Розробка інтелектуальної системи прогнозування попиту на товари для автоматизації процесів ритейлу

Abstract

Актуальність теми зумовлена необхідністю автоматизації аналітичних процесів у сфері ритейлу. Ручний аналіз історичних продажів не завжди дає змогу своєчасно врахувати сезонність, календарні закономірності, цінові зміни, акційні періоди та попередню динаміку попиту. Застосування методів машинного навчання дає можливість опрацьовувати сукупність факторів, виявляти приховані залежності та отримувати кількісну оцінку майбутнього попиту для підтримки управлінських рішень. Метою роботи є розробка інтелектуальної системи, яка на основі історичних даних продажів формує прогноз попиту на товари ритейлу, оцінює якість прогнозування та надає користувачеві зрозумілий web-інтерфейс для аналізу результатів. Для досягнення мети проаналізовано предметну область ритейлу; визначено структуру вхідних CSV-даних; спроєктовано базу даних SQLite; реалізовано імпорт, перевірку та попередню обробку даних; сформовано ознаки для машинного навчання; навчено й порівняно регресійні моделі; реалізовано прогнозування попиту та оцінювання якості за метриками MAE, RMSE і MAPE; розроблено Flask web-інтерфейс; проведено тестування основних функцій системи. Об’єктом дослідження є процес прогнозування попиту на товари у сфері роздрібної торгівлі. Предметом дослідження є методи машинного навчання, структури даних, алгоритми обробки інформації та програмні засоби реалізації системи прогнозування попиту. Практичне значення одержаних результатів полягає у створенні працездатного програмного прототипу Retail Demand Sense, який охоплює повний цикл від імпорту історичних продажів до побудови прогнозу, оцінювання моделі та візуалізації результатів. Система може використовуватися як навчально-прикладний інструмент і засіб аналітичної підтримки менеджерів ритейлу.