АННОТАЦИЯ 2
ВВЕДЕНИЕ 5
ГЛАВА 1 ТЕОРЕТИЧЕСКИЕ ОСНОВЫ МОДЕЛИРОВАНИЯ ПРОЦЕССА ТОВАРОДВИЖЕНИЯ 7
1.1 Характеристика товарно-розничного предприятия как открытой системы
товародвижения 7
1.2 Моделирование покупательского спроса как основная задача автоматизации
процессов розничного магазина 14
1.3 Существующие методы прогнозирования покупательского спроса 18
Выводы к первому разделу 24
ГЛАВА 2 ИНСТРУМЕНТЫ И МЕТОДЫ ИССЛЕДОВАНИЯ 26
2.1 Основы математического прогнозирования спроса на товар 26
2.2 Модели временных рядов 29
2.3 Классический регрессионный анализ 35
2.4 Регрессия на опорных векторах 38
2.5 Регрессия на основе градиентного бустинга 40
ГЛАВА 3 ПРОГНОЗИРОВАНИЕ ПОКУПАТЕЛЬСКОГО СПРОСА 43
3.1 Метрика качества модели 43
3.2 Подготовка данных 44
3.3 Исследовательский анализ данных 45
3.3 Анализ временных рядов по типу магазина 49
3. 4 Метод Prophet 51
3.5 Метод градиентного бустинга 55
Вывод по разделу три 57
ГЛАВА 4 КОММЕРЦИАЛИЗАЦИЯ ПРОЕКТА 58
4.1 Участники процесса коммерциализации 58
4.2 Выбор способа коммерциализации 60
4.3 Описание продукта 65
4.4 Дорожная карта коммерциализации проекта 65
4.5 Объем рынка 68
4.6 Команда проекта 68
4.7 Ценообразование проекта 68
Выводы по разделу четыре 71
ЗАКЛЮЧЕНИЕ 72
БИБЛИОГРАФИЧЕСКИЙ СПИСОК 73
Построение систем машинного обучения является на сегодняшний день одной из самых популярных, актуальных областей человеческой деятельности на стыке информационных технологий, математического анализа и статистики. Задачи прогнозирования решаются в различных сферах человеческой деятельности, например, науке, производстве, экономике и др.
Главной целью прогнозирования является предсказание будущего поведения объекта прогнозирования. Сам процесс прогнозирования является одной из задач машинного обучения и одним из важнейших моментов принятия решений при оптимизации товарного запаса, логистики и необходимых ресурсов. Решение задачи прогнозирования направлено на определение тенденций развития конкретного объекта или действия на основе предшествующих данных, точнее на анализе их состояний в прошлом и настоящем. Исходя из этого, для решения задачи прогнозирования требуется наличие определенной обучающей выборки данных.
В магистерской диссертации рассматриваются математические модели и методы, предназначенные для прогнозирования временных рядов. Примерами таких моделей и методов являются: метод сингулярного спектрального анализа, модель сезонного скользящего среднего, ARIMA.
В данной работе исследуются популярные алгоритмы предсказания продаж с использованием больших данных и технологий машинного обучения. Также рассмотрены вопросы, связанные с решением задачи прогнозирования временных рядов. Также рассматривается алгоритм определения тренда и сезонности продаж товаров определенного типа.
Основной целью работы является разработка алгоритма прогнозирования продаж товара и сравнение созданного прогноза с существующими данными. Таким образом, объектом исследований является технологии машинного обучения для создания прогноза. Предметом исследования - алгоритмы прогнозирования продаж товаров определенного типа.
Основные задачи:
1) Анализ литературных источников, исследование основных требований к реализации алгоритма предсказания.
2) Изучение процессов создания алгоритмов предсказания с использованием технологий машинного обучения.
3) Исследование популярных алгоритмов предсказания, подходящих для решения поставленной задачи.
4) Выбор методов, способов и задачи машинного обучения. Выбор модели и метода прогнозирования.
В ходе написания диссертационной работы, был рассмотрен процесс моделирования покупательского спроса путем машинного обучения. Так же проведен анализ существующих методов.
В качестве инструментов прогнозирования рассматривались методы машинного обучения, начиная от простых методов, таких как логистическая регрессия, заканчивая градиентным бустингом. Сравнительный анализ методов позволил выбрать необходимые инструменты для анализа, а именно модель прогнозирования с помощью Prophet, метод градиентного бустинга. Из сравнения моделей был сделан вывод, что второй способ при выбранных условиях подходит лучше, и точнее по показателям.
В заключение работы был рассмотрен проект коммерциализации. В нем были рассмотрены методы коммерциализации, на основе сравнения этих методов был выбран метод полной передачи прав на инновацию. Так же были построена дорожная карата проекта, включающая в себя этапы необходимые для вывода проекта на рынок. Была произведена оценка рынка по показателям: потенциальный объем рынка, общий объём целевого рынка, доступный объем рынка, реально достижимый объем рынка. Были произведены плановые расчеты затрат на реализацию проекта, а также рассчитана цена на единицу продукции. В конце главы были рассмотрены и выбрана форма распоряжения авторскими правами на основе существующего законодательства.
Таким образом, была достигнута цель исследования и были выполнены поставленные задачи в начале исследования.
