Прогнозування рівнів майбутніх продажів для систем планування ресурсів підприємств

Автор(и)

  • Serhiy Hrebenovych студент магістерської програми «Інженерія програмного забезпечення» факультету інформатики Національного університету «Києво-Могилянська академія», Ukraine
  • Rinata Sinitsyna кандидат фізико-математичних наук, старший викладач кафедри мережних технологій факультету інформатики Національного університету «Києво-Могилянська академія», Ukraine

DOI:

https://doi.org/10.18523/2617-3808.2020.3.121-126

Ключові слова:

планування ресурсів підприємства, прогнозування продажів, машинне навчання, часові ряди, кластеризація

Анотація

У цій статті розглянуто методи прогнозування рівнів майбутніх продажів і можливості їх використання у сучасних системах планування ресурсів підприємства. На прикладі Dynamics 365 BusinessCentral розглянуто практичне застосування таких методів, у тому числі з допомогою методів машинного навчання.
Також під час роботи було досліджено наявне рішення, що базується на аналізі часових рядів (timeseries), і запропоновано доповнення із застосуванням кластерного аналізу (clustering).

Матеріал надійшов 10.06.2020

Біографії авторів

Serhiy Hrebenovych, студент магістерської програми «Інженерія програмного забезпечення» факультету інформатики Національного університету «Києво-Могилянська академія»

s.hrebenovych@ukma.edu.ua

Rinata Sinitsyna, кандидат фізико-математичних наук, старший викладач кафедри мережних технологій факультету інформатики Національного університету «Києво-Могилянська академія»

r.sinitsyna@ukma.edu.ua

Посилання

  1. Cheriyan, S., et al. (2018). Intelligent Sales Prediction Using Machine Learning Techniques. International Conference on Computing, Electronics & Communications Engineering. https://www.doi.org/10.1109/iCCECOME.2018.8659115
  2. Elbahri, M., et al. (2019). Difference Comparison of SAP, Oracle, and Microsoft Solutions Based on Cloud ERP Systems: A Review. IEEE 15th International Colloquium on Signal Processing & Its Applications (CSPA), At Penang, Malaysia. https://www.doi.org/10.1109/CSPA.2019.8695976
  3. Enterprise Resource Planning (ERP). Information Technology Gartner Glossary. Retrieved from https://www.gartner.com/en/informa-tion-technology/glossary/enterprise-resource-planning-erp.
  4. Forecasting Model for Microsoft Dynamics 365 Business Central. Azure AI Gallery. Retrieved from https://gallery.azure.ai/Experiment/Forecasting-Model-for-Microsoft-Dynamics-365-Business-Central.
  5. Maitra, S. (2019). Sales Prediction using Clustering & Machine Learning (ARIMA & Holt’s Winter Approach). Towards Data Science. Retrieved from https://towardsdatascience.com/clus-tering-machine-learning-combination-in-sales-prediction-330a7a205102.
  6. Shahzad, B., et. al. (2017). Build Software or Buy: A Study on Developing Large Scale Software. IEEE Access, 5, 24262–24274. https://www.doi.org/10.1109/ACCESS.2017.2762729
  7. The Sales and Inventory Forecast Extension. Microsoft Documentation. Retrieved from https://docs.microsoft.com/en-us/dynamics365/business-central/ui-extensions-sales-forecast.
  8. Wilson, E. The 6 Models Used in Forecasting Algorithms. Institute of Business Forecast & Planning. Retrieved from https://demand-planning.com/2019/04/22/forecasting-algorithms.

##submission.downloads##

Як цитувати

[1]
S. Hrebenovych і R. Sinitsyna, «Прогнозування рівнів майбутніх продажів для систем планування ресурсів підприємств», NRPCOMP, т. 3, с. 121–126, Груд 2020.

Номер

Том 3 (2020): Наукові записки НаУКМА. Комп’ютерні науки

Розділ

Статті

Ліцензія

Авторське право (c) 2020 Serhiy Hrebenovych, Rinata Sinitsyna

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Автори, які публікуються у цьому журналі, погоджуються з такими умовами:

а) Автори зберігають за собою авторські права на твір на умовах ліцензії CC BY 4.0 Creative Commons Attribution International License, котра дозволяє іншим особам вільно поширювати (копіювати і розповсюджувати матеріал у будь-якому вигляді чи форматі) та змінювати (міксувати, трансформувати, і брати матеріал за основу для будь-яких цілей, навіть комерційних) опублікований твір на умовах зазначення авторства.

б) Журнал дозволяє автору (авторам) зберігати авторські права без обмежень.

в) Автори мають право укладати самостійні додаткові угоди щодо поширення твору (наприклад, розміщувати роботу в електронному репозитарії), за умови збереження посилання на його першу публікацію. (Див. Політика Самоархівування)

г) Політика журналу дозволяє розміщення авторами в мережі Інтернет (наприклад, у репозитаріях) тексту статті, як до подання його до редакції, так і під час його редакційного опрацювання, оскільки це сприяє виникненню продуктивної наукової дискусії та позитивно позначається на оперативності та динаміці цитування опублікованої роботи (див. The Effect of Open Access).