Помощь студентам в учебе
Разработка математических моделей для прогнозирования покупательского спроса в продуктовых магазинах
|
ВВЕДЕНИЕ 10
ГЛАВА 1. ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ ПРОЦЕССА КРУПНЫХ
ТОРГОВЫХ КОМПАНИЙ 13
1.1 Управление товарными запасами и прогнозирование продаж 13
1.1.1 Модель пополнения запасов 14
1.1.2 Соответствие времени заказа и периода прогнозирования 14
1.2 Классические методы прогнозной аналитики в области продаж 15
1.3 Анализ исследований 20
1.4 Постановка задачи 25
ВЫВОД ПО ГЛАВЕ 1 28
ГЛАВА 2. МЕТОДЫ МАШИННОГО ОБУЧЕНИЯ КАК ЭФФЕКТИВНОЕ
СРЕДСТВО РЕШЕНИЯ ЗАДАЧ ПРОГНОЗИРОВАНИЯ 29
2.1 Деревья решений 30
2.2 Ансамбли деревьев решений 33
2.2.1 Случайный лес 33
2.2.2 Градиентный бустинг (XGBoost) 35
2.2.3 LightGBM 38
2.2.4 CatBoost 40
ВЫВОДЫ ПО ГЛАВЕ 2 43
ГЛАВА 3. ПРОГНОЗИРОВАНИЕ ОБЪЕМОВ ПРОДАЖ В ПРОДУКТОВЫХ
МАГАЗИНАХ 44
3.1 Описание набора данных 46
3.2 Разведочный анализ данных, EDA (exploratory data analysis) 47
3.3 Метрика качества 53
3.4 Процедура обучения 54
3.5 Построение базовых моделей 55
3.5.1 Модель LightGBM 56
3.5.2 Модель СatBoost 60
3.5.3 XGBoost 65
ВЫВОД ПО ГЛАВЕ 3 71
ГЛАВА 4. ПРОЕКТ КОММЕРЦИАЛИЗАЦИИ 72
4.1 Участники процесса коммерциализации 72
4.2 Дорожная карта проекта на 2021 год 75
4.3 Бизнес - модель 76
4.4 Команда проекта 77
4.5 Ценообразование 77
4.6 Правовая основа проекта 81
4.7 Формы распоряжения авторскими правами 82
ВЫВОД ПО ГЛАВЕ 4 84
ЗАКЛЮЧЕНИЕ 85
БИБЛОГРАФИЧЕСКИЙ СПИСОК
ГЛАВА 1. ПОВЫШЕНИЕ ЭФФЕКТИВНОСТИ ПРОЦЕССА КРУПНЫХ
ТОРГОВЫХ КОМПАНИЙ 13
1.1 Управление товарными запасами и прогнозирование продаж 13
1.1.1 Модель пополнения запасов 14
1.1.2 Соответствие времени заказа и периода прогнозирования 14
1.2 Классические методы прогнозной аналитики в области продаж 15
1.3 Анализ исследований 20
1.4 Постановка задачи 25
ВЫВОД ПО ГЛАВЕ 1 28
ГЛАВА 2. МЕТОДЫ МАШИННОГО ОБУЧЕНИЯ КАК ЭФФЕКТИВНОЕ
СРЕДСТВО РЕШЕНИЯ ЗАДАЧ ПРОГНОЗИРОВАНИЯ 29
2.1 Деревья решений 30
2.2 Ансамбли деревьев решений 33
2.2.1 Случайный лес 33
2.2.2 Градиентный бустинг (XGBoost) 35
2.2.3 LightGBM 38
2.2.4 CatBoost 40
ВЫВОДЫ ПО ГЛАВЕ 2 43
ГЛАВА 3. ПРОГНОЗИРОВАНИЕ ОБЪЕМОВ ПРОДАЖ В ПРОДУКТОВЫХ
МАГАЗИНАХ 44
3.1 Описание набора данных 46
3.2 Разведочный анализ данных, EDA (exploratory data analysis) 47
3.3 Метрика качества 53
3.4 Процедура обучения 54
3.5 Построение базовых моделей 55
3.5.1 Модель LightGBM 56
3.5.2 Модель СatBoost 60
3.5.3 XGBoost 65
ВЫВОД ПО ГЛАВЕ 3 71
ГЛАВА 4. ПРОЕКТ КОММЕРЦИАЛИЗАЦИИ 72
4.1 Участники процесса коммерциализации 72
4.2 Дорожная карта проекта на 2021 год 75
4.3 Бизнес - модель 76
4.4 Команда проекта 77
4.5 Ценообразование 77
4.6 Правовая основа проекта 81
4.7 Формы распоряжения авторскими правами 82
ВЫВОД ПО ГЛАВЕ 4 84
ЗАКЛЮЧЕНИЕ 85
БИБЛОГРАФИЧЕСКИЙ СПИСОК
Актуальность исследования.
Постиндустриальный этап развития экономики связан с существенным увеличением доли инфраструктурных отраслей, производств с наукоёмкой технологией, значительным ростом сферы услуг и информационного сервиса.
В условиях перехода к рыночной экономике существенно возрастала роль связи как элемента инфраструктуры рынка, как фактора сокращения времени и пространства. С начала 90-х годов сфера услуг все более усложнялась, росли требования клиентов к качеству продукции и уровню обслуживания, сокращалось время вывода новых продуктов на рынок. Это потребовало совершенствования методологии управления, которая к тому же усугублялась проблемами сезонного характера продаж, оказывающих огромное влияние на деятельность компаний, в частности, на функционирование системы сбыта услуг.
Неустойчивое состояние потребительского рынка и расстроенные финансы настолько привлекают к себе внимание, что практически затмили сложнейшие вопросы экономической стратегии, динамики воспроизводства. Для рынка сбыта характерны динамичность и постоянно происходящие изменения. Рыночная экономика, то есть экономика мгновенной динамики спроса и предложения, вынуждает компании с максимальной скоростью и с минимально необходимыми затратами реагировать на воздействие внешних факторов, - проявлять гибкость в из-меняющихся условиях конкурентной борьбы.
Важнейшим условием выживания организации в рыночной ситуации является своевременное и гибкое реагирование на требования вновь возникающей ситуации. Таким образом, планирование сбыта продукции должно базироваться на прогнозировании объемов продаж продукции, включающем анализ тенденций его развития и порождающих их причин. Однако, условия хозяйствования современных организаций создают трудности при прогнозировании сбыта продукции с помощью существующих методов прогнозирования и требуют их адаптацию или разработку качественно новых подходов к прогнозированию.
Колебания объемов продаж являются одной из основных проблем, возникающей перед значительной частью предприятий. Они препятствуют эффективному планированию, ухудшают ликвидность предприятия, замедляют экономическое развитие и снижают получаемую прибыль. Имеет место так же ряд последствий социального характера. Это сезонная (скрытая) безработица, уменьшение платежей в бюджеты различных уровней.
Сложность и многогранность обозначенной проблемы, ее практическая ценность, а также недостаточная степень разработанности и, следовательно, необходимость разработки новых подходов в выработке мер для преодоления прогнозирования объемов продаж определили выбор темы диссертационной работы.
Вопросы, связанные с прогнозированием рынков сбыта и продаж продукции организаций неоднократно рассматривались в работах таких отечественных ученых как В.Б. Баранов, И.В. Бестужев-Лада,В.И. Блохин, В.Р. Веснин, И.Н. Герчикова, В.И.Горштейн, А.П. Ермилов, A.M. Игнатьев, 'А.Б. Идрисов, В.Г. Клипов, A. Б. Крутик, ЛА.Н. Петров, Э.И. Петруня, А.Л. Семенов, А.А. Тудым, Р.А. Фатхутдинов, Б.Ф. Хазов, В.К. Черкасов, Е.М. Четыркин, О.Ю. Шибалкин, а так же многих других.л Данную проблематику затрагивают в своих работах также за-рубежные ученые:] Р. Акофф, И. Ансофф, X. Барт, Г.Дж. Болт, И. Ворст, У. Кинг, Д. Клиланд, Г. Лайс, ЖанЖак Ламбен, К.Д. Льюис, М. Мескон, П. Ревентлоу, Р. Торвей, П.Р. Уинтерс, Р. Уотермен.
Теоретической и методологической основой дипломного проекта являются труды зарубежных и отечественных ученых в области машинного обучения. Так, например, в российской литературе известны такие авторы как: Барский А.Б., Ни-коленко. С., Кадурин А., Архангельская Е., В. Н. Ручкин, В. А. Фулин., Вьюгин B. В. В зарубежной литературе: Оливье Кален, Джанлука Бонтемпи, Андреа Даль Поццоло, Ян-Ал Ле Боргн, Фабрицио Карсильо, Константин Циглер.
Рассмотрев различные точки зрения, можно прийти к выводу, что существуют различные методы прогнозирования, каждый из которых имеет свои достоинства и недостатки.
В данной работе под термином прогнозирование понимается специальное научное исследование конкретных перспектив развития какого-либо явления.
Объектом исследовательской работы является процесс закупки продуктовых магазинов.
Предметом исследования является методы прогнозирования объемов продаж на продовольственные товары с использование машинного обучения.
Целью исследования является процесс разработки математических моделей прогнозирования объемов продаж на продовольственные товары в продуктовых магазинах.
Для достижения цели были поставлены следующие задачи:
1) описание процесса закупки;
2) теоретическое описание машинного обучения, его виды и алгоритмы;
3) анализ и сравнение имеющихся прогнозных методов машинного обучения;
4) построение прогнозной модели;
5) сравнительный анализ результатов прогнозирования;
6) формирование плана коммерциализации.
Новизна работы заключается в том, что на основе комплексного анализа:
1) рассмотрены и проанализированы методы прогнозирования;
2) проведен сравнительный анализ методов;
3) разработана модель прогнозирования объемов продаж в продовольственных магазинах;
4) проведен сравнительный анализ результатов исследования, сделаны выводы, даны рекомендации.
Практическая значимость работы обусловлена применением результатов исследования на практике, для увеличения выручки от определения объемов продаж в процессе закупочной деятельности.
Постиндустриальный этап развития экономики связан с существенным увеличением доли инфраструктурных отраслей, производств с наукоёмкой технологией, значительным ростом сферы услуг и информационного сервиса.
В условиях перехода к рыночной экономике существенно возрастала роль связи как элемента инфраструктуры рынка, как фактора сокращения времени и пространства. С начала 90-х годов сфера услуг все более усложнялась, росли требования клиентов к качеству продукции и уровню обслуживания, сокращалось время вывода новых продуктов на рынок. Это потребовало совершенствования методологии управления, которая к тому же усугублялась проблемами сезонного характера продаж, оказывающих огромное влияние на деятельность компаний, в частности, на функционирование системы сбыта услуг.
Неустойчивое состояние потребительского рынка и расстроенные финансы настолько привлекают к себе внимание, что практически затмили сложнейшие вопросы экономической стратегии, динамики воспроизводства. Для рынка сбыта характерны динамичность и постоянно происходящие изменения. Рыночная экономика, то есть экономика мгновенной динамики спроса и предложения, вынуждает компании с максимальной скоростью и с минимально необходимыми затратами реагировать на воздействие внешних факторов, - проявлять гибкость в из-меняющихся условиях конкурентной борьбы.
Важнейшим условием выживания организации в рыночной ситуации является своевременное и гибкое реагирование на требования вновь возникающей ситуации. Таким образом, планирование сбыта продукции должно базироваться на прогнозировании объемов продаж продукции, включающем анализ тенденций его развития и порождающих их причин. Однако, условия хозяйствования современных организаций создают трудности при прогнозировании сбыта продукции с помощью существующих методов прогнозирования и требуют их адаптацию или разработку качественно новых подходов к прогнозированию.
Колебания объемов продаж являются одной из основных проблем, возникающей перед значительной частью предприятий. Они препятствуют эффективному планированию, ухудшают ликвидность предприятия, замедляют экономическое развитие и снижают получаемую прибыль. Имеет место так же ряд последствий социального характера. Это сезонная (скрытая) безработица, уменьшение платежей в бюджеты различных уровней.
Сложность и многогранность обозначенной проблемы, ее практическая ценность, а также недостаточная степень разработанности и, следовательно, необходимость разработки новых подходов в выработке мер для преодоления прогнозирования объемов продаж определили выбор темы диссертационной работы.
Вопросы, связанные с прогнозированием рынков сбыта и продаж продукции организаций неоднократно рассматривались в работах таких отечественных ученых как В.Б. Баранов, И.В. Бестужев-Лада,В.И. Блохин, В.Р. Веснин, И.Н. Герчикова, В.И.Горштейн, А.П. Ермилов, A.M. Игнатьев, 'А.Б. Идрисов, В.Г. Клипов, A. Б. Крутик, ЛА.Н. Петров, Э.И. Петруня, А.Л. Семенов, А.А. Тудым, Р.А. Фатхутдинов, Б.Ф. Хазов, В.К. Черкасов, Е.М. Четыркин, О.Ю. Шибалкин, а так же многих других.л Данную проблематику затрагивают в своих работах также за-рубежные ученые:] Р. Акофф, И. Ансофф, X. Барт, Г.Дж. Болт, И. Ворст, У. Кинг, Д. Клиланд, Г. Лайс, ЖанЖак Ламбен, К.Д. Льюис, М. Мескон, П. Ревентлоу, Р. Торвей, П.Р. Уинтерс, Р. Уотермен.
Теоретической и методологической основой дипломного проекта являются труды зарубежных и отечественных ученых в области машинного обучения. Так, например, в российской литературе известны такие авторы как: Барский А.Б., Ни-коленко. С., Кадурин А., Архангельская Е., В. Н. Ручкин, В. А. Фулин., Вьюгин B. В. В зарубежной литературе: Оливье Кален, Джанлука Бонтемпи, Андреа Даль Поццоло, Ян-Ал Ле Боргн, Фабрицио Карсильо, Константин Циглер.
Рассмотрев различные точки зрения, можно прийти к выводу, что существуют различные методы прогнозирования, каждый из которых имеет свои достоинства и недостатки.
В данной работе под термином прогнозирование понимается специальное научное исследование конкретных перспектив развития какого-либо явления.
Объектом исследовательской работы является процесс закупки продуктовых магазинов.
Предметом исследования является методы прогнозирования объемов продаж на продовольственные товары с использование машинного обучения.
Целью исследования является процесс разработки математических моделей прогнозирования объемов продаж на продовольственные товары в продуктовых магазинах.
Для достижения цели были поставлены следующие задачи:
1) описание процесса закупки;
2) теоретическое описание машинного обучения, его виды и алгоритмы;
3) анализ и сравнение имеющихся прогнозных методов машинного обучения;
4) построение прогнозной модели;
5) сравнительный анализ результатов прогнозирования;
6) формирование плана коммерциализации.
Новизна работы заключается в том, что на основе комплексного анализа:
1) рассмотрены и проанализированы методы прогнозирования;
2) проведен сравнительный анализ методов;
3) разработана модель прогнозирования объемов продаж в продовольственных магазинах;
4) проведен сравнительный анализ результатов исследования, сделаны выводы, даны рекомендации.
Практическая значимость работы обусловлена применением результатов исследования на практике, для увеличения выручки от определения объемов продаж в процессе закупочной деятельности.
В ходе написания магистерского диссертационного проекта, был рассмотрен процесс прогнозирования объемов продаж, закупочная деятельность и управление остатками товара, рассмотрены факторы, влияющие на него, выявлена проблема, а также рассмотрена роль прогнозирования объемов продаж конкретного товара.
В качестве инструментов прогнозирования рассматривался метод машинного обучения - градиентный бустинг. Сравнительный анализ методов позволил выбрать необходимые инструменты для анализа, а именно вариации градиентного бустинга: LightGBM и CATBoost, и XGBoost.
В качестве реализации метода градиентного бустинга были выбраны три библиотеки, это:
• LightGBM, которая показала результат равный 0.60803;
• CatBoost. Реализация метода позволила снизить ошибку до 0.56591;
• XGBoost показал результат = 0.5511.
Были построены прогнозные модели с помощью градиентного бустинга. Про-веден сравнительный анализ результатов прогнозирования.
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 была 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.
В качестве инструментов прогнозирования рассматривался метод машинного обучения - градиентный бустинг. Сравнительный анализ методов позволил выбрать необходимые инструменты для анализа, а именно вариации градиентного бустинга: LightGBM и CATBoost, и XGBoost.
В качестве реализации метода градиентного бустинга были выбраны три библиотеки, это:
• LightGBM, которая показала результат равный 0.60803;
• CatBoost. Реализация метода позволила снизить ошибку до 0.56591;
• XGBoost показал результат = 0.5511.
Были построены прогнозные модели с помощью градиентного бустинга. Про-веден сравнительный анализ результатов прогнозирования.
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 была 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.