увеличить эффективность бизнеса. Также существует необходимость обработки большого количества номенклатуры.
Становится актуальным вопрос об автоматизации рутинных действий и оперативного контроля запасов. Одним из способов решения данной задачи является использование методов машинного обучения.
Результатом решения задач прогнозирования продаж становятся снижение товарного запаса и повышение оборачиваемости материальных ресурсов.
Цель: выявление наиболее эффективной модели прогнозирования объёма продаж на основе данных компании «DAVINCI» с использованием методов машинного обучения.
Предметом исследования является объём продаж компании «DAVINCI».
Объектом исследования является компания «DAVINCI», специализирующаяся на продаже косметической продукции.
Задачи:
1. Исследование предметной области, исходных данных и экономических показателей предприятия;
2. Анализ существующих методов прогнозирования объёмов продаж;
3. Разработка моделей прогнозирования с использованием методов машинного обучения;
4. Проведение сравнительного анализа построенных моделей и определение оптимального метода прогнозирования;
5. Разработка плана коммерциализации проекта.
Научная новизна заключается в определении наиболее эффективной модели прогнозирования объёма продаж с использованием методов машинного обучения.
В работе были рассмотрены существующие методы прогнозирования объёмов продаж. И выбраны методы машинного обучения для построения модели.
Наиболее эффективными методами машинного обучения для прогнозирования объёма продаж являются алгоритмы: случайный лес, градиентный бустинг и алгоритм бэггинга.
Прогнозирование состояло из двух этапов. Первый этап включал в себя построение модели на основе набора данных с известными результатами. Второй этап данная модель использовалась для предсказания результатов на основе новых входных данных. Одно из главных требований к моделям - это максимальная точность результатов.
На основе выбранных алгоритмов были построены 3 модели и с помощью показателей оценок качества, таких как средняя абсолютная ошибка, среднеквадратичное отклонение и коэффициент детерминации, было определено, что наиболее точной моделью для построения прогноза на имеющихся данных является алгоритм бустинга. Точность данного прогноза составляет 99%.
Был предложен план коммерциализации проекта в виде общедоступного вебсервиса, основным преимуществом которого является доступность для небольших компаний и простота в использовании и понятность для обычных пользователей.
Цель: выявление наиболее эффективной модели прогнозирования объёма продаж на основе данных компании «DAVINCI» с использованием методов машинного обучения, поставленная в работе, достигнута.
Задачи: исследование предметной области, исходных данных и экономических показателей предприятия, анализ существующих методов прогнозирования объёмов продаж, разработка моделей прогнозирования с использованием методов машинного обучения, проведение сравнительного анализа построенных моделей и определение оптимального метода прогнозирования, разработка плана коммерциализации проекта решены.
